プロンプト駆動の動画生成
プロンプトから AI 動画セッションを作成し、エージェントにスクリプト作成、アバター選択、シーン構成、レンダリングを任せられます。
HeyGen Developersの公式APIドキュメント。AIアバター動画、翻訳、lipsync、インタラクティブ動画エージェントの開発に対応。API、MCP、CLIで利用可能。
HeyGen Developers は、HeyGen の動画生成プラットフォーム向けの公式 API ドキュメントサイトです。開発者は、AI アバター動画の作成、動画の翻訳、lipsync の追加、`api.heygen.com` バックエンドを介したインタラクティブな動画エージェントセッションの操作に使えるツールへアクセスできます。
このドキュメントの中心はセッションベースのワークフローです。プロンプトを送信し、session ID を受け取り、その後 video ID と最終的な video URL をポーリングするか、完了処理には webhooks を使用します。また、AI アシスタントやターミナルベースの自動化向けに、MCP と CLI スタイルのワークフローによる代替の統合方法も説明しています。
プロンプトから AI 動画セッションを作成し、エージェントにスクリプト作成、アバター選択、シーン構成、レンダリングを任せられます。
1 回で完結する `generate` フローで動画を生成するか、意思決定のために一時停止でき、修正も可能な複数ターンのセッションには `chat` モードを使用できます。
コンテキストを考慮したリップシンクと性別検出により、175 以上の言語へ動画を翻訳でき、既存コンテンツの吹き替えに適しています。
lipsync API を使用して、既存動画の音声を同期した口の動きとともに置き換えたり吹き替えたりできます。
HeyGen のテキスト読み上げ音声を使用してテキストから音声を作成でき、解説動画、研修、同様のナレーション用途に適しています。
video-agent のリクエスト本文を通じて、ブランドキット、アバター選択、任意のファイル添付、コールバック、向きの設定を適用できます。
チームはプロンプトから初稿の動画を生成し、その後 API または webhook コールバックを通じて session と video の結果を取得できます。
ローカライゼーションのワークフローでは、既存動画を複数の言語に翻訳しつつ、新しい音声に対して口の動きを一致させられます。
開発者は、MCP、Skills、または Direct API を使用して、Claude、Cursor、その他の互換エージェント内で agentic なフローを構築できます。
プロダクトおよびマーケティングチームは、アバター、音声、ブランドキット、向きの設定を使用して、同じ API ワークフローからブランド化された動画バリエーションを作成できます。
運用チームは、ターミナルまたは CI 環境から、ナレーション、lipsync の更新、バッチ動画生成ジョブを自動化できます。
HeyGen は、Claude のような AI アシスタントを接続するための MCP、Claude Code や Cursor のような AI コーディングエージェントを拡張するための Skills、そしてプログラムによる制御のための Direct API の 3 つの統合方法をサポートしています。
MCP は OAuth を使用し、API キーは不要です。Skills と Direct API は、HeyGen ダッシュボードの `X-Api-Key` ヘッダーで渡す API キーを使用します。
基本的な流れは、API キーを作成し、`POST` リクエストを `https://api.heygen.com/v3/video-agents` に送信し、その後 session と video の各エンドポイントをポーリングするか、webhook コールバックを使用します。
従量課金は $5 から開始します。ドキュメントには、カスタムなスケーラビリティ、専任サポート、Digital Twin Creation API、Proofread API、割引料金を含む Enterprise プランも記載されています。
API ドキュメントでは、session ベースの動画生成、動画翻訳、lipsync、voices、avatars、assets、webhooks、brand resources が説明されています。詳細はエンドポイントによって異なり、一部の機能は広範な製品ページではなく参照ページで案内されています。
CAMB.AI Streams は、YouTube、Twitch、X などの配信でライブ音声を多言語にリアルタイム吹き替え。SRT、RTMP、HLS対応で既存のライブワークフローに接続し、後編集なしで多言語配信を実現します。
Wallieは、画面を見てチャットを聞き、設定したペルソナでライブ解説を生成するオープンソースAI streamer。自分のキーでローカル実行でき、顔出しなし配信や自律配信、リアルタイム反応に最適です。
VIDEOAI.MEは、台本からスポークスパーソン風動画、広告、解説、SNS向けコンテンツを生成できるAI動画生成ツール。撮影なしで作成できます。
Talkpalは、130以上の言語でスピーキング、リスニング、ライティング、発音を練習できるAI搭載の語学学習Web・モバイルアプリ。ガイド付きコースやロールプレイ、通話形式の会話練習に対応。
艺映AIは、テキスト・画像・既存動画から生成できる無料のAI動画制作ツール。短尺SNS動画、プロモーション映像、スタイル化AI動画に対応。
TapNowは、企業・クリエイター・チーム向けのWebベースAIビジュアル制作プラットフォーム。画像・動画生成に加え、編集、企画、共同作業にも対応します。