支持拖放文件、粘贴文件或添加链接。 Photo mode: one photo of the person to animate. JPEG, PNG, or WebP.
支持拖放文件、粘贴文件或添加链接。 Optional. Adding a video switches to reference video mode: an animated or illustrated character, at least 2 seconds long and up to 50 MB.
支持拖放文件、粘贴文件或添加链接。 Speech audio, 2–60 seconds and up to 15 MB. The video runs the length of the audio. MP3, WAV, M4A, AAC, or OGG.
示例输出
这是示例数据。生成新结果后可查看真实输出。
按量付费,无订阅、无隐藏费用。
| 档位 | 1080p | 2K |
|---|---|---|
| Avatar 6 | $0.080/秒 16 积分/秒 $0.100/秒省 20% | $0.116/秒 23.2 积分/秒 $0.145/秒省 20% |
| Avatar 6 Turbo | $0.040/秒 8 积分/秒 $0.050/秒省 20% | $0.070/秒 14 积分/秒 $0.087/秒省 20% |
实际扣费以最终输出为准。
照片、角色视频或公共形象,一键生成口型同步的 1080p / 2K 说话视频
HeyGen Avatar 6 API:把一张照片变成会说话的视频
HeyGen Avatar 6 API 提供 HeyGen 于 2026 年 11 月 17 日发布的数字人模型,能把照片、卡通角色视频或 HeyGen 公共形象,生成口型同步、手势随台词变化的 1080p 或 2K 说话视频;Turbo 1080p 价格减半。
PoYo 上可用的 HeyGen Avatar 6 API 模型
HeyGen Avatar 6 Turbo(heygen-avatar-6-turbo)
HeyGen Avatar 6 API 的核心功能
HeyGen Avatar 6 API 提供三种方式做出会说话的数字人,请求格式只有一套:照片配音频、角色视频配音频,或公共形象配文字或音频,再用提示词指挥手势。
01
一张照片生成 1080p 或 2K 说话视频
HeyGen Avatar 6 API 能把一张人物照片变成会说话的照片视频:加上你的语音音频,就返回一段口型同步的视频,时长与音频一致,2 到 60 秒。照片放在 image_urls,语音放在 audio_url;视频沿用照片的宽高比。在 PoYo 测试中,一张方形照片配 5 秒音频,约 48 秒就返回了 1088×1088 的 1080p 视频。在这段 HeyGen 示例中,一张照片变成了在办公室里自然说话、做手势的讲解人。
- image_urls 传一张照片,配 2–60 秒音频
- 视频时长跟随音频
- 默认 1080p,设置 resolution 可出 2K
02
用参考视频让卡通和插画角色开口说话
借助 HeyGen Avatar 6 API,吉祥物、动画主持人和插画角色也能开口说话。把角色视频放在 video_url(至少 2 秒,不超过 50 MB),语音放在 audio_url;如果有同一角色的参考照片,可以放在 image_urls。在这个 PoYo 示例中,一段 5 秒的温室片段、角色静帧和一段 8.3 秒的配音,生成了 8.2 秒的 1080p 视频,动作提示词要求在说 "Hi" 时挥手。
- 卡通或插画角色的参考视频
- image_urls 可选传同一角色的照片
- 视频沿用参考视频的宽高比
03
1,248 个 HeyGen 公共形象,替你朗读文字
用 HeyGen Avatar 6 API,只有一份脚本也能做出讲解视频。在 avatar 中选择 156 位人物、共 1,248 个 HeyGen 公共形象造型之一,再在 text 中传最多 1,000 个字符,配 102 个已列出的声音之一;也可以改传自己的 audio_url。宽高比可选 16:9、9:16、1:1、4:5 或 5:4。在这个 PoYo 示例中,Annie Sofa Sitting Front 用 Ivy 声音朗读了一段 29 个英文单词的脚本,返回 10.8 秒的 1080p 视频,按 11 秒计费。
- 形象名称不区分大小写
- 文字请求按实际视频时长计费
- 公共形象模式支持 5 种宽高比
04
动作提示词,让手势落在指定的词上
在 HeyGen Avatar 6 API 中,把动作写在对应的词旁边,人物就会在那个词上做出动作。可选的 prompt 字段最多 1,200 个字符,三种模式都能用。HeyGen 示例用的提示词是:"Friendly pharmacist. On 'Hello', give a thumbs up. On 'the counter on the left', point to the side with your index finger. On 'always happy to chat', place your right hand on your heart. On 'some water', wave your right hand." 视频里的人物在每个对应的词上做出了相应手势。
- 最多 1,200 个字符的动作指令
- 把手势和表情绑定到具体的词
- 照片、视频、形象三种模式通用
05
手势随台词内容变化
即使不写提示词,HeyGen Avatar 6 也会跟随台词的意思:据 HeyGen 介绍,模型会逐句调整手势和表情,比如指向、数数或指示方向,而不是重复同一套动作。用音频或文字驱动时效果一致。在这段 HeyGen 示例中,人物的表情随每句话变化。
- 手势与台词含义匹配
- 表情逐句变化
- 音频和文字输入都适用
谁能从 HeyGen Avatar 6 API 中受益?
在线教育与培训团队
用 HeyGen Avatar 6 API、公共形象和已列出的声音,把课程脚本做成讲解视频;文字有改动时,重新生成对应的章节即可。每段视频与旁白一样长,用 Turbo 做草稿在 1080p 下每秒 8 积分。
市场与广告团队
用一份脚本做出 16:9、9:16 或 1:1 的产品讲解和广告版本。先用 HeyGen Avatar 6 Turbo 测试开头,再用 HeyGen Avatar 6 渲染 2K 终版。
销售与客户触达
给潜在客户发送个性化短视频:用销售本人的照片配一段录音,或让公共形象朗读定制脚本。一段 20 秒的 1080p Turbo 视频花费 160 积分($0.80)。
本地化团队
同一张照片或同一个公共形象,配上每个市场各自的配音,所有版本都由同一位讲解人出镜。每段视频跟随你提供的音频,时长 2 到 60 秒。
创作者与动画工作室
用一小段参考视频让吉祥物和插画角色开口说话,再用动作提示词把挥手或点头放在合适的词上,不用逐帧手工调口型。
AI 视频应用与 SaaS 平台
在产品里接入数字人 API:照片生成说话视频、文字生成讲解视频,HeyGen Avatar 6 API 只有一套异步请求格式、两个模型 ID,按秒计费,支持 callback_url 回调通知。
HeyGen Avatar 6 vs Avatar 6 Turbo — 哪个更适合你的项目?
HeyGen Avatar 6 API 的两个模型在 PoYo 上的请求字段、模式和限制完全相同,切换时只需改模型 ID。区别在价格以及 HeyGen 的速度和质量档位:HeyGen Avatar 6 Turbo 在 1080p 下价格减半,运行在 HeyGen 的低延迟架构上。
| 对比项 | HeyGen Avatar 6 | HeyGen Avatar 6 Turbo |
|---|---|---|
| 模型 ID | heygen-avatar-6 | heygen-avatar-6-turbo |
| 适合场景 | 最终交付的讲解和角色视频 | 草稿、预览和大批量短片 |
| HeyGen 档位 | Avatar 6 Quality | Avatar 6 Turbo,运行在 HeyGen 的加速推理架构上 |
| 1080p 价格 | 每秒 16 积分($0.08) | 每秒 8 积分($0.04) |
| 2K 价格 | 每秒 23.2 积分($0.116) | 每秒 14 积分($0.07) |
| 10 秒 1080p 视频 | 160 积分($0.80) | 80 积分($0.40) |
| 输入模式 | 照片 + 音频;角色视频 + 音频;公共形象 + 文字或音频 | 同样三种模式 |
| 输出分辨率 | 1080p(默认)或 2K | 1080p(默认)或 2K |
| 驱动音频 | 2–60 秒,不超过 15 MB | 2–60 秒,不超过 15 MB |
| 公共形象与声音 | 1,248 个造型;文字最多 1,000 个字符;102 个已列出的声音 | 清单和限制相同 |
| 动作提示词 | 最多 1,200 个字符 | 最多 1,200 个字符 |
| 公共形象模式宽高比 | 16:9、9:16、1:1、4:5、5:4 | 16:9、9:16、1:1、4:5、5:4 |
| PoYo 实测耗时 | 照片模式 1080p、4.9 秒视频:约 48 秒。公共形象 + 文字 2K、5.2 秒视频:约 3 分钟 | 公共形象 + 文字 1080p、14.6–18.6 秒视频:约 1.7–1.9 分钟。角色视频 2K、4.9 秒视频:约 2.7 分钟 |
| 计费方式 | 音频:按音频时长向上取整到秒,提交时扣费。文字:按成片时长向上取整到秒 | 规则相同 |
价格和限制以 2026 年 11 月 18 日 PoYo 上的 HeyGen Avatar 6 API 模型 heygen-avatar-6 与 heygen-avatar-6-turbo 为准。实测耗时为 PoYo 测试环境的单次任务,会随视频长度和负载变化。
如何在 PoYo 使用 HeyGen Avatar 6 API
第 1 步:创建 PoYo API Key
登录 PoYo,在控制台创建 API Key;同一个 Key 可同时调用 HeyGen Avatar 6 API 的两个模型 heygen-avatar-6 和 heygen-avatar-6-turbo。
创建 API Key →
第 2 步:充值积分
为账户充值。一段 10 秒的 1080p 视频,用 HeyGen Avatar 6 花费 160 积分,用 HeyGen Avatar 6 Turbo 花费 80 积分。
充值积分 →
第 3 步:提交任务并获取视频
调用 HeyGen Avatar 6 API 时,向 /api/generate/submit 发送 POST 请求,填入 "model": "heygen-avatar-6" 和其中一种模式的输入:照片用 image_urls + audio_url,角色视频用 video_url + audio_url,公共形象用 avatar + text(或 audio_url)。用返回的 task_id 查询结果,或设置 callback_url。HeyGen Avatar 6 API 文档列出了全部形象和声音名称。
查看 API 文档 →
HeyGen Avatar 6 API 常见问题
什么是 HeyGen Avatar 6?
HeyGen Avatar 6 是 HeyGen 于 2026 年 11 月 17 日发布的数字人说话视频模型。它能把一张照片、一段卡通或插画角色视频,或一个 HeyGen 公共形象,生成口型同步的 1080p 或 2K 说话视频,手势与台词匹配。在 PoYo 上,HeyGen Avatar 6 API 提供 heygen-avatar-6 和低延迟的 heygen-avatar-6-turbo,按秒计费,并可在 Playground 中测试。
Avatar 6 有 HeyGen API 吗?
有。HeyGen 通过自家的 HeyGen API 提供 Avatar 6;在 PoYo 上调用 HeyGen Avatar 6 API 时,向 /api/generate/submit 发送 POST 请求,模型 ID 填 heygen-avatar-6 或 heygen-avatar-6-turbo,再通过任务状态接口或 callback_url 获取结果。一个 PoYo API Key 可以调用这两个模型 ID 以及 PoYo 上的其他模型,API 文档为每种输入模式都提供了请求示例。
HeyGen Avatar 6 API 多少钱?
PoYo 上的 HeyGen API 价格如下:HeyGen Avatar 6 在 1080p 下每秒 16 积分($0.08),2K 每秒 23.2 积分($0.116);HeyGen Avatar 6 Turbo 在 1080p 下每秒 8 积分($0.04),2K 每秒 14 积分($0.07)。用音频驱动时,按音频时长向上取整到秒计费;用文字时,按成片时长向上取整计费。一段 10 秒的 1080p Turbo 视频花费 80 积分($0.40);只为实际生成的秒数付费,无需订阅。
如何获取 HeyGen Avatar 6 API Key?
注册 PoYo 账户,在控制台打开 API Key 页面并创建一个 Key。在充值页面为账户充值后,在请求头中以 Bearer Token 的形式携带这个 Key。同一个 PoYo Key 可用于 HeyGen Avatar 6 API 的两个模型 heygen-avatar-6 和 heygen-avatar-6-turbo;写代码之前,也可以先在本页的 Playground 中试用两个模型。
HeyGen Avatar 6 和 Avatar 6 Turbo 有什么区别?
两者的输入、限制、形象和声音完全相同,都输出 1080p 或 2K。HeyGen Avatar 6 是 HeyGen 的 Quality 档位;HeyGen Avatar 6 Turbo 运行在 HeyGen 的加速推理架构上,延迟更低,1080p 价格减半(每秒 8 积分对 16 积分)。可以先用 Turbo 做草稿,终版再换模型 ID。
如何用 HeyGen Avatar 6 API 把照片变成会说话的视频?
在 image_urls 中传一张人物照片,在 audio_url 中传 2–60 秒、不超过 15 MB 的语音音频。HeyGen Avatar 6 API 会返回一段与音频等长、沿用照片宽高比的口型同步视频;还可以加可选的 prompt 指挥手势。在 PoYo 测试中,一张方形照片配 5 秒音频,约 48 秒返回 1088×1088 的 1080p 视频,按 6 秒计费。
HeyGen Avatar 6 API 能让卡通或插画角色说话吗?
能。参考视频模式就是为动画和插画角色设计的:在 video_url 中传一段角色视频(至少 2 秒,不超过 50 MB),在 audio_url 中传语音,还可以在 image_urls 中传同一角色的照片。真人请使用照片模式,在 image_urls 中传一张照片。输出视频沿用参考视频的宽高比。
HeyGen Avatar 6 API 可以使用哪些公共形象和声音?
HeyGen Avatar 6 API 支持 156 位人物、共 1,248 个 HeyGen 公共形象造型,例如 Abigail Sofa Front 或 Annie Sofa Sitting Front,名称匹配不区分大小写,也会忽略多余的空格。朗读文字时,可以从 102 个已列出的声音中选择,例如 Warm Pro Narrator(默认)、Ivy 或 Chill Brian。完整清单见 API 文档。
可以让形象朗读文字而不用音频吗?
可以,在公共形象模式下使用。传入 avatar,在 text 中填最多 1,000 个字符,再选一个可选的 voice,HeyGen Avatar 6 就会用这个声音读出文字。费用按成片时长向上取整到秒计算;提交时,账户需要有约 1.5 倍预估朗读时长对应的积分。在 PoYo 测试中,一段 29 个单词的英文脚本生成了 10.8 秒的视频。
HeyGen Avatar 6 API 生成的视频最长多久?
用音频驱动时,视频与音频一样长,可以是 2 到 60 秒,成片比音频短约 0.1–0.2 秒。在公共形象模式下用文字驱动时,时长取决于最多 1,000 个字符的朗读时间;在 PoYo 测试中,约 300 个字符的英文生成了 18.2–18.6 秒的视频。
HeyGen Avatar 6 API 支持哪些分辨率和宽高比?
resolution 可设为 1080p(默认)或 2K。照片模式和参考视频模式会沿用输入素材的宽高比;在 PoYo 测试中,一张方形照片在 1080p 下输出 1088×1088,在 2K 下输出 1632×1632。公共形象模式可选 16:9(默认)、9:16、1:1、4:5 或 5:4;一段 16:9 的 2K 视频实测为 2560×1440。
HeyGen Avatar 6 API 可以控制手势和表情吗?
可以。可选的 prompt 字段最多 1,200 个字符,用来指挥手势、表情和姿态,还能把动作绑定到具体的词上,例如 "On 'Hello', give a thumbs up."。据 HeyGen 介绍,即使不写提示词,HeyGen Avatar 6 也会按台词含义选择手势,比如指向或数数。
HeyGen Avatar 6 API 生成一次要多久?
在 PoYo 测试环境中,照片模式和参考视频模式的任务约 45 秒到 3 分钟完成,公共形象模式约 1 到 4 分钟,具体取决于时长、分辨率和负载。一段从照片生成的 4.9 秒 1080p 视频用时约 48 秒。建议使用 callback_url 或轮询任务状态,不必在请求中等待。
HeyGen Avatar 6 和 Avatar V 有什么不同?
据 HeyGen 介绍,Avatar V 会重复使用相同的手势,而 Avatar 6 会理解脚本并做出匹配的手势,口型同步更真实,画面原生 2K,还支持把动作绑定到具体词上的动作提示词。HeyGen Avatar 6 另有低延迟的 Turbo 档位。在 PoYo 上,HeyGen Avatar 6 API 用同一套请求格式提供这两个档位。
HeyGen Avatar 6 和 PoYo 上的 OmniHuman 2.0 怎么选?
两者在 PoYo 上都能用音频驱动人像。HeyGen Avatar 6 API 用 2–60 秒音频输出 1080p 或 2K,另外提供能朗读文字的 HeyGen 公共形象、面向动画角色的参考视频模式,并支持按词触发的动作提示词。OmniHuman 2.0 用 4–300 秒音频输出 720p,适合较长的演讲或歌曲。可按时长、分辨率和输入类型来选。
可以用 Python 或其他语言调用 HeyGen Avatar 6 API 吗?
可以。PoYo 上的 HeyGen Avatar 6 API 是标准的 HTTPS JSON API,任何 HTTP 客户端都能调用,包括 Python requests、Node.js fetch 和 cURL。带上 API Key 向 /api/generate/submit 发送请求,再轮询 /api/generate/status/{task_id} 即可。API 文档给出了照片、参考视频、形象配音频、形象配文字四种请求体。
为什么选择 PoYo 调用 HeyGen Avatar 6 API
两个档位,一套请求格式
在 HeyGen Avatar 6 API 的两个模型之间切换只需改模型 ID;字段、模式、形象和声音保持不变,同一个 Key 还能调用 PoYo 的其他视频模型。
按秒计费,规则公开
按成片秒数付费,每秒 8 到 23.2 积分;音频请求按向上取整的音频时长计费,文字请求按成片时长计费,运行前就能看到预估费用。
Playground 附真实示例
在 Playground 中试用照片、角色视频和公共形象三种模式,从可搜索的列表中挑选形象和声音,再把完全一致的 JSON 请求复制到代码里。
简单的异步接入
提交任务后,轮询状态接口或通过 callback_url 接收通知;完成的视频以可下载的 MP4 链接返回。







