HeyGen Avatar IV 是什么？一张照片生成口播视频全解读

HeyGen Avatar IV 是 HeyGen 推出的照片转口播视频模型：给一张照片和一段文本或音频，它就能生成会说话、带表情和手势的口播视频。2026 年 8 月 24 日起，它通过 OpenRouter 以 API 形式开放，价格每秒 0.05 美元，最高支持 1080p。

Avatar IV 是什么：一句话讲清

HeyGen 是一家主打 AI 数字人视频的公司，Avatar IV 是它的新一代照片说话模型。OpenRouter 官方页对它的定义很直接：把单张照片动画化成一个有表现力、口型同步的说话人头视频。

它和普通图生视频模型的边界在于用途：不是让照片里的场景动起来，而是专门让人物「开口讲话」。你给它两样东西，一张人物照片，一个音频来源（文本脚本或音频文件），它输出一段口型对齐、姿态自然的口播视频。

它最值得关注的技术点是情绪驱动：模型不只匹配嘴型，还会解读音频的语气、节奏和情绪，用这些信号去驱动头部动作、面部表情和手势。同一份讲稿用平静语气和激昂语气各读一遍，生成的肢体表现是不一样的。

核心能力：每一条对你意味着什么

1. 单照片生成口播视频：不需要棚拍、不需要绿幕、不需要真人出镜录制，一张照片就是一个数字分身。
2. 情绪驱动的头动、表情和手势：成片不像「机器人念稿」，对做知识口播和产品讲解的人，意味着更少的「AI 味」。
3. 两种音频输入方式：可以直接给文本脚本，由 HeyGen 自家的文字转语音配音；也可以上传现成音频，让照片对口型。
4. 最高 1080p，支持 16:9、9:16、1:1 三种比例：横屏视频、竖屏短视频、方形封面素材都能覆盖。
5. API 参数可调：语音选择、表现力强度、指定动作提示、背景替换或去除、自动字幕，都能通过参数控制。

Avatar IV 怎么收费：每秒 0.05 美元折算

OpenRouter 页面公示的价格是每秒 0.05 美元，按生成视频时长计费。按 1 美元约合 7.1 元人民币估算，成本大致如下：

这个定价模式决定了它的适用边界：做一分钟以内的口播片段很划算，但成本随秒数线性增长，批量做长视频之前必须先算总成本。

和传统数字人产品的区别

传统数字人工具（包括 HeyGen 自家的订阅制产品）的典型形态是：形象库加模板，按月付费，你在产品界面里挑选数字人、贴上文案就能出片。

Avatar IV 走的是另一条路：它是通过 OpenRouter 开放的底层模型 API，任意一张照片都能当形象，按秒付费，没有套餐。可以这么理解：HeyGen 官网是成品店，Avatar IV 是通过 OpenRouter 出售的发动机，适合开发者把照片转口播的能力嵌进自己的应用里。

国内用户怎么调用：三步上手

1. 注册 OpenRouter 账号：模型托管在 OpenRouter 上，模型 ID 为 heygen/avatar-iv，注册后可在页面直接查看调用示例。
2. 准备支付方式并充值：OpenRouter 支持信用卡等海外主流支付方式，国内用户需要自行准备对应的支付手段。
3. 发起 API 调用：输入支持文本、图片和音频三类，先用几秒钟的短脚本测试效果和计费，确认符合预期再放量。

需要提醒的是，网络可达性因网络环境而异，建议先小成本实测再决定是否正式接入。如果只是想先免费体验多模态 AI 的能力边界，可以先看我们整理的 Google AI Studio 使用指南，或者关注国产模型的最新进展，比如 GLM-6 最新消息汇总。

适合谁用，不适合谁

适合：做知识口播、产品讲解、多语言短视频的内容创作者，以及想在自己的产品里集成数字人口播能力的开发者。

不适合：需要批量生成长视频的团队（按秒计费扛不住），以及对品牌形象一致性和授权合规要求高的项目，这类需求更适合走订阅制的成熟数字人产品，形象授权链条更清晰。学生党如果只是想先玩转 AI 工具，可以先从免费额度入手，参考我们的 Gemini 学生认证教程。