API 参考 HeyGen Video 使用 HeyGen Video 根据文本、首帧或参考媒体生成包含对话、环境声音和音效的视频。 复制页面 已复制 复制失败，请选择文本后手动复制。 查看 Markdown HeyGen Video Image-to-Video 将首帧图像制成带有生成声音的 5 至 15 秒视频，最高支持 2K。 HeyGen Video Text-to-Video 根据文本生成带有声音的 5 至 15 秒视频，可选择用参考图像、视频或音频引导。