核心用法
avatar-video 是一款面向专业视频制作的 AI 技能，基于 HeyGen 官方 v2 API 提供精细化的数字人视频控制能力。与自动化程度更高的 "create-video" 不同，本技能强调精确配置：用户需手动选择 avatar（数字人）、voice（语音）、编写 script（脚本），并可配置多场景（multi-scene）与自定义背景。
典型工作流程
1. 获取资源：调用 GET /v2/avatars 与 GET /v2/voices 列出可用数字人与语音
2. 编写脚本：按场景拆分内容，控制停顿与节奏
3. 生成视频：POST /v2/video/generate 提交配置，支持单场景或多场景
4. 轮询状态：通过 GET /v2/videos/{video_id} 获取生成进度与下载链接
高级能力
- 透明 WebM 输出：支持 alpha 通道，便于后期合成
- Talking Photo：将静态照片转为口播数字人
- Remotion 集成：与 React 视频库结合实现程序化视频
- 批量生成：通过脚本化配置实现规模化生产
---
显著优点
| 维度 | 优势 |
|------|------|
| **控制力** | 端到端可控，从 avatar 微表情到语音语速均可精确调节 |
| **专业输出** | 支持 1080p+、透明背景、字幕叠加、品牌模板 |
| **生态成熟** | HeyGen 为头部数字人平台，avatar 质量与 lip-sync 技术领先 |
| **灵活集成** | 提供 MCP 工具封装，也支持直接 REST API 调用 |
| **成本可控** | 支持 `test: true` 模式避免消耗积分 |
---
潜在缺点与局限性
1. 门槛较高：需理解 avatar_id、voice_id、scene 结构等概念，不适合"一句话生成视频"场景
2. 生成耗时：单视频需 5-15 分钟，无法实时输出
3. 积分消耗：商业级视频按秒计费，高频使用成本显著
4. 内容审核：HeyGen 对生成内容有合规审查，敏感行业可能受限
5. 依赖外部服务：API 可用性与定价策略受 HeyGen 控制
---
适合人群
- 营销团队：需要品牌一致性的规模化视频生产
- 内容创作者：对数字人形象、语音有明确偏好
- 开发者：需将 AI 视频集成至产品工作流（如 SaaS、教育平台）
- 后期制作：需要透明通道素材进行合成剪辑
---
常规风险
| 风险类型 | 说明 |
|----------|------|
| **API 密钥泄露** | `HEYGEN_API_KEY` 需妥善保管，避免硬编码 |
| **积分误消耗** | 生产环境勿忘关闭 `test` 模式 |
| **生成失败处理** | 需实现超时重试与失败回调机制 |
| **版权合规** | 使用 photo-avatar 功能时需确保肖像权合法 |
| **依赖锁定** | 建议封装适配层，降低对单一供应商的依赖 |