模型 ID
heygen-video-1
通用视频生成
AI 模型指南 · HeyGen
HeyGen Video
一次生成短场景画面与声音
HeyGen Video 是 HeyGen 的通用场景生成模型，基于 MiniMax H3 并经 HeyGen 后训练。官方文档列出文生视频、图生视频和参考素材生成，并说明对话、环境声和音效会与画面一起生成。它不同于 HeyGen 通过脚本驱动的数字人渲染接口。
审核于 2026 年 10 月 4 日
单条时长
5–15 秒
依模型文档所述
生成模式
3 种
文字、图片与参考素材
声音
同步生成
对话、环境声与音效
场景生成模型，不是数字人渲染器
HeyGen 将它描述为基于 MiniMax H3、经 HeyGen 后训练的通用视频模型。提示词可以同时描述主体、环境、灯光和声音，结果是一段带自身音轨的短场景；它不是先选一个数字人，再让数字人照着已准备好的脚本说话。
选择接口时要注意这一区别。模型页为 HeyGen Video 列出 POST /v3/models/videos 和 GET /v3/models/videos/{video_id}，并明确将其与数字人渲染引擎使用的 POST /v3/videos 区分。如果目标是让选定的虚拟人物朗读指定文稿，应查阅数字人 API，而不是把两个接口当成同一种工作流。
文档列出的三种输入模式
API 文档中的模型标识为 heygen-video-1，并把生成分为三种模式，每种模式对素材的使用方式不同。参考素材生成据称会生成一个新场景，同时保留所提供参考中的商品、人物或地点；文档列出的参考素材类型包括图片、视频和音频。
- 文生视频：输入一段描述新场景及声音的提示词。
- 图生视频：输入提示词与一张图片；生成片段会从该图片作为首帧开始。
- 参考素材生成：输入提示词及图片、视频或音频参考，用素材引导新场景。
适合的镜头与较不可靠的场景
HeyGen 表示，该模型最适合简短、边界清楚的镜头：一个主体、一个地点、一个动作，镜头固定或只有轻微移动。文档列出的优势包括场景连贯、按简报执行、同时生成画面和声音，以及在提供物体参考时保留其细节。
同一页面提醒，长篇画面文字、花瓣/纸张/头发等柔软有机运动，以及装配或操作设备等近距离手部动作更难处理。这些信息能指导提示词设计：需要稳定时尽量简化镜头，不要把微小可读文字设为核心要求，并对手与物体的互动做实际检查。
API 流程与访问权限
文档中的创建接口为 POST /v3/models/videos，返回 HTTP 202 与状态为 pending 的任务 ID。使用 GET /v3/models/videos/{video_id} 查询状态：pending 表示排队中，processing 表示处理中，completed、failed、cancelled 为终态。API 使用 x-api-key 请求头；创建、读取和上传参考素材分别对应 videos:write、videos:read 和 assets:write 权限。
成功响应会包含有时效的签名 video_url；HeyGen 建议可通过再次查询来刷新链接。示例请求使用 5 秒、768p、16:9。这只是示例，不是完整的可选设置清单。所引用的模型文档没有列出价格，因此成本应以 HeyGen 当前账户或价格信息为准。
可能的优势
- 一次调用中可根据场景简报生成主体、环境、灯光和声音。
- 三种输入模式分别支持纯提示词、首帧图片和多媒体参考工作流。
- API 文档列出专属模型接口、任务状态查询，以及创建和读取对应权限。
上线生产前需要确认
- 文档定义的最佳使用范围是简短、单一的镜头；复杂多动作场景可能需要拆镜并后期编辑。
- HeyGen 将长篇画面文字、柔软有机运动和近距离手部互动列为较不可靠的场景。
- 引用的模型页没有价格或完整的分辨率/画幅表；请确认当前 API 设置和账户费率。
价格与 API 访问
HeyGen Video 模型文档介绍了 API 访问方式，但没有列出该模型的价目表。
估价请参考 HeyGen 当前价格与账户页面。模型接口需要 x-api-key；文档列出的对应权限为创建 videos:write、读取 videos:read、上传参考素材 assets:write。
三个模型的工作流差异
下表概括服务商实际公开的工作流，不是统一基准测试排名：三者针对视频制作的不同环节。
| 模型 | 公开定位 | 输入与流程 | 公开信息 |
|---|---|---|---|
| Creatify Boreal-H3 | 商品广告与可定向镜头 | 文生视频、图生视频或参考素材生成；参考模式支持最多 9 张图片、3 段视频和 3 段音频。 | Creatify 模型页标示：768p 为 $0.04/秒、1088p 为 $0.12/秒、2K 为 $0.26/秒。 |
| HeyGen Video | 带原生生成声音的短场景 | 文字提示词、提示词加单张图片，或提供图片/视频/音频参考；单条视频为 5–15 秒。 | API 文档列出 heygen-video-1 和 API key 权限；所引用的模型文档没有列出价格。 |
| Utopai X | 电影制作工作区中的视频生成 | 在 PAI 中通过文字生成视频，并围绕项目脚本、素材、镜头版本和迭代来组织工作。 | Utopai 报告其在 2026 年 9 月 29 日的 Text-to-Video Leaderboard With Audio 中 Elo 为 1,150、排名第 2；引用公告未说明价格或片长上限。 |
功能和价格信息取自下列服务商页面，核对日期为 2026 年 10 月 4 日。未列数字表示引用资料中未说明，不代表服务商没有相关限制或价格。
HeyGen Video 常见问题
HeyGen Video 会同时生成声音吗？+
会。HeyGen 表示，每段 5–15 秒的视频带有独立音轨，可能包含对话、环境声和音效，并与画面根据同一提示词生成。
HeyGen Video 与 HeyGen 数字人 API 是一回事吗？+
不是。该模型使用 POST /v3/models/videos。HeyGen 文档把它与 POST /v3/videos 区分开；后者用于根据准备好的脚本渲染数字人。
文档列出了哪些生成模式？+
文生视频、图生视频、参考素材生成。文档称参考模式可以使用图片、视频或音频素材。
HeyGen Video 的价格是多少？+
引用的模型文档没有列出价格。估算 API 成本前，请查询 HeyGen 当前账户和价格信息。
Kivide 能使用 HeyGen Video 生成视频吗？+
本页是独立模型指南，不表示 HeyGen Video 已集成至 Kivide。Kivide 工作室链接会打开 Kivide 自有的当前可用视频工具。
官方资料来源
上文关于模型行为、API 路由和限制的内容，依据 HeyGen 开发者文档整理，核对日期为 2026 年 10 月 4 日。