![]()
HeyGen Avatar 6 API kan lage en presentatørvideo fra ingenting annet enn et manus. I offentlig avatar-modus oppgir du én av HeyGens 1,248 ferdige looks, sender opptil 1,000 tegn text, velger én av 102 stemmer, og heygen-avatar-6 (eller heygen-avatar-6-turbo) returnerer en leppesynkronisert MP4. Ikke noe foto, ikke noe opptak, ikke noe tekst-til-tale-steg hos deg. Denne gjennomgangen dekker hvordan du velger en look og en stemme fra katalogen, styrer gester med prompt, velger bildeformat, og hva en tekstforespørsel koster. Du kan også bla gjennom looksene på HeyGen Avatar 6-modellsiden.
Text-to-avatar-forespørselen
Dette er den dokumenterte bodyen for offentlig avatar-modus 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 | Påkrevd | Regel |
|---|---|---|
avatar | Ja | Ett av 1,248 look-navn |
text | Ja (i stedet for audio_url) | 1–1,000 tegn |
voice | Nei | Ett av 102 navn; standard Warm Pro Narrator |
prompt | Nei | Opptil 1,200 tegn med instruksjoner |
aspect_ratio | Nei | 16:9 (standard), 9:16, 1:1, 4:5, 5:4 |
resolution | Nei | 1080p (standard) eller 2K |
Det er tilstedeværelsen av avatar som velger denne modusen. Ikke send image_urls eller video_url i tillegg; bruk inndataene for én modus per forespørsel. Send inn til POST https://api.poyo.ai/api/generate/submit og poll /api/generate/status/{task_id} som i HeyGen Avatar 6 API-guiden.
Velg en avatar-look fra katalogen
PoYo publiserer alle navn på siden Avatars and Voices og som en JSON-katalog. Katalogen har fem nøkler:
| Nøkkel | Innhold |
|---|---|
models | heygen-avatar-6, heygen-avatar-6-turbo (de samme navnene fungerer på begge) |
default_voice | Warm Pro Narrator |
avatars | Alle 1,248 look-navn, i en flat liste |
avatars_by_person | De samme looksene, gruppert under 156 personer |
voices | Alle 102 stemmenavn |
Hver person har én eller flere looks, og hver look er en egen avatar-verdi. Abigail har fem (Abigail (Upper Body), Abigail Office Front, Abigail Office Side, Abigail Sofa Front, Abigail Sofa Side); Annie har 54; åtte personer har én enkelt look. Navnene beskriver omgivelser, antrekk og kameravinkel, og det er som regel nok til å velge uten forhåndsvisning:
| Du vil ha | Se etter navn med | Eksempler |
|---|---|---|
| Presentatør som ser i kamera | Front | Abigail Office Front, Bryan Suit Front |
| Trekvartvinkel | Side | Abigail Office Side |
| Sittende, uformell | Sofa, Sitting, Lounge | Annie Sofa Sitting Front |
| En rolle eller setting | Doctor, Nurse, Yoga, Tech Expert | Ann Doctor Standing, Adriana Nurse Front, Amelia Yoga Front, Bryan Tech Expert |
Omtrent 480 navn inneholder Front, og omtrent 430 inneholder Side. For en serie forklaringsvideoer velger du én person og holder deg til personens Front-looks, så presentatøren er den samme på tvers av videoene. Bruk den tilsvarende Side-looken til mellomklipp.
Navn matches uavhengig av store/små bokstaver og ekstra mellomrom, så abigail office front velger Abigail Office Front. PoYo sjekker avatar mot listen ved innsending, så en skrivefeil gir en umiddelbar 400 i stedet for en mislykket oppgave. Valider i din egen kode først:
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}
Stemmesjekken bruker eksakte navn med vilje; neste avsnitt forklarer hvorfor.
Velg en stemme
voice bestemmer hvem som leser text. Utelater du den, får du Warm Pro Narrator. De 102 stemmene omfatter vanlige navn (Andrew, Ivy, Jessica Anne Bogart), beskrivende navn (Calm Chloe, Professor Dean, Radio Rick, Chill Brian) og noen med en stilmarkering i navnet.
Tre ting skaper ofte problemer:
- Mellomrom på slutten kan ha betydning. Dokumentasjonen påpeker at
HopeogHope(med mellomrom på slutten) er to forskjellige stemmer.Archer,Cassidy,Adam Stone,Spuds OxleyogAndrew Rizzslutter også med et mellomrom i katalogen. Kopier navnene fra JSON-filen i stedet for å skrive dem inn på nytt. - Noen navn inneholder emoji eller filliknende endelser, som
Cute Chloe - Friendly 😊ellerBrenda - UGC - 1.mp4. Disse tegnene er en del av navnet. Send forespørselsbodyen som UTF-8-JSON, så kommer navnet uendret frem. - Stemmen er ikke knyttet til avataren. Hvilken som helst av de 102 stemmene kan lese for hvilken som helst av de 1,248 looksene. Velg en stemme som passer personen i bildet; i testene våre på lanseringsdagen paret vi
Bryan Tech ExpertmedAndrewogAbigail Office FrontmedJessica Anne Bogart.
voice gjelder bare når du sender text. Sender du audio_url i stedet, sier avataren opptaket ditt, og voice brukes ikke.
Styr gester med prompt
prompt tar opptil 1,200 tegn med instruksjoner for gester, uttrykk og holdning. HeyGens tekniske rapport beskriver teknikken: "Skriv handlingen ved siden av ordene. Avatar 6 utfører den akkurat på stikkordet." Eksempelet derfra: "Friendly pharmacist. On 'Hello', give a thumbs up. On 'the counter on the left', point to the side with your index finger."
Et mønster som følger det formatet:
{
"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 som holder promptene nyttige:
- Siter de nøyaktige ordene fra
textsom hver handling skal falle på, så stikkordet blir entydig. - Beskriv først én rolle eller stemning ("Friendly product expert"), deretter stikkordene.
- Utelat
promptnår du ikke har bestemte stikkord. HeyGens lanseringsside for Avatar 6 sier at modellen på egen hånd "tilpasser gester, følelser og uttrykk til manuset ditt".
Velg sideforhold etter plassering
aspect_ratio finnes bare i offentlig avatar-modus; foto- og referansevideomodus beholder formen på inndataene.
| Plassering | aspect_ratio |
|---|---|
| Nettside, YouTube, LMS-leksjon | 16:9 (standard) |
| Shorts, Reels, TikTok, stories | 9:16 |
| Kvadratisk feedinnlegg, kort i appen | 1:1 |
| Stående feedinnlegg | 4:5 |
| Liggende feedinnlegg | 5:4 |
resolution er separat: 1080p eller 2K i alle forhold. 2K koster mer per sekund, så rendre utkast i 1080p.
Hvor lang videoen blir, og hva den koster
Med tekst varer videoen så lenge avataren bruker på å lese den, opptil 1,000 tegn. Du faktureres for lengden på den ferdige videoen, rundet opp til hele sekunder. Credits reserveres ved innsending og gjøres opp mot de faktiske sekundene når oppgaven er ferdig.
Testene våre fra lanseringsdagen på produksjons-API-et, 19. november 2026 (16:9, 1080p):
| Modell | Avatar / stemme | Manus | Output | Kostnad med dagens priser | Ventetid |
|---|---|---|---|---|---|
heygen-avatar-6-turbo | Abigail Office Front / Jessica Anne Bogart | 27 ord | 10.16 s | 110 credits ($0.55) | Omtrent 2.4 min |
heygen-avatar-6 | Bryan Tech Expert / Andrew | 21 ord | 6.88 s | 140 credits ($0.70) | Omtrent 2 min |
Det tilsvarer omtrent 2.7 og 3.1 ord per sekund i disse to kjøringene, nyttig for et grovt budsjett, men ingen garanti, siden tempoet varierer med stemme og manus. Satser per 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 Priser for HeyGen Avatar 6 API for mer.
Fordi tekstoppgaver holder av en reservasjon mens de kjører, kan det å sende mange samtidig gi HTTP 200 med code 402 i svaret (insufficient_credits_error). I testen vår ble en tredje forespørsel avvist med: "this request needs at least 252 credits, and 344 credits are already reserved by your unfinished HeyGen Avatar 6 text tasks." Legg tekstjobber i kø, eller hold en saldo som dekker reservasjonene som kjører. Bruk Turbo mens du itererer; sammenligningen Avatar 6 vs Turbo viser når du bør bytte.
Ofte stilte spørsmål
Kan HeyGen Avatar 6 API gjøre tekst om til en video med en snakkende avatar?
Ja. I offentlig avatar-modus sender du avatar, opptil 1,000 tegn text og eventuelt voice. Det trengs ingen lydfil.
Hvor finner jeg listen over avatarer og stemmer i HeyGen Avatar 6 API?
På PoYo-dokumentasjonssiden Avatars and Voices, og som en nedlastbar JSON-katalog med nøklene avatars, avatars_by_person og voices.
Hva er standardstemmen i HeyGen Avatar 6 API?
Warm Pro Narrator, som brukes når voice er utelatt.
Kan jeg bruke mitt eget foto med tekst i stedet for en ferdig avatar?
Nei. text fungerer bare i offentlig avatar-modus. For ditt eget foto bruker du fotomodus med image_urls og en audio_url; generer lyden med en TTS-modell først om nødvendig.
Hvilke sideforhold støtter text to avatar i HeyGen Avatar 6?
16:9, 9:16, 1:1, 4:5 og 5:4, i 1080p eller 2K.
Hvordan faktureres en tekstforespørsel i HeyGen Avatar 6 API?
Etter lengden på den ferdige videoen, rundet opp til hele sekunder, med modellens sats per sekund. Credits reserveres ved innsending og gjøres opp når oppgaven avsluttes.