HeyGenTalkingPhotoNode - ComfyUI Built-in Node Documentation

使用 HeyGen 的 Avatar IV 技术，将人物的静态图像动画化为唇形同步的说话视频。您可以使用 HeyGen 转换为语音的文本脚本驱动动画，或提供您自己的音频供虚拟形象进行唇形同步。

输入

参数	描述	数据类型	必填	范围
`图像`	要动画化的人物图像。如果大于 2K，会自动缩小。	IMAGE	是	-
`语音`	使用文本脚本（HeyGen 文本转语音）或您自己的音频来驱动虚拟形象。	DYNAMIC_COMBO	是	`"script"` `"audio"`
`分辨率`	输出视频分辨率（默认：`"1080p"`）。	COMBO	否	`"720p"` `"1080p"`
`宽高比`	输出宽高比。`"auto"` 跟随输入图像（默认：`"auto"`）。	COMBO	否	`"auto"` `"16:9"` `"9:16"` `"1:1"` `"4:5"` `"5:4"`
`表现力`	动画面部和手势的表现力程度（默认：`"low"`）。	COMBO	否	`"low"` `"medium"` `"high"`
`种子`	不会发送到 HeyGen；更改它以强制重新运行（默认：42）。	INT	否	0 到 2147483647

当 speech 为 "script" 时显示。

参数	描述	数据类型	必填	范围
`text`	虚拟形象要说的文本（最多 5000 个字符）。生成的语音必须至少 1 秒长。（默认：空）	STRING	是	1 到 5000 个字符
`voice`	脚本的语音（HeyGen 最受欢迎的语音）。	COMBO	是	提供多个选项
`custom_voice_id`	可选的 HeyGen 语音 ID。设置后，将覆盖上面选择的语音。可以使用 HeyGen 语音库（2000+）中的任何语音。（默认：空）	STRING	否	-
`voice_speed`	语速倍率（默认：1.0）。	FLOAT	否	0.5 到 1.5（步长 0.05）

当 speech 为 "audio" 时显示。

参数	描述	数据类型	必填	范围
`audio`	供虚拟形象进行唇形同步的音频，最长 10 分钟。	AUDIO	是	最长 10 分钟

注意：当 speech 为 "script" 时，必须指定 text，并且需要通过 voice 选择器（选择除虚拟形象默认语音以外的任何选项）或 custom_voice_id 提供语音。当 speech 为 "audio" 时，则需要提供 audio。

输出名称	描述	数据类型
`video`	生成的动态说话照片视频，带有唇形同步语音。	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): 2181066a8c6191cfcaa15ece4f89a16c37e76aa22763d6df4007baa20336f05a