HeyGen 是一款功能强大的 AI 数字人视频生成平台，有着独特的发展历程与亮眼表现。其核心功能聚焦于数字人视频创作，支持将视频翻译为超 175 种语言或方言，能让用户通过上传照片定制、利用自带模板等多种方式制作数字人，并借助内置功能辅助撰写脚本，还可实时预览与编辑视频。在应用场景方面，覆盖营销推广、教育培训、客户服务、个人创作等多个领域。平台提供了 Creator、Team、Enterprise 等不同层级的收费计划及额外付费功能选项，其视频制作背后依托语音识别、机器翻译、面部追踪与识别、口型生成等多环节技术原理实现，而数字人的生成效果会受数据质量、模型算法、用户输入、场景设置以及渲染和后期处理等诸多因素影响。
2022 年 7 月，诗云科技推出多模态内容生成引擎 Surreal Engine，HeyGen 的前身 “Movio” AI 视频翻译平台以此为技术基础。
2022 年 7 月 29 日，HeyGen 正式上线运营。
2023 年 4 月，创始人 Joshua Xu 在官网发文分享团队在 178 天内从 0 到 100 万美元 ARR（年度经常性收入）的历程。
2024 年 6 月，HeyGen 宣布获得 6000 万美元 A 轮融资，估值达到 5 亿美元。
多种语言支持：可将视频翻译为超过 175 种语言或方言，实现全球范围内的信息传播。
逼真的数字人创建：用户可以上传自己的照片进行个性化形象定制，也可使用平台提供的上百款数字人素材和模板。生成的 AI 数字人能自然地说话、动作，且与语音完美同步。
便捷的脚本创作：内置 ChatGPT 等功能，帮助用户撰写脚本，用户只需输入关键信息，即可生成吸引人的视频脚本。
实时预览与编辑：用户在创作过程中可以实时预览生成的视频效果，方便及时调整和修改，确保最终作品符合期望。
营销推广：企业可制作产品介绍视频、广告视频等，通过逼真的数字人代言，吸引用户的注意力，提高产品的知名度和销量。
教育培训：教育机构和教师可以利用 HeyGen 制作教学视频，将抽象的知识通过生动的数字人讲解呈现给学生，提高教学效果。
客户服务：企业可以创建虚拟客服数字人，为客户提供 24 小时不间断的服务，解答客户的问题，提高客户满意度。
个人创作：用户可以利用 HeyGen 制作个性化的视频，如生日祝福视频、婚礼纪念视频等，分享在社交平台上，增加互动和分享乐趣。
自行上传视频制作数字人
开始制作：在 HeyGen 平台的界面中点击 “Instant Avatar” 选项，然后选择 “Free Instant Avatar” 进入数字人制作界面，点击 “Get Start” 开始制作。
选择介绍方式：在引导界面中，可选择视频介绍或文字介绍来了解制作数字人的方法。如果选择文字介绍，可详细阅读制作要求，确保正确完成创建。
上传视频内容：根据界面下方的示例录制并上传视频。视频训练完成后，会通过注册邮箱收到确认邮件。制作完成后，可在首页看到自己创建的数字人。免费用户仅能创建一个数字人，并支持重新训练和编辑。
使用自带模板制作数字人
选择模板：在首页点击 “Avatar” 进入 “Avatar Library”，选择喜欢的人物模板。
编辑数字人：进入 “Avatar Editing” 后，可重新选择视角、人物的衣服、面部特征以及语言声音等。服装可选择预设的几款，也可点击 “Generate” 使用 AI 对话完成生成和替换。
视频生成：制作完成并保存后，可在首页看到生成的数字人。选择数字人旁边的箭头标志来选择横屏或竖屏模式，并进入视频生成界面。在视频编辑界面中，可调整数字人的位置大小，选择语音，输入想要数字人说的台词。界面的左侧工具栏提供了装饰视频的元素，包括贴纸、音乐、图标等，还可在 “Template” 中找到涵盖广告、新闻、商业、社交等多种使用情景的模板。完成视频调整后，点击右上角的 “Submit” 按钮保存并提交作品。回到主页并点击 “Video”，即可查看刚制作好的视频内容。
使用照片制作数字人
点击创建入口：点击 “avatars”，找到 “my avatars”，点击 “photo avatar”，接着点击 “create photo avatar” 开始创建。
上传照片：按照示例要求上传照片，最好多个角度、多种表情，以便大模型学习情绪状态以及表情，使生成视频时状态更自然。
定制形象：输入数字人形象的造型描述，生成想要的形象。
输入脚本或上传音频：输入希望虚拟人说出的文本，或上传预录制的音频。
数据质量
训练数据的多样性和丰富性：如果训练数据涵盖了各种不同的场景、表情、动作和语言风格，那么数字人在生成内容时就能够表现出更丰富的变化和更自然的状态。
数据的准确性和标注质量：数据中的标注信息对于模型学习如何生成准确的数字人表现至关重要。标注错误或不准确可能导致数字人在表情、动作与语音等方面出现不协调或不符合预期的情况。
模型算法
深度学习模型的选择和架构：不同的深度学习模型在处理图像、语音和文本等数据方面具有不同的优势和特点。HeyGen 可能会使用多种模型结合的方式来实现数字人的生成，模型的选择和架构设计会直接影响生成效果。
模型的训练优化和参数调整：训练过程中的优化算法、学习率、迭代次数等参数的选择对模型的性能和生成效果有重要影响。合理的参数调整可以使模型更好地拟合训练数据，从而生成更优质的数字人。
用户输入的文本和语音
文本内容的准确性和逻辑性：输入的文本内容应该清晰、准确且符合逻辑，这样数字人才能以自然的方式进行表达。如果文本存在语法错误、语义模糊或逻辑混乱的情况，可能会导致数字人在讲解或表达时出现不自然的停顿、语调异常等问题。
语音的质量和风格匹配度：如果用户提供了语音输入，语音的清晰度、音量、语速以及语调等因素都会影响数字人的生成效果。语音与数字人形象的风格匹配度也很重要，例如，一个成熟稳重的数字人形象搭配轻快活泼的语音可能会显得不协调。
场景和背景设置
场景的真实性和合理性：合适的场景可以增强数字人的真实感和可信度。场景的布置、道具的选择以及光线的设置等都应该与数字人的形象和表达内容相匹配。
背景与数字人的融合度：背景的颜色、纹理和风格等与数字人之间的融合度也会影响整体效果。如果背景过于复杂或与数字人颜色相近，可能会导致数字人在画面中不够突出，影响视觉体验。
渲染和后期处理
渲染技术和参数设置：渲染过程决定了数字人的外观质感、光影效果等。高质量的渲染技术可以使数字人的皮肤、毛发、衣物等细节更加逼真，但渲染参数的设置也需要根据具体情况进行调整，否则可能会出现过亮、过暗、过度锐化等问题。
后期处理和特效添加：适当的后期处理和特效可以提升数字人的视觉效果，如色彩校正、模糊处理、添加光影特效等。但过度使用后期处理可能会导致画面失真或与原始数字人形象不符。
