![]()
HeyGen Avatar 6 API kan lave en præsentationsvideo ud fra intet andet end et manuskript. I offentlig avatar-tilstand angiver du et af HeyGens 1,248 stock-looks, sender op til 1,000 tegn text, vælger en af 102 stemmer, og heygen-avatar-6 (eller heygen-avatar-6-turbo) returnerer en læbesynkroniseret MP4. Intet foto, ingen optagelse, intet tekst-til-tale-trin på din side. Denne gennemgang viser, hvordan du vælger et look og en stemme fra kataloget, styrer gestik med prompt, vælger billedformat, og hvad en tekstrequest koster. Du kan også se looks på HeyGen Avatar 6-modelsiden.
Requesten til tekst til avatar
Dette er den dokumenterede body for offentlig avatar-tilstand med tekst:
{
"model": "heygen-avatar-6-turbo",
"input": {
"avatar": "Abigail Office Front",
"text": "Hello and welcome to this demonstration of HeyGen Avatar 6.",
"voice": "Warm Pro Narrator",
"prompt": "Speak with calm confidence and nod slightly at the end.",
"aspect_ratio": "16:9",
"resolution": "1080p"
}
}
| Felt | Påkrævet | Regel |
|---|---|---|
avatar | Ja | Et af 1,248 looknavne |
text | Ja (i stedet for audio_url) | 1–1,000 tegn |
voice | Nej | Et af 102 navne; standard Warm Pro Narrator |
prompt | Nej | Op til 1,200 tegn instruktion |
aspect_ratio | Nej | 16:9 (standard), 9:16, 1:1, 4:5, 5:4 |
resolution | Nej | 1080p (standard) eller 2K |
Det er tilstedeværelsen af avatar, der vælger denne tilstand. Send ikke også image_urls eller video_url; brug input fra én tilstand pr. request. Indsend til POST https://api.poyo.ai/api/generate/submit, og poll /api/generate/status/{task_id} som i HeyGen Avatar 6 API-guiden.
Vælg et avatar-look fra kataloget
PoYo offentliggør alle navne på siden Avatars and Voices og som et JSON-katalog. Kataloget har fem nøgler:
| Nøgle | Indhold |
|---|---|
models | heygen-avatar-6, heygen-avatar-6-turbo (de samme navne virker på begge) |
default_voice | Warm Pro Narrator |
avatars | Alle 1,248 looknavne i en flad liste |
avatars_by_person | De samme looks grupperet under 156 personer |
voices | Alle 102 stemmenavne |
Hver person har et eller flere looks, og hvert look er en separat avatar-værdi. Abigail har fem (Abigail (Upper Body), Abigail Office Front, Abigail Office Side, Abigail Sofa Front, Abigail Sofa Side); Annie har 54; otte personer har kun ét look. Navnene beskriver omgivelser, påklædning og kameravinkel, hvilket som regel er nok til at vælge uden forhåndsvisning:
| Du vil have | Kig efter navne som | Eksempler |
|---|---|---|
| Præsentator med front mod kameraet | Front | Abigail Office Front, Bryan Suit Front |
| Trekvart-vinkel | Side | Abigail Office Side |
| Siddende, uformel | Sofa, Sitting, Lounge | Annie Sofa Sitting Front |
| En rolle eller omgivelse | Doctor, Nurse, Yoga, Tech Expert | Ann Doctor Standing, Adriana Nurse Front, Amelia Yoga Front, Bryan Tech Expert |
Omkring 480 navne indeholder Front, og omkring 430 indeholder Side. Til en serie forklaringsvideoer skal du vælge én person og holde dig til vedkommendes Front-looks, så præsentatoren er den samme på tværs af videoerne. Brug det tilsvarende Side-look til klip væk fra hovedvinklen.
Navne matches uanset store/små bogstaver og ekstra mellemrum, så abigail office front vælger Abigail Office Front. PoYo kontrollerer avatar mod listen ved indsendelse, så en tastefejl giver en øjeblikkelig 400 i stedet for en mislykket opgave. Validér først i din egen kode:
import requests
catalog = requests.get(
"https://docs.poyo.ai/api-manual/video-series/heygen-avatar-6-catalog.json", timeout=30
).json()
def norm(name: str) -> str:
return " ".join(name.split()).lower()
AVATARS = {norm(a): a for a in catalog["avatars"]}
VOICES = set(catalog["voices"])
def build_request(model, avatar, text, voice=None, prompt=None, aspect_ratio="16:9", resolution="1080p"):
if norm(avatar) not in AVATARS:
raise ValueError(f"unknown avatar: {avatar!r}")
if not 1 <= len(text) <= 1000:
raise ValueError("text must be 1-1,000 characters")
if voice is not None and voice not in VOICES:
raise ValueError(f"unknown voice: {voice!r} (copy the exact name from the catalog)")
if prompt is not None and len(prompt) > 1200:
raise ValueError("prompt must be at most 1,200 characters")
body = {"avatar": AVATARS[norm(avatar)], "text": text,
"aspect_ratio": aspect_ratio, "resolution": resolution}
if voice:
body["voice"] = voice
if prompt:
body["prompt"] = prompt
return {"model": model, "input": body}
Stemmetjekket bruger bevidst præcise navne; næste afsnit forklarer hvorfor.
Vælg en stemme
voice bestemmer, hvem der læser text op. Udelader du den, får du Warm Pro Narrator. De 102 stemmer omfatter almindelige navne (Andrew, Ivy, Jessica Anne Bogart), beskrivende navne (Calm Chloe, Professor Dean, Radio Rick, Chill Brian) og nogle med et stilmærke i navnet.
Tre ting snubler folk over:
- Afsluttende mellemrum kan have betydning. Dokumentationen fremhæver, at
HopeogHope(med afsluttende mellemrum) er to forskellige stemmer.Archer,Cassidy,Adam Stone,Spuds OxleyogAndrew Rizzslutter også med et mellemrum i kataloget. Kopiér navne fra JSON-filen i stedet for at skrive dem af. - Nogle navne indeholder emoji eller fillignende endelser, som
Cute Chloe - Friendly 😊ellerBrenda - UGC - 1.mp4. De tegn er en del af navnet. Send request-body'en som UTF-8-JSON, så passerer navnet uændret igennem. - Stemmen er ikke bundet til avataren. Enhver af de 102 stemmer kan læse op for ethvert af de 1,248 looks. Vælg en stemme, der passer til personen på skærmen; vores test på lanceringsdagen parrede
Bryan Tech ExpertmedAndrewogAbigail Office FrontmedJessica Anne Bogart.
voice gælder kun, når du sender text. Sender du audio_url i stedet, siger avataren din optagelse, og voice bruges ikke.
Styr gestik med prompt
prompt tager op til 1,200 tegn instruktion til gestik, mimik og kropsholdning. HeyGens tekniske rapport beskriver teknikken: "Skriv handlingen ved siden af ordene. Avatar 6 udfører den præcis på stikordet." Rapportens eksempel: "Friendly pharmacist. On 'Hello', give a thumbs up. On 'the counter on the left', point to the side with your index finger."
Et mønster, der følger det format:
{
"model": "heygen-avatar-6",
"input": {
"avatar": "Bryan Tech Expert",
"text": "Hello! Today I will show you three settings that make your dashboard faster. First, open the menu on the left.",
"voice": "Andrew",
"prompt": "Friendly product expert. On 'Hello', wave once. On 'three settings', hold up three fingers. On 'the menu on the left', point to his left side. Keep a relaxed posture and smile between sentences.",
"aspect_ratio": "16:9",
"resolution": "1080p"
}
}
Tips, der holder prompts brugbare:
- Citér de præcise ord fra
text, som hver handling skal ramme, så stikordet er entydigt. - Beskriv først én rolle eller stemning ("Friendly product expert"), derefter stikordene.
- Udelad
prompt, når du ikke har konkrete stikord. HeyGens lanceringsside for Avatar 6 siger, at modellen "afstemmer gestik, følelser og mimik efter dit manuskript" på egen hånd.
Vælg billedformat efter placering
aspect_ratio findes kun i offentlig avatar-tilstand; foto- og referencevideo-tilstand bevarer inputtets form.
| Placering | aspect_ratio |
|---|---|
| Website, YouTube, LMS-lektion | 16:9 (standard) |
| Shorts, Reels, TikTok, stories | 9:16 |
| Kvadratisk feedopslag, kort i appen | 1:1 |
| Portrætopslag i feed | 4:5 |
| Landskabsopslag i feed | 5:4 |
resolution er separat: 1080p eller 2K i ethvert format. 2K koster mere pr. sekund, så render udkast i 1080p.
Hvor lang videoen bliver, og hvad den koster
Med tekst varer videoen så længe, som avataren er om at læse den op, op til 1,000 tegn. Du betaler for den færdige videos længde, rundet op til hele sekunder. Credits reserveres, når du indsender, og afregnes efter de faktiske sekunder, når opgaven er færdig.
Vores test på lanceringsdagen på produktions-API'et, 19. november 2026 (16:9, 1080p):
| Model | Avatar / stemme | Manuskript | Output | Pris til nuværende priser | Væg-tid |
|---|---|---|---|---|---|
heygen-avatar-6-turbo | Abigail Office Front / Jessica Anne Bogart | 27 ord | 10.16 s | 110 credits ($0.55) | Ca. 2.4 min |
heygen-avatar-6 | Bryan Tech Expert / Andrew | 21 ord | 6.88 s | 140 credits ($0.70) | Ca. 2 min |
Det svarer til omkring 2.7 og 3.1 ord pr. sekund i de to kørsler, nyttigt til et groft budget, men ingen garanti, da tempoet varierer med stemme og manuskript. Satser pr. sekund: Turbo 10 credits ($0.05) i 1080p eller 18 ($0.09) i 2K; Avatar 6 20 credits ($0.10) eller 29 ($0.145). Se HeyGen Avatar 6 API-priser for mere.
Fordi tekstopgaver holder en reservation, mens de kører, kan mange samtidige indsendelser returnere HTTP 200 med body-code 402 (insufficient_credits_error). I vores test blev en tredje request afvist med: "this request needs at least 252 credits, and 344 credits are already reserved by your unfinished HeyGen Avatar 6 text tasks." Sæt tekstjob i kø, eller hold en saldo, der dækker de igangværende reservationer. Brug Turbo, mens du itererer; sammenligningen af Avatar 6 og Turbo viser, hvornår du skal skifte.
Ofte stillede spørgsmål
Kan HeyGen Avatar 6 API forvandle tekst til en video med en talende avatar?
Ja. I offentlig avatar-tilstand sender du avatar, op til 1,000 tegn text og eventuelt voice. Der kræves ingen lydfil.
Hvor finder jeg listen over avatarer og stemmer i HeyGen Avatar 6 API?
På PoYos dokumentationsside Avatars and Voices og som et JSON-katalog, der kan downloades, med nøglerne avatars, avatars_by_person og voices.
Hvad er standardstemmen i HeyGen Avatar 6 API?
Warm Pro Narrator, som bruges, når voice udelades.
Kan jeg bruge mit eget foto med tekst i stedet for en stock-avatar?
Nej. text virker kun i offentlig avatar-tilstand. Til dit eget foto bruger du foto-tilstand med image_urls og en audio_url; generér om nødvendigt lyden med en TTS-model først.
Hvilke billedformater understøtter tekst til avatar i HeyGen Avatar 6?
16:9, 9:16, 1:1, 4:5 og 5:4, i 1080p eller 2K.
Hvordan afregnes en tekstrequest i HeyGen Avatar 6 API?
Efter den færdige videos længde, rundet op til hele sekunder, til modellens sats pr. sekund. Credits reserveres ved indsendelse og afregnes, når opgaven slutter.