HeyGenTalkingPhotoNode - ComfyUI Built-in Node Documentation

人物の静止画像を、HeyGenのAvatar IVテクノロジーを使用してリップシンク付きのトーキングビデオにアニメーション化します。

人物の静止画像を、HeyGenのAvatar IVテクノロジーを使用してリップシンク付きのトーキングビデオにアニメーション化します。HeyGenが音声に変換するテキストスクリプトでアニメーションを駆動するか、アバターがリップシンクするための独自のオーディオを提供することができます。

​

入力

パラメータ	説明	データ型	必須	範囲
画像	アニメーション化する人物の画像。2Kより大きい場合は自動的にダウンスケールされます。	IMAGE	はい	-
音声	テキストスクリプト（HeyGenテキスト読み上げ）または独自のオーディオでアバターを駆動します。	COMBO	はい	"script" "audio"
text	アバターが話すテキスト（最大5000文字）。生成された音声は少なくとも1秒以上の長さである必要があります。（デフォルト：空）	STRING	はい（speechが"script"の場合）	-
voice	スクリプト用の音声（HeyGenで最も人気のある音声）。	COMBO	はい（speechが"script"の場合）	複数のオプションが利用可能
custom_voice_id	オプションのHeyGenボイスID。設定すると、上で選択した音声を上書きします。HeyGenのライブラリ（2000以上）から任意の音声を使用できます。（デフォルト：空）	STRING	いいえ	-
voice_speed	音声速度の倍率（デフォルト：1.0）。	FLOAT	いいえ	0.5〜1.5
audio	アバターがリップシンクするためのオーディオ（最大10分）。	AUDIO	はい（speechが"audio"の場合）	-
解像度	出力ビデオの解像度（デフォルト："1080p"）。	COMBO	いいえ	"720p" "1080p"
アスペクト比	出力のアスペクト比。"auto"は入力画像に従います（デフォルト："auto"）。	COMBO	いいえ	"auto" "16:9" "9:16" "1:1" "4:5" "5:4"
表現力	アニメーション化された顔とジェスチャーの表現力（デフォルト："low"）。	COMBO	いいえ	"low" "medium" "high"
シード	HeyGenには送信されません。再実行を強制するために変更します（デフォルト：42）。	INT	いいえ	0〜2147483647

注：speechは音声ソースを選択する動的入力です。"script"に設定すると、textとvoiceが必須になり、custom_voice_idとvoice_speedはオプションになります。"audio"に設定すると、代わりにaudioが必須になります。

​

出力

出力名	説明	データ型
video	リップシンクされた音声付きのアニメーション化されたトーキングフォトの生成ビデオ。	VIDEO

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

---

Source fingerprint (SHA-256): 2181066a8c6191cfcaa15ece4f89a16c37e76aa22763d6df4007baa20336f05a