HeyGen Video 1

HeyGen Video 1 是 HeyGen 的视频模型，在 NeverNo 视频工作室里随付费套餐提供，用积分付费。它根据描述或起始图片，生成 5 秒或 10 秒的片段，比例为 16:9 或竖版 9:16，分辨率 1344×768 像素。和 P-Video 2 Pro、Wan 3.0、Seedance 2.5 不同，它只接受起始图片，没有结束图片可设置。工作室给它打上“快速”和“带声音”标签，它是目录里唯一一个对白和声音与画面在同一次生成中完成的模型。

在 Artificial Analysis 的视频竞技场上（2026 年 11 月 7 日读取），HeyGen Video 1 文生视频的 Elo 为 1152，加入时位列竞技场第四，图生视频为 1123。相比之下，P-Video 2 Pro 是 1128 和 1117，MiniMax H3 Max 是 1145 和 1115，Veo 3.1 Fast 是 956 和 950。文生视频方面，工作室的模型中只有 Wan 3.0（1172）和 Seedance 2.5（1155）排在它前面。

一段 5 秒的片段通常需要约 33 秒，数据来自我们的视频服务商 Runware。在我们的测试中，它把面包店的招牌写对了，还让面包师向镜头打了招呼，这两件事都很容易搞砸。工作室给它打上“图中文字”标签，当你的描述需要写出文字时，自动模式会给带这个标签的模型加分。

它是匿名的。NeverNo 向 HeyGen 发送请求时，不带你的姓名、账户或 IP 地址；但 HeyGen 仍会读到指令并应用它的规则，其内容政策并未公开，所以某些请求可能会被拒绝。完成的片段保存在你的浏览器里，而不是我们的服务器上。把它看作一个小型选角工具。用几个看得见的特征描述这个人，写下他所在的房间、他说的台词和伴随的动作，然后检查嘴唇、声音和背景音是否吻合。如果声音和场景不配，就改说话人的描述，而不是房间的描述。简短自然的句子效果最好，只有一位说话人时节奏最干净。较长的文本，请拆成几个片段，再在剪辑软件里拼接。培训师、店员和语言老师，可以打出一段简短的欢迎词、产品建议或发音示范，再比较几次生成，找出画面里最亲切、最清晰的说法。在输入台词之前先大声念一遍：如果你念着会卡壳，表演大概率也会卡壳。更短的句子、简单的词汇和安静的背景，结果最稳定，同一个场景生成两三个版本，就能看出哪种措辞听着最自然。先看嘴巴、眼睛和手；这三样看起来可信，其余的通常就没问题。