从数字人到通用视频模型
HeyGen 过去几年的标签很明确：数字人视频。你给它一段文字和一张照片，它给你一个口型同步的讲解视频。这个赛道它做得很好，但天花板也清楚——只能做"人在说话"。
HeyGen Video 1 是它第一次做通用视频生成模型，而且一上来就拿到了 Artificial Analysis 文生视频盲测第一名。盲测意味着评测者不知道视频是谁生成的，只凭观感打分，这个第一含金量比厂商自评高得多。
规格与能力
- 三种输入模式：文本生视频、图像生视频、参考生视频（reference-to-video）
- 分辨率：最高 2K
- 时长：5-15 秒
- 价格：API 上线推广期 每秒 0.01 美元起
5-15 秒这个区间值得说。它不是"做不了更长"，而是刻意选择了短视频片段这个粒度。原因很实际：单镜头超过 15 秒，角色一致性、物理合理性、镜头连续性都会明显衰减，与其给你一个 30 秒但后 15 秒崩掉的视频，不如给一个 15 秒能用的镜头，让你自己剪。
三种模式的差别
文本生视频
最通用，也最难控。适合概念片、氛围镜头、空镜转场。写 prompt 的关键是先定镜头语言再定内容——"低角度缓慢推进的中景，一只玻璃杯在木桌上，午后侧光，尘埃在光柱里浮动"，比单纯描述"一个漂亮的玻璃杯"效果好得多。
图像生视频
最实用。给一张定好的图，让它动起来，首帧完全可控。做产品演示、电商主图视频、海报动效时这条路线最稳，因为你不需要赌模型对文字的理解。
参考生视频
这次比较有意思的能力。给一张参考图（人物、风格、产品），让生成的视频保持该参考的视觉一致性。这让"同一角色出现在多个镜头"变得可行，是做系列内容的关键。
参考生视频配合 2K 分辨率，实际上打开了一个明确场景：品牌短视频批量生产。一个品牌有一组固定视觉资产，用参考模式保证每条视频风格统一，这比每条都重新写 prompt 靠谱得多。
成本算一笔账
每秒 0.01 美元，听起来很便宜，但要算清楚：
- 一条 10 秒视频 = 0.1 美元
- 一条 15 秒视频 = 0.15 美元
- 假设每个成品镜头要生成 5 次挑 1 次，一条 10 秒成片约 0.5 美元
对比传统拍摄：一个 10 秒的产品镜头，棚拍 + 布光 + 后期，成本至少几百元，周期一天以上。即便 AI 视频需要多次重试，成本差距仍在两个数量级。
但要注意推广价的时效性。0.01 美元是上线期价格，恢复原价后可能翻几倍。如果要做长期预算，建议按 3-5 倍溢价做保守估算。
真实局限
不要被盲测第一冲昏头脑，几个硬约束必须知道：
- 时长限制。15 秒上限意味着长视频必须拼接，而拼接处的转场和色调一致性要自己处理；
- 文字渲染。视频里的文字（包装、招牌、字幕）仍是弱项，别指望它生成准确的中文文字；
- 物理逻辑。快速运动、物体交互、液体溅射这类镜头失败率明显更高；
- 中文 prompt 支持。官方以英文为主，中文提示词的稳定性需要实测。
和同期竞品的对比
10 月这波视频模型集中发布，值得放在一起看：
- HeyGen Video 1：盲测观感最好，2K、短视频、参考一致性是强项；
- FLUX 3 Max：10 秒带音频生成，速度快，免费额度友好；
- Seedance 2.5：4K 输出，画面精细度高，适合高要求交付——具体实测见 Seedance 2.5 4K 评测；
- P-Video-2-Pro-Avatar：单张人像转口型视频，每秒 0.02 美元，专攻数字人。
选型建议很简单：要通用镜头选 HeyGen Video 1 或 Seedance 2.5；要人物讲解还是 HeyGen 自己的数字人产品线，毕竟这是它的老本行，配音可以直接接 HeyGen Voice。
优点与不足
优点：盲测客观第一，观感强；2K 输出在同价位里少见；参考生视频保证角色与风格一致；价格极低，试错成本可以忽略；与 HeyGen 现有数字人、配音产品线打通。
不足：最长 15 秒，长片需拼接；视频内文字渲染差；快速运动与复杂物理易崩；推广价不可持续；中文 prompt 支持待验证。
适合谁用
适合短视频批量生产的运营团队、电商与品牌做产品动效、独立创作者降低拍摄成本。如果你的需求是长视频、需要精确文字、或者要严格可控的工业级输出，现在还不成熟，建议再等一两个版本。
总结
HeyGen 从数字人跨到通用视频，第一步就走到了盲测第一，说明它在视频生成的运动自然度上确实有积累。0.01 美元每秒的定价则是明确的圈地策略。现在入场试错的成本几乎为零，观望的成本反而更高。