HeyGen的视频与语音模型正式登陆fal平台。据fal发布的信息，这次上线的两个模型分别是HeyGen Video和HeyGen Voice，共同点是"声音内置"——画面和声音一起生成，不用再分开处理。

打开网易新闻 查看精彩图片

具体能力上，HeyGen Video支持文本、图像和参考素材生成视频，每段片段自带对白、环境音和音效。时长控制在5到15秒，分辨率最高2K。

语音侧覆盖39种语言，支持即时声音克隆，并提供一个速度更快的Turbo档位。对做短视频和多语言内容的团队来说，这套组合把配音和口型对齐的环节压缩进了生成流程本身。

从产品形态看，HeyGen选择把视频和语音打包成一体，而不是让用户分别调用两个模型再拼接。片段时长偏短、分辨率给到2K，指向的是社交平台上的短内容生产场景。