HeyGen Video 1：技术、输入模态与定价——短视频创作者决策指南
HeyGen Video 1 是什么、三种输入模式、文档规格、按秒定价，以及给短视频创作者的引入-试用-跳过决策清单。
2026 年 9 月 30 日发布的 HeyGen Video 1，是 HeyGen 第一个通用型 AI 视频模型：它一次调用就能生成完整场景——主体、环境、光线，外加一条同步的音频轨——底层基于 MiniMax 的 H3 模型，再由 HeyGen 做后期训练（post-training）。它接受文本提示词、首帧图片，或多达十二个图像/视频/音频引用，输出按渲染秒数计价，叠加发布折扣后每秒最低 $0.01。这篇指南把官方文档里的事实汇总在一起，并落成一个「引入、试用还是跳过」的决策框架，写给短视频创作者。
要点速览
- HeyGen Video 1（模型 ID
heygen-video-1）是场景生成器，不是数字人产品——与 HeyGen 的 Avatar 系列不同，没有口播头像、脚本或口型同步环节。 - 一个模型，三种输入模式：文生视频、图生视频（你的图成为首帧）、引用生视频（最多 9 张图、3 段视频、3 段音频——共十二个引用，提示词可直接点名引用）。
- 单条片段 5–15 秒，480p 或 768p，六种画幅从 21:9 到 9:16，输出 MP4（H.264）、24 fps，自带生成的 AAC 立体声音轨。
- OpenRouter 标价：文生/图生视频按发布五折每秒 $0.01–$0.015（标准价 $0.02–$0.03），引用生视频每秒 $0.02–$0.03；图像和音频引用输入免费。
- 文档明确的优势场景：短而收束的镜头——单一主体、单一场景、单一动作、机位固定。明确的短板：长字幕文字、柔软有机运动、手部特写操作。
- 一条 10 秒 768p 文生视频，按当前折扣价约 $0.15（标准价 $0.30），试用成本低到可以忽略——真正的决策点在于 768p 和 15 秒上限是否适配你的工作流。
HeyGen Video 1 到底是什么
Video 1 是 HeyGen 全新产品线的第一条产品，和这家公司成名的数字人业务是两回事。HeyGen 官方文档对它的描述是「基于 MiniMax H3 构建并由 HeyGen 后期训练的通用视频模型」：给一段提示词，它一次生成整个场景——主体、环境、光线和声音。每条片段自带由同一提示词联合生成的音频轨（对白、环境声、音效），没有单独的语音环节，没有口型同步，也不需要挑头像。
来源：HeyGen 官方 Video 1 文档（developers.heygen.com），访问于 2026 年 10 月 1 日。
最后这一点比听上去更重要。HeyGen 靠 Avatar IV 和 Video Agent 建立了口碑——它们是用你已经写好的脚本去驱动你已有的形象。OpenRouter 的模型页把区别说得很直白：「它不是数字人产品……没有口播头像、脚本或口型同步环节；提示词和引用驱动整个场景。」如果你多年前用过 HeyGen，把它归档为「企业口播视频」，那 Video 1 是一个不同的工具——它真正对标的，是 Sora、Veo、Kling、Seedance 这些通用视频模型。
底层模型：MiniMax H3 提供了什么
在底层，Video 1 从 MiniMax H3 出发——这是 MiniMax 于 2026 年 7 月 31 日发布的开源通用视频模型，几天后开放了权重。按 MiniMax 官方公告，H3 能统一处理文本、图像、视频、音频的上下文，生成带原生立体声的视频；其技术栈包括官方命名的 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 和 In-Context Regeneration。MiniMax 对 H3 的能力定位是：指令遵循、准确的文字与品牌渲染、视频到视频的动作迁移。
有一个文档层面的差异值得在选择前弄清楚。H3 本体可以生成最长 15 秒、2K 分辨率的视频，而 Video 1 的 API 输出上限是 768p（时长同为 5–15 秒）。HeyGen 尚未发布文档说明其后期训练对分辨率或画质做了什么，所以请把基础模型的规格表和 Video 1 的规格表当作两个独立的事实来看待；实际结论是：Video 1 目前最高 768p。
三种输入模式，一个模型 ID
Video 1 只有一个模型 ID，通过请求参数选择三种生成模式：
| 模式 | 你提供 | 你得到 |
|---|---|---|
文生视频（text_to_video） |
一段提示词 | 全新场景及其生成音效 |
图生视频（image_to_video） |
提示词 + 一张图 | 以你的图为首帧的片段 |
引用生视频（reference_to_video） |
提示词 + 图像/视频/音频引用 | 保留你提供的商品、人物或场景的新片段 |
两个设计细节让引用模式比笼统的「上传素材」好用得多。第一，列表顺序就是可点名的标签：第一张图是 <Picture 1>，第一段视频是 <Video 1>，第一段音频是 <Audio 1>，提示词里直接引用这些标签——你可以写出「Picture 2 里的人物开口唱歌，人声对齐 Audio 3」这样的指令。第二，模型最多接受九张图、三段视频、三段音频（共十二个引用），每个引用可以是 HTTPS URL（图片 16 MB、视频/音频 32 MB）、上传后的 asset ID，或内联 base64（图片 5 MB、视频/音频 16 MB）。
图生视频沿用首帧的宽高比，忽略画幅参数——这对直接动效化你手头的设计稿很有用。提示词上限 5,000 个 Unicode 字符，官方指引很直接：「长提示词胜过短提示词。」prompt_enhancement 参数（默认 turbo，可选更彻底的 quality，或 disabled 让文字一字不改地直达模型）控制生成前自动的提示词扩写环节。
HeyGen Video 1 规格速览
| 规格 | 文档值 |
|---|---|
| 模型 ID | heygen-video-1 |
| 时长 | 每条 5–15 秒（整数秒） |
| 分辨率 | 480p 或 768p（默认 768p） |
| 画幅 | 21:9、16:9、4:3、1:1、3:4、9:16——引用生视频另有 adaptive |
| 像素尺寸示例 | 9:16 → 768×1344（768p）/ 480×832（480p）；16:9 → 1344×768（768p） |
| 输出格式 | MP4（H.264）、24 fps、AAC 32 kHz 立体声音轨 |
| 种子控制 | 可选 seed（0–4,294,967,295）用于复现同一条；任务会回报实际使用的种子 |
| API 形态 | POST /v3/models/videos 返回 202 + video_id；轮询 GET /v3/models/videos/{video_id}；支持 Idempotency-Key；callback_url 一次性 webhook |
| 接入方式 | HeyGen API（付费密钥）或 OpenRouter |
seed 参数值得规划工作流的人注意：同样的提示词加同样的种子，连续提交会返回完全相同的文件，因此你可以锁定一条素材，每次只改提示词里的一处——这是结构化迭代镜头的方法，不用全部重摇。官方说明这种可复现性「在同一个部署内」成立，而非对某次渲染的永久句柄。
每条片段要花多少钱
Video 1 按渲染秒数计价，引用输入免费。OpenRouter 的模型页——两条官方接入路径之一——给出了当前价格：
| 输出类型 | 480p | 768p |
|---|---|---|
| 文生视频 / 图生视频 | 折扣价 $0.01/秒（标准 $0.02/秒） | 折扣价 $0.015/秒（标准 $0.03/秒） |
| 引用生视频 | 标价 $0.02/秒 | 标价 $0.03/秒 |
来源：OpenRouter Video 1 页面（openrouter.ai），访问于 2026 年 10 月 1 日；页面价格为当时的发布折扣价。
按 OpenRouter 发布推文的说法，五折发布折扣持续到十月底，所以如果你的评估期会跨过这个月，请按标准价做预算。算术很简单：一条 10 秒 768p 文生视频，按当前折扣价约 $0.15——标准价 $0.30。同规格十条一批，折扣价约 $1.50，标准价 $3.00。引用生视频在同分辨率下约为折扣文生视频的两倍（10 秒 768p 引用片段标价 $0.30），这是让模型吃进你自己产品图或素材的溢价。
它适合什么，不适合什么
HeyGen 和 OpenRouter 把 Video 1 定位给画框内有运动元素的短商业视频：品牌时刻、产品与设备演示、培训与入职内容。官方文档对模型的形态说得更具体，而且值得把短板和优势一样认真读——以下是 HeyGen 文档的官方描述，不是独立测试结论。
按文档说法，Video 1 最擅长短而收束的镜头：单一主体、单一场景、单一动作、固定或几乎不动的机位。文档列出的优势包括场景连贯性（物体保持大小、形状和位置）、严格按指令执行、画面与声音联合生成从而匹配你所描述的空间，以及引用生视频能保住你提供的物体的身份。它最不可靠的地方是：长屏幕文字、花瓣纸张头发这类柔软有机运动，以及组装或操作设备这类精细手部动作。
对短视频创作者来说，这个能力画像可以直接对号入座：产品 B-roll、品牌场景镜头、带环境声的演示类片段是它的主场；依赖细腻运动、画内文字可读性或精细手部动作的角色叙事，则是文档明示的风险区。
引入、试用还是跳过：决策清单
满足以下多数条件，现在就值得试用：你的片段在 5–15 秒内、768p 及以下够用；你希望画面和声音一次生成；你手上有引用生视频用得上的产品图或品牌素材；通过 seed 复现素材的迭代方式适合你；且你的工作流能接受异步 API（提交、轮询、下载）或 OpenRouter 集成。
以下情况暂时跳过：你需要 1080p 或更高分辨率、超过 15 秒的片段、稳定的画内文字、或精细的手部/有机运动——文档写明的上限和短板今天就把这些排除了。如果你的形式是真人出镜口播，Video 1 也不是该选的 HeyGen 产品——那是 Avatar 线的事。如果你习惯在带模板和积分包的浏览器工具里生成而不是调 API，纯 API 的接入方式会让你天天感到摩擦。
盯住两个会改变决策的变量：十月折扣期结束后的定价，以及 768p 上限是否会松动。两者都是可核验的带日期事实——模型 2026 年 9 月 30 日发布，本指南写于次日，最可能先变的正是它的规格表。
如果你更想在浏览器里直接试短视频创意而不是接 API，AI Fruit 的在线视频生成器支持提示词、图片、模板和可选模型——写作时共有六个厂商的八个模型，包括 Sora 2、Veo 3.1、Kling 3.0、Seedance 2.0——生成前就能看到模型选项和积分消耗。HeyGen Video 1 暂未进入模型列表，但上面的每秒成本算法，同样适用于你在那里试用任何模型前的决策。
最后更新：2026 年 10 月 1 日。规格与定价核对自 HeyGen 官方 Video 1 文档与 API 参考、HeyGen API 更新日志、OpenRouter 的 Video 1 页面，以及 MiniMax 的 H3 官方公告。本指南不含上手测试或独立跑分；厂商能力声明均已注明出处。