HeyGen Talking Photo - ComfyUI Built-in Node Documentation - ComfyUI

Anima una imagen fija de una persona para convertirla en un video hablado con sincronización de labios mediante la tecnología Avatar IV de HeyGen. Puedes impulsar la animación con un guion de texto que HeyGen convierte en voz, o proporcionar tu propio audio para que el avatar sincronice los labios.

Entradas

Entradas comunes

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`imagen`	Imagen de una persona para animar. Se reduce automáticamente si es mayor que 2K.	IMAGE	Sí	-
`voz`	Impulsa el avatar con un guion de texto (texto a voz de HeyGen) o con tu propio audio.	DYNAMIC_COMBO	Sí	`"script"` `"audio"`
`resolución`	Resolución del video de salida (predeterminado: `"1080p"`).	COMBO	No	`"720p"` `"1080p"`
`relación de aspecto`	Relación de aspecto de salida. `"auto"` sigue la imagen de entrada (predeterminado: `"auto"`).	COMBO	No	`"auto"` `"16:9"` `"9:16"` `"1:1"` `"4:5"` `"5:4"`
`expresividad`	Cuán expresivos son el rostro y los gestos animados (predeterminado: `"low"`).	COMBO	No	`"low"` `"medium"` `"high"`
`semilla`	No se envía a HeyGen; cámbielo para forzar una nueva ejecución (predeterminado: 42).	INT	No	0 a 2147483647

Entradas de guion

Se muestran cuando speech es "script".

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`text`	Texto que debe hablar el avatar (hasta 5000 caracteres). El discurso generado debe tener al menos 1 segundo de duración. (predeterminado: vacío)	STRING	Sí	1 a 5000 caracteres
`voice`	Voz para el guion (las voces más populares de HeyGen).	COMBO	Sí	Hay múltiples opciones disponibles
`custom_voice_id`	ID de voz opcional de HeyGen. Cuando se establece, anula la voz seleccionada arriba. Se puede usar cualquier voz de la biblioteca de HeyGen (más de 2000). (predeterminado: vacío)	STRING	No	-
`voice_speed`	Multiplicador de velocidad del habla (predeterminado: 1.0).	FLOAT	No	0.5 a 1.5 (paso 0.05)

Entradas de audio

Se muestran cuando speech es "audio".

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`audio`	Audio para que el avatar sincronice los labios, hasta 10 minutos.	AUDIO	Sí	Hasta 10 minutos

Nota: Cuando speech es "script", se debe especificar text y se requiere una voz mediante el selector voice (eligiendo cualquier opción que no sea la voz predeterminada del avatar) o un custom_voice_id. Cuando speech es "audio", se requiere audio en su lugar.

Salidas

Nombre de salida	Descripción	Tipo de datos
`video`	Video generado de la foto animada hablando con discurso sincronizado con los labios.	VIDEO

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 2181066a8c6191cfcaa15ece4f89a16c37e76aa22763d6df4007baa20336f05a