HeyGen Avatar V Digital Twin Background Removal
基于 HeyGen 的虚拟形象技术，HeyGen Avatar V Digital Twin 可灵活设置背景，生成讲解视频。可为讲解者添加自选背景，也可移除背景，以便后续进行分层合成。通过 Atlas Cloud 的 API，您可以将这些控制功能接入视频工作流，用于产品演示、入职引导页面和品牌演示文稿。立即开始构建。
Atlas Cloud（由 Atlas Cloud AI LLC 运营）提供对第三方 AI 模型的接入服务，这些模型由其各自的提供方开发并拥有。Atlas Cloud 并不拥有这些模型，所有模型名称、产品名称及商标均归其各自所有者所有。
从脚本或音频生成视频：HeyGen Avatar V 数字孪生
了解支持的输入、背景选项和主持人视频输出。
| 模态 | 描述 |
|---|---|
| HeyGen Avatar V 数字孪生 | 使用标准头像，将脚本或音轨转化为口型自然同步的主持人视频。输出选项包括可选背景、背景移除、透明 WebM，以及最高 4K 分辨率的视频。可用于制作由主持人讲解的产品介绍、培训内容或公司动态。 |
HeyGen Avatar V Digital Twin：虚拟演示者逐渐成形
输入脚本或音频，为 HeyGen Avatar V Digital Twin 提供语音；最高支持 4K 输出、可选背景和透明 WebM。Atlas Cloud 统一 API 采用按量付费，助你灵活搭建演示者视频工作流。
HeyGen Avatar V Digital Twin 演示者视频
选择一个现成虚拟形象，将书面脚本制作成演示者口播视频。HeyGen Avatar V Digital Twin 会将所选演示者与自然的唇形同步相结合，让你的信息通过真人出镜的方式呈现。提供需要朗读的文稿，无需亲自为每条公告拍摄视频。这种工作流适用于产品介绍、员工动态和教育讲解等需要真实人物形象的内容。
由你的音频驱动口播
已经准备好语音轨道？上传录音，即可驱动现成虚拟形象进行自然的唇形同步口播。录音提供口播内容，演示者可以直接呈现已有旁白，无需从书面脚本开始。为每个版本搭配合适的虚拟形象和音轨。这种方式适合旁白课程、发言人短片和录制好的公告。
HeyGen Avatar V Digital Twin 4K 视频
演示者视频最高支持 4K 分辨率。准备 HeyGen Avatar V Digital Twin 请求时，选择受支持的输出分辨率，再提供脚本或音轨以及所选虚拟形象。更高的分辨率能为后期剪辑提供更多画面细节。适合演示素材、特写镜头，或计划在大屏幕上播放的内容。
与内容相匹配的背景
为现成的演示者添加可选背景，让场景与视频内容相契合。自定义背景可以烘托口播信息，无需受限于演示者必须出现的实际地点。生成视频时，可同时选择视觉场景、虚拟形象和脚本或音频输入。协调一致的场景适合品牌讲解、课程开场，以及需要统一视觉形象的公告。
透明 WebM，方便合成
想将演示者放入现有的视频版式中？背景移除和透明 WebM 输出可提供用于合成的虚拟形象图层。使用兼容的现成虚拟形象生成口播视频，再将透明背景素材导入剪辑工作流。演示者与最终场景彼此独立，因此这种格式适合品牌视频合成、课程视频和定制宣传片剪辑。
统一接入，按使用量计费
Atlas Cloud 通过统一 API 提供演示者视频工作流，并采用透明的按量付费定价。选择 HeyGen 模型和现成虚拟形象，再通过平台的视频生成工作流提供脚本或音轨。你可以使用同一个 API 密钥和计费账户，将虚拟形象视频制作与其他受支持的模型统一管理。这种方式适合希望将演示者视频集成到现有应用或内容流水线中的开发者。
一份表演简报，三款模型：HeyGen Avatar V Digital Twin
使用同一份创意简报，对比 HeyGen Avatar V Digital Twin 与两款虚拟形象模型，评估口型同步、面部表情和手势连贯性。
制作一段 10 秒的电影感喜剧短片，主角是一位表情丰富的真人讲述者，身穿酒红色夹克，背景是柔和灯光下的剧院。开场时，表演者身体前倾、扬起眉毛，双手描绘一条想象中的逃跑路线，同时说道：“我躲过了守卫，穿过了桥，还救出了宝藏。”随着讲述越来越得意，镜头从中景推近至面部。表演者将双手收向胸前，再突然摊开手掌，露出难以置信的神情；镜头随之切换为四分之三侧面的近景。回到正面中近景，表演者低声说出反转：“然后我的闹钟响了。”最后，表演者微微耸肩，露出尴尬的笑容，并始终保持自然连贯的动作。让口型与提供的语音音频同步，包括其中的停顿和语气变化。采用暖琥珀色灯光、逼真的肌肤质感和精致的电影喜剧风格。画面中不要出现字幕、界面或图形。16:9 画面比例
Generated with HeyGen Avatar V Digital Twin on Atlas Cloud
Generated with Avatar Omni Human 2.0 on Atlas Cloud
Generated with Avatar Omni Human 1.5 on Atlas Cloud
制作一段 10 秒的科幻短片，主角是一位身穿银色飞行服的人类探险队指挥官，背景是采用柔和蓝色实景灯光的昏暗天文台。指挥官开始发送紧急通讯，用手指示意倒计时，同时说道：“三、二、一。首次接触。保持冷静。”镜头从正面中景轻轻横移至四分之三侧面，指挥官自信的神情逐渐转为惊讶。当指挥官转向一位画面外的来访者、举起一只手打招呼并停顿换气时，镜头推近至特写。随后镜头缓缓拉回中近景，指挥官看向镜头，露出欣喜的笑容，说道：“他们带了披萨。”随着情绪起伏，让头部、肩膀和双手保持自然动作。让表演与提供的对白及其中惊讶的停顿同步。采用冷色轮廓光和逼真的电影科幻风格。不要加入字幕、界面或图形。16:9 画面比例
Generated with HeyGen Avatar V Digital Twin on Atlas Cloud
Generated with Avatar Omni Human 2.0 on Atlas Cloud
Generated with Avatar Omni Human 1.5 on Atlas Cloud
HeyGen Avatar V 数字分身：让讲解者走进你的内容
借助脚本或音频驱动的预设数字人，将 HeyGen Avatar V 数字分身用于产品引导、员工培训、宣传视频、公司动态、旁白讲解和视频合成项目。
使用 HeyGen Avatar V 数字分身进行产品引导
将产品演示脚本转化为由预设数字人出镜、口型自然同步的讲解视频。将这些片段与界面录屏搭配，指导新客户完成设置并熟悉日常产品操作。
使用 HeyGen Avatar V 数字分身开展培训
在员工培训中，选定的预设数字人可以配合脚本讲授课程，口型自然同步。制作视频课程模块，介绍工作流程，并让新员工在所有学习材料中都能看到风格统一的讲解者。
宣传代言人视频
将宣传脚本与可选背景搭配，为活动呈现一位形象鲜明的代言人。营销团队可将这些讲解视频用于产品公告、宣传剪辑和活动落地页。
让公司动态跃然屏上
需要讲解者传达公司消息时，可将公告脚本制作成口型自然同步的数字人视频。通过内部渠道分享成片，用于管理层发言、政策提醒或团队动态。
让录制旁白出现在屏幕上
现有音轨可驱动预设数字人，生成口型自然同步的讲解视频。将录制好的说明内容重新制作成代言人片段，用于教程、课程介绍或客户教育。
为视频编辑项目添加讲解者叠层
透明 WebM 输出可让受支持的数字人以透明背景呈现，便于合成到视频项目中。编辑人员可在后期制作时，将讲解者叠加到幻灯片、屏幕录制或品牌视频素材上。
HeyGen Avatar V Digital Twin 与照片动画模型对比
从虚拟形象来源、语音输入、分辨率和创意控制选项等方面，对比 HeyGen Avatar V Digital Twin 与图像驱动的替代方案。
| 模型 | 虚拟形象来源 | 语音输入 | 最高分辨率 | 创意控制选项 |
|---|---|---|---|---|
| HeyGen Avatar V Digital Twin | 可选库存虚拟形象 | 文本脚本或音轨 | 4K | 可选背景、背景移除和透明 WebM 输出 |
| Avatar Omni Human 2.0 | 单张参考图像 | 音轨 | - | 可选提示词，用于指定场景元素、动作和镜头移动 |
| Avatar Omni Human 1.5 | 上传的角色图像 | 录制的音频 | 1080p | 通过文本指导取景、角色动作和镜头运动 |
如何在 Atlas Cloud 上使用 HeyGen Avatar V Digital Twin
几分钟即可上手 — 按照以下简单步骤，通过 Atlas Cloud 平台集成和部署模型。
创建 Atlas Cloud 账户
在 atlascloud.ai 注册并完成验证。新用户可获得免费额度，用于探索平台和测试模型。
为何在 Atlas Cloud 使用 HeyGen Avatar V Digital Twin
将先进的 HeyGen Avatar V Digital Twin 模型与 Atlas Cloud 的 GPU 加速平台相结合，提供无与伦比的性能、可扩展性和开发体验。
性能与灵活性
低延迟：
GPU 优化推理，实现实时响应。
统一 API：
一次集成，畅用 HeyGen Avatar V Digital Twin、GPT、Gemini 和 DeepSeek。
透明定价：
按 Token 计费，支持 Serverless 模式。
企业与规模
开发者体验：
SDK、数据分析、微调工具和模板一应俱全。
可靠性：
99.99% 可用性、RBAC 权限控制、合规日志。
安全与合规：
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。
HeyGen Avatar V Digital Twin：输入、输出与 API 问题
HeyGen Avatar V Digital Twin 可根据选定的库存虚拟形象和脚本或音轨生成讲解视频。通过 Atlas Cloud 使用时，它支持自然的口型同步、可选背景、背景移除以及透明 WebM 输出。
使用准备好的脚本或旁白，制作产品介绍、培训材料和教育讲解视频。库存虚拟形象可以代你传达信息，无需为每条视频重新录制真人讲解。
在 Atlas Cloud 上选择 heygen/avatar-5/digital-twin 模型，并选择可用的库存虚拟形象。提供脚本或音轨，然后配置支持的背景和输出选项。
可以。该模型支持使用音轨代替书面脚本。你可以用现有旁白驱动所选虚拟形象进行口型同步表演。
支持设置可选背景和移除背景。选择背景以制作完整的讲解场景；如果要进一步编辑虚拟形象素材，也可以移除背景。
支持透明 WebM 输出，适用于需要将讲解者与背景分离的工作流程。如果计划将虚拟形象合成到其他素材或自定义布局中，请选择此选项。
生成视频前，将预期请求提交至 Atlas Cloud 的 /api/v1/model/calculate endpoint。origin_price 字段会显示该请求的标准价格。
该模型支持最高 4K 输出。HeyGen 文档说明，Avatar V API 虚拟形象以 1080p 渲染，再放大以导出 4K，因此更大的输出尺寸不会增加虚拟形象的原生细节。
探索更多系列
Kling 4.0
Kling 4 API 提供了 Kuaishou 于 2026 年 10 月 15 日发布的视频模型 Kling 4.0。它单次生成长达 30 秒的视频，支持最多 10 个关键帧，通过 Omni Reference 融合 15 张图像、视频和主体，并添加带有唇形同步的立体声音频。Atlas Cloud 提供所有四个端点（包括视频编辑），使用单个 OpenAI 兼容密钥，价格为每秒 0.11 美元起。今天就开始构建吧。
Seedance 2.5
Seedance 2.5 API 为开发者提供了 ByteDance Seed 的音视频联合模型，可通过文本、首帧或最多 50 个图像、视频和音频参考，一次性生成 4 到 30 秒的内容。它支持编辑选定区域、扩展剪辑，并遵循白模和绿幕输入。美国授权经销商 Atlas Cloud 增加了 480p 草稿模式、原生 1080p 成片以及增强的 4K 交付功能，并采用按需付费的定价模式。
Wan 3.0
Wan 3.0 API 是阿里巴巴 Wan 视频系列的下一代产品，旨在将长视频生成、多参考控制和音视频质量推向新的高度。Atlas Cloud 已经托管了 Wan 2.7、2.6 和 2.5，而 Wan 3.0 使用相同的统一密钥运行，无需额外设置。立即开始构建吧。向下滚动至展示区，查看 Wan 3.0 的创作能力。
MiniMax H3
MiniMax H3 是 MiniMax 的多模态视频系列，支持文本、图像和参考内容引导创作。在支持的路由中，它能够保留参考媒体中的主体，提供灵活的宽高比，并通过 H3 Developer 将生成的声音与画面结合；输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列，并提供透明的按量付费定价，标准费率为每秒 $0.038。立即开始构建。
GPT Image 2.5
GPT Image 2.5 是 OpenAI 的图像生成与编辑模型，于 2026 年 9 月 8 日发布，提供两个 API 版本。Flare 为默认版本，延迟较 GPT Image 2 降低高达 50%；Sunburst 虽然处理时间较长，但能提供更精细的细节编辑控制。两者均支持最多 16 张参考图像、五个质量等级、透明背景以及最高 3840px 的自定义尺寸。Atlas Cloud 提供 GPT Image 2.5 API 服务，计费方式采用 OpenAI 的按 Token 费率，或按 1K、2K、4K 质量等级的单张固定价格。
Seedream 5.0 Pro
Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑，将图像分离为可编辑图层，融合多个参考，并精准匹配颜色和材质，支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上，您只需一个密钥即可访问！
Seedance 2.0
Seedance 2.0 是 ByteDance 面向生产环境的视频模型，专用于精准镜头创作。将提示词转换为视频，使用首帧图像生成动画并可选用尾帧引导，或结合参考媒体和可选的联网搜索来塑造结果。Atlas Cloud 将这些工作流整合到统一的 API 中，提供透明的按量付费定价和一个兼容 OpenAI 的密钥。立即开始构建。
Kling V3.0
来自快手的 Kling V3 API 系列支持文本、图像和参考视频工作流。迁移动作的同时保留角色身份，使用视觉参考引导生成，并通过自然语言指令编辑视频。Atlas Cloud 提供 Standard 和 Pro 端点，满足不同的生产需求。更新：Kling V4 现已在 Atlas Cloud 上线。前往 [Kling V4](https://www.atlascloud.ai/zh/models/kling-v4) 页面了解详情。
Grok Imagine Video
Grok Imagine Video 为开发者提供访问 xAI 视频模型家族的能力，用于创建、制作动画、延展和编辑视频片段。通过提示词生成 1 至 15 秒的视频，使用最多 7 张参考图像引导人物、物体或风格，并支持 480p 或 720p。Atlas Cloud 通过兼容 OpenAI 的端点整合这些能力，并提供透明的按需付费定价。立即开始构建。
Vidu Q4 Preview
Vidu Q4 是 Vidu 最新的旗舰视频模型，专为图像转视频和参考图转视频生成而设计。它可以让单张静态图像动起来，并自动创建场景转场，为不同的产品工作流提供两种输入路径。Atlas Cloud 提供专用 API 端点，并以经验证的标准价格 $0.04/second 发布参数 schema。立即开始构建。
Gemini Omni 1.1 Flash
Gemini Omni 1.1 Flash 是 Google DeepMind 推出的原生多模态视频系列，适用于灵活的生产工作流。通过文本指令编辑现有素材，借助最多 10 张参考图像和 3 段视频片段保持视觉一致性，或以可串联的片段延长镜头，最长可达 40 秒。在 Atlas Cloud 上使用一个 OpenAI-compatible API key 即可访问所有工作流，按量付费，并支持 Day-0 上线。立即开始构建。
Nano Banana 2.1
Nano Banana 2.1 是 Google 基于 Gemini 3.6 Flash 打造的图像模型系列。它以 Flash 级速度提供 Pro 级生成与编辑能力，支持通过自然语言对 1 到 14 张输入图像进行编辑和融合，并可保持最多 4 个角色和 10 个对象的一致性。通过 Atlas Cloud，开发者只需使用一个 OpenAI-compatible 密钥，即可访问该系列模型，享受可靠的运行时间保障和 Day-0 可用性。立即开始构建。
