HeyGen Video 1.0：在 ComfyUI 中通过文本、图像与参考生成视频
在 ComfyUI 中通过提示词、首帧图像，或最多 12 个参考图像、视频和音频片段，生成 5 到 15 秒带同步对白的视频
HeyGen Video 1.0：在 ComfyUI 中通过文本、图像与参考生成视频
在 ComfyUI 中通过提示词、首帧图像，或最多 12 个参考图像、视频和音频片段，生成 5 到 15 秒带同步对白的视频
HeyGen Video 1.0 是 HeyGen 推出的通用视频模型，可一次生成画面、台词与环境音。你只需在提示词中描述镜头与对白，返回的视频片段便带有同步语音，因此口播视频或产品视频无需拍摄、无需真人出镜，也无需单独的配音环节。
在 ComfyUI 中，该模型通过两个合作节点运行。HeyGen Video 1.0 Reference to Video 可独立完成文本到视频，并在连接图像、视频或音频后执行参考到视频；HeyGen Video 1.0 Image to Video 则从首帧开始生成。两者都是云端 API 节点：需要拥有带积分的 Comfy 账户，且不会下载任何本地模型。每秒计费标准请参见合作伙伴节点积分。
每次运行都会返回一段 5 到 15 秒、分辨率为 480p、768p 或 2K 的视频片段，其中的对白、环境底噪以及音乐都已包含在视频中。
[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。
可用的工作流
文生视频
仅凭提示词生成一段视频片段。提示词承载动作、台词和声音，因此一次节点运行即可返回一段制作完成的说话视频片段。
<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_heygen_video_1_t2v.mp4" />
[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "HeyGen Video 1.0: Text to Video"
文生视频模板运行 Reference to Video 节点时不连接任何输入，这就是该节点的文生视频模式。
图生视频
为一张图像添加动画。该图像是视频片段的首帧，输出会保持其宽高比，因此当你需要不同的形状时，请先裁剪图像。提示词决定画面中发生什么以及说了什么。
<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_heygen_video_1_i2v.mp4" />
[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "HeyGen Video 1.0: Image to Video"
输入素材
[card] model\_red\_curls\_ring.png 加载到为 HeyGen Video 1.0 Image to Video 节点提供输入的 LoadImage 节点中
参考生视频
通过将人物、产品和场景作为参考连接起来，让它们在整段镜头中保持一致：最多 9 张图像、3 段视频和 3 段音频，共计 12 个。提示词随后以 @Image1、@Video1 和 @Audio1 来引用它们，按类型依据输入顺序编号。
<video controls src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_heygen_video_1_r2v.mp4" />
[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "HeyGen Video 1.0: Reference to Video"
输入素材
[card] model\_black\_blazer\_red\_earrings.png 加载到第一个参考图像槽位 · @Image1
[card] cognac\_leather\_handbag.png 加载到第二个参考图像槽位 · @Image2
节点控件
| 控件 | 取值 | 适用节点 | 效果 |
|---|---|---|---|
prompt | 文本，最多 32000 个字符 | 两个节点 | 镜头、台词和声音。参考媒体以 @Image1、@Video1、@Audio1 的形式引用 |
duration | 5 至 15 秒 | 两个节点 | 滑块，默认 5 |
resolution | 480p、768p、2K | 两个节点 | 输出分辨率。在 Reference to Video 上，2K 需要 16:9 或 9:16 的 aspect_ratio，且仅在未连接参考素材时 auto 才可用于 2K |
aspect_ratio | auto、16:9、9:16、1:1、4:3、3:4、21:9 | Reference to Video | 未连接任何内容时，auto 为 16:9。连接了参考素材时，它跟随第一张参考图像；若未连接任何图像，则跟随第一个参考视频 |
seed | 整数 | 两个节点 | 即使使用相同的种子，不同次运行的结果仍可能有差异 |
reference_images | 最多 9 | Reference to Video | 每个槽位一张图像。在单个槽位上使用批处理输入会被拒绝 |
reference_videos | 最多 3 | Reference to Video | 每个槽位一个视频 |
reference_audios | 最多 3 | Reference to Video | 至少需要连接一个参考图像或参考视频。声音参考需要几秒钟干净的语音 |
Image to Video 节点接收图像、提示词、时长、分辨率和种子。它没有宽高比控件，因为首帧决定了片段的形状。
提示技巧
- 把台词写进提示词。将对话放在引号里，作为镜头描述的一部分，这样模型就会说出这句台词并匹配唇部动作。两个模板都附带了很长的示例提示词来展示这种写法：先写镜头和主体，再用引号写台词，最后写声音和相机语言。
- 用画面描述声音。环境底噪、一段音乐，或某个动作发出的声响，都要写进提示词里，而不是用某个控件来设置。示例提示词以环境音结尾，例如安静的房间底噪中夹杂一声微弱的水壶鸣音，或放下物体时轻轻的玻璃碰撞声。
- 保持产品或出镜人物一致。将产品或人物作为参考图像连接，并在提示词中为其命名，然后描述它必须保持不变的方面，例如保持
@Image2中包袋的准确颜色、比例和五金件。 - 用参考塑造镜头。当
aspect_ratio设为auto时，构图会跟随第一张参考图像，因此你最先连接的参考决定了视频的形状。 - 预期每次运行都会有差异。种子并不会锁定结果；相同的设置仍然可能生成不同的效果。
开始使用
- 将 ComfyUI 更新至最新版本
- 前往模板库，搜索
HeyGen Video 1.0