TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
HeyGen 有聲短片與語音端點上架 fal，底層引擎是 MiniMax H3
fal 在 10 月 22 日凌晨宣布 HeyGen Video 與 Voice 端點上線：五到十五秒帶聲音的短片最高 2K，影片三個入口每秒 0.02 美元起，語音每千字元 0.004 美元起，官方文件並揭露短片模型以 MiniMax H3 為基礎後訓練。
用 AI 摘要這篇文章：
生成模型平台 fal 在台北時間 10 月 22 日凌晨 5 點 3 分，用官方帳號宣布 HeyGen 的短片與語音模型上線：文字、圖片與參考素材三種方式轉影片，每段都帶對話、環境聲與效果音，長度五到十五秒、最高 2K，語音則有三十九種語言、即時聲音複製，以及一個更快的 Turbo 版。對已經用 fal 串模型的團隊來說，這代表鏡頭與配音可以收進同一把 API 金鑰、同一份帳單；但這批文件裡資訊量最大的一句話，其實是官方對底層的說明：HeyGen Video 以 MiniMax H3 為基礎、由 HeyGen 做後訓練。同一顆引擎，fal 上同時掛著原生版與後訓練版，價差最大到每秒三倍。
同一顆 MiniMax H3，兩張價目表
fal 的文件在影片端點的描述欄直接寫明：這個模型 built on MiniMax H3 and post-trained by HeyGen（以 MiniMax H3 為基礎、由 HeyGen 後訓練），把一段提示詞變成五到十五秒、自帶聲音的短片。這句話讓這次上架多了一層比價基礎：MiniMax H3 原生的文字轉影片端點就掛在同一個平台上，官方對它的描述是 frontier video model，一樣做五到十五秒、比例七種、最高 4K。
兩張價目表並排看最清楚（牌價以 10 月 22 日官方模型頁為準）：
| 端點 | 480p | 768p | 1080p | 2K | 4K |
|---|---|---|---|---|---|
| HeyGen Video（文字轉影片） | 每秒 0.02 美元 | 每秒 0.02 美元 | 每秒 0.06 美元 | 每秒 0.06 美元 | 未提供 |
| MiniMax H3 原生（文字轉影片） | 每秒 0.05 美元 | 每秒 0.06 美元 | 頁面未列出 | 每秒 0.13 美元 | 每秒 0.16 美元 |
同一解析度直接對比：768p 時後訓練版每秒 0.02 美元、原生版每秒 0.06 美元；換算成一支出滿十五秒的短片，前者 0.30 美元、後者 0.90 美元（15 秒乘以每秒單價）。2K 落差更大：HeyGen 版每秒 0.06 美元、十五秒 0.90 美元，原生版每秒 0.13 美元、十五秒 1.95 美元。768p 每秒單價只剩原生版三分之一的代價也寫在表上：HeyGen 版沒有 4K，比例選單列六種，原生版文件寫七種。
所以這組牌價本身就是選擇題。要 4K 或最高的解析度檔次，走原生端點；要做帶產品與聲音的短鏡頭、而且量大，後訓練版的每秒單價會直接反映在月底帳單上。兩者也並未互相取代：HeyGen 版的價值在後訓練帶來的聲音與素材一致性，這點原生端的描述裡沒有承諾。另外，三個 HeyGen 影片端點的模型頁掛的是同一行計價文字，也就是說下一段那三種輸入方式，費用結構相同，選哪個入口純看素材在手上的形態。頁面同時掛著 Inference、Commercial use、Partner 三個標章：以合作夥伴模型的名義上架、標示可用於商用推理，要落地商業專案的人，合約細節再對照平台條款讀一次即可。
三個影片端點：鏡頭、開頭畫面與參考素材吃不一樣的輸入
影片這次其實是一次上三個端點，輸入型態各不相同，參數表也有細節差異。
文字轉影片（heygen/heygen-video/text-to-video）只要提示詞就能跑。參數面：長度預設 5 秒、可設到 15 秒；解析度四檔（480p、768p、1080p、2k）預設 768p；畫面比例六選項（21:9、16:9、4:3、1:1、3:4、9:16）預設 16:9；提示詞強化四級（turbo、quality、ultraquality、disabled）預設 turbo，從參數命名與同平台 H3 端點的同名控制看，用途是讓平台先擴寫提示詞，追求逐字控制就選 disabled；另有種子值與安全檢查開關。輸出端回傳影片檔網址與本次使用的種子值，把種子記下來，同樣的設定才有機會重現。要做直式短片的人記得明寫 9:16，留著預設會拿到橫式畫面。官方放在頁面上的示範提示詞也值得看一眼：一段燈塔管理員的獨白，把鏡頭距離、光線色溫、風聲雨聲、機械轉動聲與台詞全寫在同一條提示詞裡。自帶聲音的模型，輸入代價就是聲音也要在提示詞裡點名。
圖片轉影片（heygen/heygen-video/image-to-video）多一個必填的 image_url，文件寫明這張圖會當成影片開頭的畫面；對已經有產品照、場景設定稿的人，這比用文字猜構圖更直接。它的參數表沒有畫面比例這一欄，解析度、長度與提示詞強化選項與文字版相同。文件沒有承諾開頭畫面之後的每一格都保留標誌與細節，產品展示仍要逐段驗收。
參考素材轉影片（heygen/heygen-video/reference-to-video）是三個裡輸入最豐富的：reference_image_urls、reference_video_urls、reference_audio_urls 三種清單參數，官方描述強調生成的場景會保留參考素材裡的產品、人物或場景；畫面比例多一個 adaptive 選項而且就是預設值，其餘參數同前兩個入口。官方示範是一段里斯本咖啡館的短片，提示詞要求保留參考圖裡咖啡杯的確切顏色、金邊與徽章，再描述手部動作、特寫鏡頭與環境聲。產品影片工作流要的就是這種指定法。文件頁把三種清單參數、預設值與其他選項列得很完整，要上手這個入口不需要靠猜，直接照規格送清單就好。
聲音可以單買：前三分鐘複製與兩種速度
語音這次上的是兩個版本：heygen/heygen-voice 與 heygen/heygen-voice/turbo，輸出入格式完全相同，差別在速度與價格。輸入端：文字必填；二十四個公開聲音可以選（預設 Jonah，清單裡從 Nadine、Tabitha 到 Sabrina 都是英文人名）；要複製自己的聲音就給 reference_audio_url，文件註明必須是單一講者、且只會使用錄音的前三分鐘；語言有三十九個值、中文在清單內，不填則從文字自動偵測；清單只給語言代碼，繁簡口音之間的成品差異文件沒有細分，正式採用前用實際講稿驗收最準；表現力度 expressiveness_boost 預設 1，往上調是要求更誇張的口氣，廣告促銷類的稿子可以試，旁白與教學類建議留在預設。輸出是 44.1 kHz 的 WAV 檔，附音檔秒數，方便直接排進剪輯時間軸。複製流程想像成三步：錄一段乾淨的單人樣本（三分鐘內就夠用，服務只取前三分鐘）、把檔案放上可存取的位置、送文字時附上樣本網址；同一份樣本可以反覆用在不同稿件，不必每次重傳。
價格差很直接：標準版每千字元 0.03 美元，Turbo 版每千字元 0.004 美元。同一段一千字的稿子，兩版相差 0.026 美元；單案無感，但每天要產出幾十支配音的流程，這個差距會累積成選擇 Turbo 的理由。官方對 Turbo 的定位描述是 fast, low-cost tier，沒有附兩版的品質對照基準，正式採用前值得用同一份稿子各生成一次，聽過再決定。公開聲音清單兩版共用，換版本不必換聲音。
聲音複製的功能也把授權責任留在呼叫端：用自己的聲音、或拿到明確授權的聲音再送進來，這條線在任何平台上都一樣，想完全留在本機處理的人可以看我們先前介紹過的開源配音工作台 VoiceStudio。
三月就在的那批服務，跟這次的新端點別接混
HeyGen 進 fal 不是頭一回。fal 官方部落格在 2026 年 3 月 2 日就刊過一篇 HeyGen models are now available on fal，當時上架的是四種服務：Video Agent API（給一段提示詞或網址，從寫腳本、選素材到剪輯端到端產出一支完整影片）、Avatar IV API（一張照片變成會說話的數位分身，帶表情與手勢）、Video Translate（快速與品質兩種模式做翻譯與對嘴，品質模式支援聲音複製）、Avatar Video（可重複的棚級數位人影片，適合週報、課程單元這類固定格式）。
對照 fal 平台目錄現在的狀態：HeyGen 相關端點共十六個，這次公告的五個掛在 heygen/ 開頭的路徑下，既有的十一個掛在 fal-ai/heygen/ 開頭的路徑下，內容包含三代數位分身（v3、v4、v5）、翻譯的快速與品質兩檔、對嘴的快速與精準兩檔、兩個世代的 Video Agent，以及一個把填充詞移除的修片中端點。三月那篇文章只列到 v4，目錄裡的 v5 數位分身是後來補進來的，可見這批服務本身也在演進，連整支影片這條線都有兩個世代並存，接端點時要對清楚自己叫的是哪一代。對寫程式的人，路徑前半段是最實務的分辨點：端點識別碼打錯一個字，就會打到三月那批舊服務。對照著看教學文章時也要留意時間點，三月以前的文章講的是數位分身、翻譯與整支影片，套不到這次的短片端點上。
分工本身比新舊更重要。短片模型給你的是一段鏡頭，Video Agent 給你的是一支剪好的影片，數位分身給你的是固定人物，三種成品不能互相取代。想在自架環境養一個固定人物的讀者，我們也寫過開源數位人系統 AIGCPanel 的分析；想用對話把整支影片做完的團隊，可以參考 Pexo 對話式影片代理；要把 AI 影音、配音與剪輯收進同一條時間軸的，ElevenLabs Studio 4.0 是另一條已經成形的路線。
安全檢查預設、素材怎麼餵，以及官方還沒給答案的事
接這批端點前有幾件事先看清楚。安全檢查的開關 enable_safety_checker 預設打開，文件註明經授權的呼叫方可要求放寬檢查，一般用途不必動它，但治理審核時要知道預設值與例外管道都寫在參數表裡。素材餵法有三種：直接給公開可存取的網址、給 base64 編碼、或用 fal 自己的檔案上傳空間；用自己的網址時文件也提醒，某些檔案空間會擋跨站請求、限流或把請求當成機器人，正式流程用平台的檔案空間最省事。尚未公開的產品照要送進流程前，先確認公司的素材處理規範。API 金鑰的規矩文件也寫得明白：不要放在瀏覽器或用戶端程式裡能被讀走的位置，請伺服器代為送出請求。
長任務的呼叫模式也先記下來：這批端點走 fal 的佇列協定，送出請求後可以輪詢狀態、等結果，或直接掛 webhook 讓完成時主動通知，官方建議耗時較長的生成用這套流程，不要在程式裡乾等。用戶端套件叫 @fal-ai/client，舊的 @fal-ai/serverless-client 已經標記棄用，新專案別再裝舊包。
還沒有答案的部分也要攤開。兩邊官方都沒有公布這批端點的延遲與生成品質基準，牌價、端點清單與聲音清單都屬於會漂移的內容，正式引用前回查模型頁最保險；HeyGen 自家網站查證當下未找到對應的同步公告，這次更新以 fal 的官方貼文與文件為準。規格與牌價都出自官方頁面，成品品質與排隊時間官方還沒有給基準，開案前先用小額試單親自驗收最穩。預算可以先試算再開案：以一天二十支、每支十五秒的 768p 短片為例，每天約 6 美元（20 支乘以 0.30 美元）、一個月約 180 美元，都是用每秒單價乘出來的量級，實際帳單會跟重試次數與素材驗收的來回成正比。誰適合先動手？已經在 fal 上的開發與內容團隊阻力最小，同一把金鑰、同一份帳單就能試出分工；只習慣 HeyGen 自營完整介面的創作者，這批端點的價值取決於你自己的剪輯與驗收流程能不能接上，從一支熟悉的短片開始小規模比較，會比直接搬家穩。
