HeyGen 于 4 月 8 日发布 AI 视频工具 Avatar V。这款产品主打用一段 15 秒 的摄像头录像，生成用户面部、声音与动作风格的高拟真数字分身，并可据此持续生成“无限量”的棚拍质感视频，无需专业设备。
按官方披露，Avatar V 在 X 上的发布内容获得了 472,000 次浏览。产品的核心卖点不是单帧效果，而是身份一致性：系统会从一段短视频中提取用户的微表情、嘴唇几何、面部轮廓和自然动作，在后续生成的视频里保持同一人物特征，覆盖不同时长、镜头角度、服装和场景，试图解决早期 AI 虚拟人常见的“身份漂移”问题。
15 秒录像定义动作，照片定义外观
HeyGen 将 Avatar V 的设计拆成两层。第一层是身份建模，基于 15 秒视频建立所谓具备时间维度的身份嵌入，用来捕捉一个人的动作习惯、表情切换和整体存在感；第二层是外观参考，用户再选择一张基础照片作为后续所有视频场景的形象基准。这样一来，动作特征保持稳定，外观则可按提示词自由切换。
官方页面称，广角、中景和特写镜头都能从同一次录制中保持一致。录制过程也没有棚灯或团队门槛，手机或普通网络摄像头即可完成。
支持175种语言口型同步，语音克隆为可选项
实际使用流程分为三步：先录制 15 秒 视频，再按需单独录制语音克隆，最后选定一张基础照片作为身份参考。完成这些步骤后，用户可以通过文本提示词生成新的服装、场景和风格，也可以直接调用 HeyGen 的素材库。
视频输出支持 175 种语言，并带有对应目标语言的口型同步。语音克隆并非强制，但 HeyGen 建议用户启用这一选项，以获得更强的真实感。公司还提醒，录制时表情和动作越有表现力，最终生成结果越贴近预期。
已成平台底层模型，并接入 Seedance 2.0
HeyGen 表示，Avatar V 已成为其平台其他功能运行的基础模型，并已与 Seedance 2.0 集成，用于生成更具电影感的视频内容。该功能目前已在 HeyGen 的付费订阅层级中提供，用户可同时调用模板、翻译和工作室工具。
官方对这款产品的表述很直接：输出结果必须达到用户愿意署上自己名字的水平，而不是“对 AI 来说已经不错”。从产品定位看，HeyGen 想把 Avatar V 做成其 AI 视频工作流的底座，重点放在长视频中的人物稳定性，而不是短演示片段里的瞬时观感。