文档 /
节点说明 /
HeyGenAvatar6ReferenceToVideoNode
HeyGenAvatar6ReferenceToVideoNode
用 HeyGen Avatar 6 根据你连接的音频生成人物说话视频,并以一张照片或一段视频作为参考。
节点说明
HeyGenAvatar6ReferenceToVideoNode 更新于 2026-11-19
HeyGenAvatar6ReferenceToVideoNode - ComfyUI Built-in Node Documentation
用 HeyGen Avatar 6 根据你连接的音频生成人物说话视频,并以一张照片或一段视频作为参考。
用 HeyGen Avatar 6 根据你连接的音频生成人物说话视频,并以一张照片或一段视频作为参考。Avatar 6 会依据该参考重建面部和场景,因此同一段音频既可以驱动一张静态照片,也可以驱动一段已有视频片段,或者两者同时使用。
输入
通用输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
model | 模型选择器;选择模型后会在下方显示其输入项。"heygen-avatar-6-turbo" 是更便宜、更快的档位。 | DYNAMIC\_COMBO | 是 | "heygen-avatar-6" "heygen-avatar-6-turbo" |
heygen-avatar-6 输入
"heygen-avatar-6-turbo" 暴露相同的输入项,且限制相同。
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
image | 可选,待驱动动画的人物或角色照片。它决定外观和场景,不会用作首帧。 | IMAGE | 否 | 单张图像 |
video | 可选,一段动画化或风格化角色的视频,展示其说话和动作方式。较长的视频会被裁剪到前 30 秒。 | VIDEO | 否 | 2 到 30 秒 |
audio | 供虚拟形象使用的语音。视频长度跟随音频长度。 | AUDIO | 是 | 1.5 秒到 10 分钟 |
resolution | 输出视频的分辨率。默认:"1080p"。 | COMBO | 是 | "1080p" "2k" |
aspect_ratio | 输出视频的宽高比。"auto" 会保持图像的形状;若未连接图像,则保持视频的形状;其他值会重新构图场景。默认:"auto"。 | COMBO | 是 | "auto" "16:9" "9:16" "1:1" "4:5" "5:4" |
motion_prompt | 可选,用于指导手势、表情、姿态和镜头运动。默认:空字符串。 | STRING | 是 | 多行文本,最多 1200 个字符 |
motion_expressiveness | "less" 会给出更少、幅度更小的手势。两者重叠时,以运动提示词为准。默认:"default"。 | COMBO | 是 | "less" "default" |
seed | 种子用于控制该节点是否需要重新运行;但无论种子如何,结果都是不确定的。默认:42。 | INT | 是 | 0 到 2147483647 |
约束与行为:
- 连接一张图像、一段视频,或两者都连接;若两者都未连接,节点会报错。
- 图像输入必须恰好包含一张图像,不能是批次。
- 拒绝使用真实人物的参考视频。请使用动画化或风格化角色的视频,或改为连接该人物的照片。
- 参考视频时长必须为 2 秒或更长,且不得大于 50 MB。
- 计费按输出视频的秒数计算,并取决于模型和分辨率。
输出
| 输出名称 | 描述 | 数据类型 |
|---|---|---|
video | 生成的说话视频,渲染完成后从 HeyGen 下载。 | VIDEO |
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑
Source fingerprint (SHA-256): 1a50342827511e355a1d857c34e8bbfc0b74ca7b003dca783b76fcd151413ff8