HeyGen Video Meluncur dengan Harga $0,01 per Detik: Apa yang Sebenarnya Berubah dari Post-Train MiniMax H3 oleh HeyGen

HeyGen Video resmi diluncurkan pada 30 September dengan harga $0,01 per detik sepanjang Oktober, dan angka itu adalah inti ceritanya. Klip sepuluh detik biayanya sepeser. Pada bagan perbandingan milik HeyGen sendiri, generasi dasar yang menjadi asal penyetelannya — MiniMax H3, dirilis 31 Juli 2026 — ditagih $0,08 per detik pada 768p yang sama dengan audio, dan titik referensi lain di bagan itu mencapai $0,40 per detik untuk Veo 3.1 milik Google. Tidak ada yang eksotis dari peluncuran ini: satu model, tiga mode prompt, suara dihasilkan dalam panggilan yang sama. Yang tidak biasa adalah sebuah perusahaan mengambil model dasar berbobot terbuka, melakukan pasca-pelatihan untuk vertikalnya sendiri, dan menetapkan harga hasilnya di bawah model asal turunannya hampir satu orde besaran — sambil pada saat yang sama mengatakan bahwa penguji buta menempatkannya di depan model dasar tersebut. Kedua klaim itu milik HeyGen, dan aritmetika di baliknya adalah tempat keputusan pembeli sebenarnya berada.

Apa sebenarnya HeyGen Video

HeyGen Video adalah model video serbaguna, bukan mesin avatar, dan perbedaan ini penting jika Anda pernah menggunakan HeyGen sebelumnya. Dokumentasi perusahaan itu sendiri menarik garis secara eksplisit: mesin rendering avatarnya menganimasikan tampilan yang sudah Anda miliki dari skrip yang sudah Anda tulis, sedangkan yang ini menciptakan subjek, latar, cahaya, dan suara sekaligus dari sebuah deskripsi. Model ini dirilis dengan pengenal heygen-video-1 pada POST /v3/models/videos, diautentikasi dengan x-api-key header, dan hanya berjalan pada kunci API berbayar.

Tiga mode mencakup pengondisian:

• text_to_video — hanya prompt, output default ke 16:9.

• image_to_video — prompt ditambah satu gambar, yang menjadi frame pertama secara harfiah termasuk orientasi EXIF-nya; output mengikuti proporsi gambar tersebut.

• referensi ke video — mode default. Prompt ditambah hingga sembilan gambar referensi, tiga video referensi, dan tiga klip audio referensi, total dua belas item. Urutan daftar menjadi label yang Anda rujuk dalam prompt: entri pertama dari gambar referensi adalah <Gambar 1>, video pertama adalah <Video 1>, dan gambar, video, serta audio diberi nomor secara terpisah.

Envelope outputnya ketat, dan patut diperhatikan sebelum harganya:

• Durasi — bilangan bulat detik apa pun dari 5 hingga 15, dengan nilai default 5.

• Resolusi — 480p atau 768p, dengan default 768p. Pada 16:9 yaitu 1344 × 768; pada 9:16, 768 × 1344.

• Laju bingkai dan audio — 24 fps dalam wadah MP4/H.264, dengan audio AAC pada 32 kHz stereo yang membawa dialog, ambiens, dan efek yang dihasilkan.

• Rasio aspek — 21:9, 16:9, 4:3, 1:1, 3:4 dan 9:16, serta adaptif untuk mode referensi, yang mewarisi bentuk gambar referensi pertama.

• Peningkatan prompt — turbo secara default, kualitas untuk proses yang lebih lama, nonaktif untuk mengirim teks Anda tanpa diubah.

Skemanya ketat — bidang yang tidak dikenal ditolak, bukan diabaikan — dan seed adalah bilangan bulat 32-bit tanpa tanda yang membuat sebuah shot dapat diulang saat Anda menahannya dan mengubah satu klausa pada satu waktu. Tautan unduhan ditandatangani dan kedaluwarsa, jadi polling menyegarkannya; callback dicoba sekali per job dan HeyGen sendiri memberi tahu Anda untuk memperlakukannya sebagai optimasi latensi, bukan jaminan.

Angka milik vendor itu sendiri, dan catatan-catatan penting yang sudah melekat di dalamnya.

HeyGen menaruh bagan perbandingan di halaman peluncuran, dan itu adalah satu-satunya klaim kuantitatif dalam artikel ini, jadi layak dibedah alih-alih diulang.

Bagan kualitas adalah tabel Elo dengan HeyGen Video di posisi teratas — 1000 — lalu Dreamina Seedance 2.0 di 955, keluarga H3 Max di 952 hingga 860, Kling 3.0 Pro di 857, dan Veo 3.1 di 744. Catatan kaki itu sangat menentukan: skor berasal dari set evaluasi internal kueri Artificial Analysis Arena dengan 4.800 suara, dan skor HeyGen sendiri dinormalisasi menjadi 1000 agar perbandingan lebih sederhana. Vendor yang menormalkan dirinya sendiri ke posisi teratas di bagannya sendiri bukanlah bukti bahwa ia memimpin; itu adalah pilihan penyajian. Jarak relatif di bawahnya adalah bagian yang informatif.

Yang lebih berguna adalah adu langsung. HeyGen mengatakan penguji blind lebih memilih modelnya daripada H3 Max milik fal dalam 55,8% perbandingan dari 650 suara, dengan rentang 49–62%. Rentang itu adalah detail yang jujur: pada ujung bawah, angkanya mengapit 50%, jadi berdasarkan angka HeyGen sendiri, preferensi terhadap H3 Max tidak terpisah dengan jelas dari noise. Rincian per aspeknya juga campur aduk — 65% untuk tetap setia pada gambar sumber dan 66% untuk timing, versus 43% untuk konsistensi dan 45% untuk musik — yang terbaca seperti model yang mempertahankan satu shot mandiri dengan baik tetapi melenceng pada shot yang lebih panjang.

Kecepatan adalah angka yang paling tidak terbantahkan. HeyGen melaporkan inferensi difusinya 3,7 detik untuk satu klip gambar-ke-video berdurasi sepuluh detik, dibandingkan 4,1 detik untuk H3 Max Turbo dan 8,3 detik untuk H3 Max, dengan waktu captioner dikecualikan karena bervariasi menurut mode. Apa pun yang berada di bawah durasi klip yang dihasilkannya berarti lebih cepat daripada waktu nyata.

Harga, dan ketidaksesuaian dalam teks promosi HeyGen sendiri

Dua sumber HeyGen memberikan dua tarif standar yang berbeda. Teks peluncuran menyebutkan harga mulai dari $0.01 per detik hingga Oktober, yang dijelaskan sebagai diskon 50% dari standar $0.02 — sehingga Oktober menjadi tarif promosi dan $0.02 sebagai harga daftar. Bagan biaya di halaman yang sama, yang diberi catatan kaki sebagai harga daftar per detik pada 768p dengan audio sebelum promosi peluncuran, menempatkan HeyGen Video pada $0.03.

Itu bukan perbedaan pembulatan; itu adalah selisih 50% antara apa yang dikatakan teks HeyGen tentang tarif standarnya dan apa yang ditunjukkan bagan HeyGen. Baris-baris lain di bagan itu konsisten dengan harga dari luar — MiniMax menagih MiniMax H3 dasar sebesar $0,08 per detik, yang cocok dengan $4,80 per menit yang dicatat Artificial Analysis untuknya — jadi angka-angka keluarga H3 bukan yang menyimpang. Sampai HeyGen menerbitkan halaman harga API, anggap $0,01 sebagai terkonfirmasi karena itu tarif promosi yang sedang berlaku, dan anggap angka pasca-Oktober berada di antara $0,02 dan $0,03 per detik.

Berapa biaya seribu detik

Inilah perbandingan yang penting, pada 768p dengan audio, untuk seribu detik video yang dihasilkan — seratus klip sepuluh detik:

• HeyGen Video pada Oktober — $10 dengan $0,01 per detik.

• Video HeyGen setelah Oktober — $20 dengan $0.02, atau $30 jika $0.03 di grafik itu benar.

• MiniMax H3 di OrcaRouter — $80 dengan harga daftar penyedia sebesar $0,08 per detik, dengan markup 0%, jadi setiap perubahan harga vendor langsung berlaku di sini pada hari yang sama.

• fal's H3 Max — $80 pada tarif $0.08 per detik yang tercantum.

• Kling 3.0 Pro — $168 dengan $0,168 per detik.

• Veo 3.1 — $400 dengan $0.40 per detik.

Bagi tim yang menghasilkan konten secara massal dan membuang sebagian besar dari yang mereka buat — versi pendek media sosial, varian iklan, loop produk — tingkat pembuangan adalah pos biaya yang sesungguhnya, dan dengan biaya 0,10 dolar per percobaan sepuluh detik, hitungan ekonomi untuk beriterasi pun berubah bentuk. Masalahnya ada pada batas atasnya: 768p pada 24 fps bukan format pengiriman 2K, dan "kualitas produksi" adalah frasa HeyGen, bukan spesifikasi. MiniMax H3 versi dasar mencapai 2K melalui modul regenerasi terpisah pada API terhosting MiniMax dengan biaya $0,13 per detik, dan HeyGen Video tidak memiliki padanannya — jadi jika target pengiriman Anda di atas 768p, detik murah itu bukan detik yang Anda butuhkan.

Bagi tim yang ingin membandingkan keduanya, MiniMax H3 tersedia di OrcaRouter sebagai minimax/minimax-h3 dengan harga $0,08 per detik, sehingga model dasar dan model pasca-latih dapat diletakkan di balik satu kunci alih-alih dua kontrak. HeyGen Video sendiri bukan model yang dirutekan di sini saat ini — model tersebut dilayani melalui API HeyGen sendiri dan beberapa platform pihak ketiga — yang justru merupakan kasus di mana failover otomatis ada untuk: Anda dapat membuat prototipe terhadap model yang baru berumur beberapa hari tanpa mempertaruhkan jalur produksi padanya, dan jika model itu mencapai penyedia yang dirutekan, model tersebut muncul pada harga daftar alih-alih harga yang dinaikkan.

Apa yang menurut HeyGen tidak bisa ia lakukan dengan baik

Paragraf paling berguna dalam dokumentasi HeyGen adalah paragraf yang mencantumkan mode kegagalan, karena vendor jarang menuliskannya. HeyGen Video, menurut kata-kata perusahaan sendiri, paling tidak andal pada teks di layar yang panjang, pada gerakan organik yang halus seperti kelopak bunga, kertas, dan rambut, serta pada pekerjaan tangan jarak dekat seperti merakit atau mengoperasikan peralatan. Video ini paling unggul pada shot pendek yang terbatas: satu subjek, satu tempat, satu tindakan, kamera yang terkunci atau hampir tidak bergerak.

Profil itu sejalan dengan angka blind per-sumbu di atas — kepatuhan yang baik terhadap gambar yang diberikan, konsistensi lemah — dan itu semestinya membentuk cara Anda mengujinya. Kemampuan yang paling diandalkan oleh film peluncuran adalah tulisan huruf yang dihasilkan di dalam bidikan: setiap judul di dalamnya dilukis, dicap, atau ditekan ke dalam adegan, bukan dikomposit. Panduan HeyGen sendiri menyatakan bahwa frasa pendek yang dieja dengan tepat dirender secara andal, yang merupakan klaim sempit, dan dokumen yang sama memperingatkan agar menjauhi teks panjang di layar. Jika alur kerja Anda bergantung pada tipografi yang dapat dibaca, itulah yang perlu diuji terlebih dahulu.

Post-train MiniMax H3 kedua dalam lima minggu

Fakta struktural yang menarik adalah bahwa HeyGen Video bukanlah produk komersial pertama yang dibangun dengan menyempurnakan MiniMax H3. fal merilis H3 Max pada 27 Agustus, hasil pasca-pelatihan dari basis yang sama yang dioptimalkan bersama dengan stack inferensi fal, dan produk itu debut di posisi teratas papan peringkat image-to-video dengan audio milik Artificial Analysis. Kini HeyGen melakukan hal yang sama untuk vertikal yang berbeda — video bisnis, demo produk, pelatihan, tur properti — dan menetapkan harganya di bawah versi dasar.

Pola itu adalah sinyal sesungguhnya. Keputusan MiniMax untuk merilis bobot H3 di bawah lisensi komunitasnya sendiri mengubah model itu menjadi substrat yang dapat dikhususkan dan dijual kembali oleh perusahaan lain, dan produk semacam itu yang kedua dalam lima minggu menunjukkan bahwa tingkat konversinya nyata. Ini juga berarti "MiniMax H3" menjadi sebuah keluarga, bukan sekadar model: versi dasar, H3 Max milik fal, dan HeyGen Video kini bersaing satu sama lain pada harga dan resolusi yang berbeda, dan pembeli yang membandingkan "H3" dengan apa pun harus menyebut H3 yang mana.

Papan teks-ke-video Artificial Analysis menunjukkan seberapa kuat hal itu bisa diterima. Model peringkat keduanya yang menyertakan audio, pada Elo 1150, adalah Utopai X — diberi catatan kaki oleh Artificial Analysis sebagai berbasis MiniMax H3 — berada di depan MiniMax H3 versi dasar itu sendiri yang ada di peringkat keempat dengan 1138. Apa pun skor model dasar itu sendiri, turunan yang dibangun di atasnya mengunggulinya dalam preferensi manusia secara buta pada setidaknya satu papan peringkat independen.

Apa yang masih belum terverifikasi

Tiga hal yang sebaiknya tetap terbuka bagi pembaca.

Pertama, HeyGen Video tidak memiliki skor independen. Per 1 Oktober, ia tidak muncul di satu pun dari tiga papan video Artificial Analysis — teks-ke-video, gambar-ke-video, atau penyuntingan video — jadi belum ada Elo pihak ketiga yang blind untuknya. Setiap angka kualitas dalam tulisan ini adalah milik HeyGen sendiri, pada set eval kueri Arena yang HeyGen susun dengan 4.800 suara. Itu adalah metodologi yang dapat dipertahankan sekaligus hasil dari vendor, dan harus dibaca sebagai hasil vendor.

Kedua, HeyGen tidak mengatakan apa pun tentang merilis bobot. Model yang menjadi dasar penyetelannya memiliki bobot terbuka, tetapi pasca-pelatihan adalah artefak baru dan lisensi HeyGen sendiri adalah miliknya sendiri; tidak ada apa pun dalam materi peluncuran yang mengikatnya pada salah satu pilihan.

Ketiga, dokumentasi itu bertentangan dengan dirinya sendiri. Referensi API menyatakan bahwa prompt menerima paling banyak 5.000 karakter Unicode, sedangkan tabel parameter di halaman model memberikan rentang 1 hingga 32.000 karakter — selisih 6× pada batas input yang ketat. Angka yang lebih rendah adalah angka yang muncul dalam referensi dan ringkasan changelog, jadi rencanakan berdasarkan 5.000 sampai HeyGen menyelaraskan keduanya.

Siapa yang harus bertindak, dan siapa yang harus menunggu

Jika pekerjaan video Anda cocok dalam satu shot yang terbatas — produk di atas bangku, ruangan dengan dolly lambat, satu subjek dan kamera terkunci — dan Anda mengirimkannya pada 768p atau lebih rendah, through-October adalah cara paling murah yang kredibel untuk menghasilkan rekaman bernarasi dan berskoring dalam skala besar yang saat ini dipublikasikan siapa pun. Ujilah bulan ini selama promosinya masih berlaku, dan rancang pengujian itu di seputar tiga hal yang HeyGen akui sebagai kelemahannya, bukan di seputar film peluncurannya.

Jika target pengiriman Anda di atas 768p, jika Anda memerlukan teks di layar yang panjang, atau jika konsistensi keterbacaan di seluruh shot adalah intinya, tunggu. MiniMax H3 versi dasar tetap menjadi H3 yang dapat dirutekan pada $0,08 per detik untuk 768p, dan jalur 2K yang dihosting berada di $0,13 per detik — keduanya di balik satu kunci di OrcaRouter, pada harga daftar penyedia tanpa markup, jadi jika harga pasca-Oktober HeyGen ternyata $0,03, bukan $0,02, Anda akan melihat koreksinya di sini pada hari terjadinya, bukan sebulan setelahnya. Yang paling cepat mengubah putusan adalah Elo independen: begitu HeyGen Video muncul di papan blind pihak ketiga, angka 55,8% milik vendor itu akan terbukti bertahan atau tidak.