heygen-avatar-6 是默认引擎;heygen-avatar-6-turbo 是更快、更便宜的选择。
可用工作流
照片或视频转视频
将一张照片、一段风格化角色的短视频,或两者结合,生成一段由你自己的音频驱动的说话视频。音频决定渲染的时长。- 照片用于确定身份和场景。它不会被用作首帧:模型会重新调整姿势,因此一张双臂交叉的照片在输出时姿势会被重新调整。
- 参考视频展示角色的说话和动作方式,长度至少为 2 秒。较长的片段会被裁剪到前 30 秒。真人视频会被拒绝;请改为连接该人物的照片。
- 音频长度范围为 1.5 秒到 10 分钟。
在 Comfy Cloud 上运行
在 Comfy Cloud 中打开
下载工作流
下载 JSON,或在模板库中搜索 “HeyGen Avatar 6: Photo to Video”
pink_hair_portrait.png
加载到
image 输入avatar6_narration.mp3
加载到
audio 输入身份转视频
无需拍摄即可渲染出镜者:选择一个预设形象或你创建的虚拟人,编写台词,然后选择声音。speech 设为 script 时该节点无需连接任何内容;设为 audio 时,请把 Load Audio 节点连接到 audio 输入。
speech 有两种模式。script 将台词写入 text(最多 5000 个字符),并用所选的 voice 朗读,可选用 voice_speed 倍数。audio 接收你自己的 0.5 秒到 10 分钟音频片段,片段长度即为渲染长度。
在 Comfy Cloud 上运行
在 Comfy Cloud 中打开
下载工作流
下载 JSON,或在模板库中搜索 “HeyGen Avatar 6: Identity to Video”
string_a 的前缀,或直接从创建节点的输出中复制原始 ID,因为保存下来的文本是前缀加 ID:
- 虚拟人:将
source设为photo的HeyGen Create Avatar会返回一个形象 ID。在主节点上将avatar设为custom avatar,并将该 ID 粘贴到custom_avatar_id。pink_hair_portrait.png随模板提供。 - 声音:
HeyGen Voice 1.0 Instant Clone会根据至少 10 秒清晰、单人说话的音频返回一个声音 ID。将其粘贴到custom_voice_id;只要它不为空,就会覆盖voice下拉菜单。avatar6_voice_sample.mp3随模板提供。
节点控制
Reference to Video 需要连接图像、视频,或两者都连接。Identity to Video 在
script 模式下不需要连接任何输入;audio 模式下需要连接音频输入。
提示技巧
- 在
motion_prompt中描述表演。说明数字人如何说话和移动:在关键词上做手势、肩膀放松、头部轻微倾斜,以及相机缓慢推近。留空即可获得中性表演。 - 画面紧凑时保持手势幅度小。对于头肩裁切,将
motion_expressiveness设为less,因为幅度大的手势会离开画面。 - 使用干净的单人语音音频。音轨中的背景音乐或第二个声音会出现在唇形同步中。对于声音克隆,10 秒连续语音就足够了。
- 在连接照片之前先调整构图。
auto会保留照片的形状,因此请裁剪为所需的宽高比,而不是之后再重新取景。
开始使用
- 将 ComfyUI 更新到最新版本
- 前往模板库,搜索
HeyGen Avatar 6