HeyGen Video debutta a 0,01 $ al secondo: cosa cambia davvero il post-training di MiniMax H3 di HeyGen

HeyGen Video è andato live il 30 settembre a 0,01 $ al secondo per tutto ottobre, e quel numero è tutta la storia. Una clip di dieci secondi costa dieci centesimi. Sul grafico di confronto di HeyGen, la generazione base da cui è stato messo a punto — MiniMax H3, rilasciato il 31 luglio 2026 — viene fatturata a 0,08 $ al secondo alla stessa 768p con audio, e gli altri punti di riferimento del grafico arrivano fino a 0,40 $ al secondo per Veo 3.1 di Google. Nulla del lancio è esotico: un modello, tre modalità di prompting, audio generato nella stessa chiamata. Ciò che è insolito è un'azienda che prende un modello base open-weights, ne esegue il post-training per il proprio settore verticale e fissa il prezzo del risultato al di sotto del modello da cui è stato derivato di quasi un ordine di grandezza — mentre allo stesso tempo afferma che i tester in cieco lo hanno classificato davanti a quel modello base. Entrambe le affermazioni sono di HeyGen, e l'aritmetica che vi sta dietro è dove risiede effettivamente la decisione dell'acquirente.

Cos'è davvero HeyGen Video

HeyGen Video è un modello video generico, non un motore per avatar, e la distinzione conta se hai già usato HeyGen. La documentazione dell'azienda stessa traccia esplicitamente il confine: i suoi motori di rendering degli avatar animano un aspetto che possiedi già, a partire da uno script che hai già scritto, mentre questo inventa il soggetto, l'ambiente, la luce e il suono in un colpo solo, partendo da una descrizione. Viene distribuito con l'identificatore heygen-video-1 su POST /v3/models/videos, autenticato con un x-api-key header, e funziona solo con chiavi API a pagamento.

Tre modalità coprono il condizionamento:

• text_to_video — solo prompt, output predefinito a 16:9.

• image_to_video — prompt più un'immagine, che diventa il primo fotogramma letterale, inclusa la sua orientazione EXIF; l'output segue le proporzioni di quell'immagine.

• reference_to_video — la modalità predefinita. Prompt più fino a nove immagini di riferimento, tre video di riferimento e tre clip audio di riferimento, dodici elementi in totale. L'ordine dell'elenco diventa l'etichetta a cui fai riferimento nel prompt: la prima voce di reference_images è <Picture 1>, il primo video è <Video 1>, e immagini, video e audio sono numerati in modo indipendente.

L'inviluppo di uscita è stretto e vale la pena leggerlo prima del prezzo:

• Durata — qualsiasi numero intero di secondi da 5 a 15, con valore predefinito 5.

• Risoluzione — 480p o 768p, predefinita a 768p. In 16:9 è 1344 × 768; in 9:16, 768 × 1344.

• Frequenza dei fotogrammi e audio — 24 fps in un contenitore MP4/H.264, con audio AAC a 32 kHz stereo che contiene dialoghi, ambienti ed effetti generati.

• Proporzioni — 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16, più adattive per la modalità riferimento, che eredita la forma della prima immagine di riferimento.

• Miglioramento del prompt — turbo per impostazione predefinita, quality per un passaggio più lungo, disabled per inviare il testo così com'è, senza modifiche.

Lo schema è rigoroso — i campi sconosciuti vengono rifiutati anziché ignorati — e seed è un intero senza segno a 32 bit che rende ripetibile uno scatto quando lo mantieni fisso e modifichi una clausola alla volta. I link di download sono firmati e scadono, quindi il polling li rinnova; i callback vengono tentati una volta per job e HeyGen stesso ti dice di considerarli un'ottimizzazione della latenza piuttosto che una garanzia.

I numeri del fornitore stesso, e le avvertenze in essi incorporate

HeyGen ha inserito un grafico di confronto sulla pagina di lancio, ed è l'unica affermazione quantitativa del pezzo, quindi vale la pena smontarlo invece di ripeterlo.

Il grafico della qualità è una tabella Elo con HeyGen Video in cima — 1000 — poi Dreamina Seedance 2.0 a 955, la famiglia H3 Max da 952 fino a 860, Kling 3.0 Pro a 857 e Veo 3.1 a 744. La nota a piè di pagina sta facendo molto lavoro: i punteggi provengono da un set di valutazione interno di query di Artificial Analysis Arena con 4.800 voti, e il punteggio di HeyGen stesso è normalizzato a 1000 per un confronto più semplice. Un fornitore che normalizza se stesso in cima al proprio grafico non è prova che sia in testa; è una scelta di presentazione. La spaziatura relativa al di sotto è la parte informativa.

Più utile è il confronto testa a testa. HeyGen afferma che i tester in cieco hanno preferito il suo modello a H3 Max di fal nel 55,8% dei confronti su 650 voti, con un intervallo del 49–62%. Questo intervallo è il dettaglio onesto: all'estremo inferiore si colloca a cavallo del 50%, quindi, secondo i numeri della stessa HeyGen, una preferenza rispetto a H3 Max non si distingue chiaramente dal rumore. Anche la ripartizione per asse è mista — 65% sull'aderenza all'immagine di origine e 66% sulla tempistica, contro 43% sulla coerenza e 45% sulla musica — il che fa pensare a un modello che regge bene una singola inquadratura contenuta e va alla deriva su quelle più lunghe.

La velocità è il dato meno contestabile. HeyGen dichiara che la sua inferenza di diffusione è di 3,7 secondi per una clip image-to-video di dieci secondi, contro 4,1 secondi per H3 Max Turbo e 8,3 secondi per H3 Max, con il tempo del captioner escluso perché varia a seconda della modalità. Qualunque valore inferiore alla durata della clip prodotta è più veloce del tempo reale.

Il prezzo, e una discrepanza nel testo di HeyGen stesso

Due fonti HeyGen forniscono due tariffe standard diverse. Il testo di lancio afferma che i prezzi partono da $0,01 al secondo fino a ottobre, descritto come sconto del 50% su un prezzo standard di $0,02 — il che rende ottobre la tariffa promozionale e $0,02 il prezzo di listino. Il grafico dei costi presente nella stessa pagina, con nota che lo indica come prezzo di listino al secondo a 768p con audio prima delle promozioni di lancio, colloca HeyGen Video a $0,03.

Non è una differenza di arrotondamento; è un divario del 50% tra ciò che la prosa di HeyGen dice essere la sua tariffa standard e ciò che dice il grafico di HeyGen. Le altre righe del grafico sono coerenti con i prezzi esterni — MiniMax fattura il MiniMax H3 base a 0,08 $ al secondo, che corrisponde ai 4,80 $ al minuto registrati da Artificial Analysis per esso — quindi le cifre della famiglia H3 non sono quelle anomale. Finché HeyGen non pubblica una pagina dei prezzi API, considera confermati gli 0,01 $ perché sono la tariffa promozionale attiva, e considera il numero successivo a ottobre compreso tra 0,02 $ e 0,03 $ al secondo.

Quanto costano mille secondi

Ecco il confronto che conta, a 768p con audio, per mille secondi di video generato — cento clip da dieci secondi:

• HeyGen Video in ottobre — $10 a $0,01 al secondo.

• Video HeyGen dopo ottobre — $20 a $0,02, oppure $30 se lo $0,03 del grafico è corretto.

• MiniMax H3 su OrcaRouter — 80 $ al prezzo di listino del fornitore di 0,08 $ al secondo, con 0% di ricarico, così ogni variazione di prezzo del fornitore è attiva qui lo stesso giorno.

• H3 Max di fal — $80 al prezzo indicato di $0,08 al secondo.

• Kling 3.0 Pro — $168 a $0.168 al secondo.

• Veo 3.1 — 400 $ a 0,40 $ al secondo.

Per i team che generano in grandi quantità e scartano la maggior parte di ciò che producono — tagli per i social, varianti pubblicitarie, loop di prodotto — il tasso di scarto è la vera voce di costo, e a dieci centesimi per un tentativo da dieci secondi l'economia dell'iterazione cambia forma. Il problema è il tetto: 768p a 24 fps non è un formato di consegna 2K, e "production-quality" è un'espressione di HeyGen, non una specifica. Il MiniMax H3 base raggiunge il 2K tramite un modulo di rigenerazione separato sull'API ospitata di MiniMax a 0,13 $ al secondo, e HeyGen Video non ha un equivalente — quindi se il tuo target di consegna è superiore a 768p, il secondo economico non è il secondo di cui hai bisogno.

Per i team che vogliono confrontare i due, MiniMax H3 è disponibile su OrcaRouter come minimax/minimax-h3 a 0,08 $ al secondo, così il modello base e il post-training possono stare dietro un'unica chiave invece che due contratti. HeyGen Video stesso oggi non è un modello instradato qui — viene servito tramite l'API proprietaria di HeyGen e diverse piattaforme di terze parti — che è esattamente il caso failover automatico per cui esiste: puoi fare prototipazione con un modello vecchio di qualche giorno senza puntare un percorso di produzione su di esso, e se raggiunge un provider instradato compare al prezzo di listino invece che a uno maggiorato.

Ciò in cui HeyGen dice di essere scarso

Il paragrafo più utile nella documentazione di HeyGen è quello che elenca le modalità di fallimento, perché i fornitori raramente le scrivono. HeyGen Video è, per usare le parole dell'azienda stessa, meno affidabile con testo lungo sullo schermo, con movimenti organici morbidi come petali, carta e capelli, e con lavori ravvicinati con le mani come assemblare o azionare attrezzature. Dà il meglio di sé su inquadrature brevi e contenute: un soggetto, un luogo, un'azione, una camera fissa o quasi immobile.

Quel profilo è in linea con i numeri in cieco per asse riportati sopra — buona aderenza a un'immagine fornita, coerenza debole — e dovrebbe orientare il modo in cui lo testi. La capacità su cui i film di lancio fanno più affidamento è la scrittura generata dentro l'inquadratura: ogni titolo al loro interno è stato dipinto, timbrato o impresso nella scena anziché composto in post-produzione. Le indicazioni di HeyGen stesso dicono che brevi frasi scritte esattamente vengono rese in modo affidabile, il che è un'affermazione ristretta, e gli stessi documenti mettono in guardia dal testo lungo a schermo. Se il tuo flusso di lavoro dipende da una tipografia leggibile, è quella la linea da sondare per prima.

Il secondo post-train di MiniMax H3 in cinque settimane

Il fatto strutturale interessante è che HeyGen Video non è il primo prodotto commerciale realizzato tramite fine-tuning di MiniMax H3. fal ha rilasciato H3 Max il 27 agosto, un post-train della stessa base co-ottimizzato con lo stack di inferenza di fal, e ha debuttato in cima alla classifica image-to-video con audio di Artificial Analysis. Ora HeyGen ha fatto la stessa cosa per un verticale diverso — video aziendali, demo di prodotto, formazione, visite guidate di immobili — e l'ha prezzato al di sotto della base.

Quel pattern è il vero segnale. La decisione di MiniMax di rilasciare i pesi di H3 con la propria licenza community ha trasformato il modello in un substrato che altre aziende possono specializzare e rivendere, e il secondo prodotto di questo tipo in cinque settimane suggerisce che il tasso di conversione è reale. Significa anche che «MiniMax H3» sta diventando una famiglia più che un modello: la versione base, H3 Max di fal e HeyGen Video ora competono tra loro a prezzi diversi e con risoluzioni diverse, e un acquirente che confronta «H3» con qualcos'altro deve specificare quale H3.

La classifica text-to-video di Artificial Analysis mostra quanto fortemente questo possa incidere. Il suo modello secondo in classifica con audio, a Elo 1150, è Utopai X — annotato da Artificial Analysis come basato su MiniMax H3 — davanti allo stesso MiniMax H3 di base a 1138, in quarta posizione. Qualunque sia il punteggio del modello di base, i derivati costruiti su di esso lo superano nelle preferenze umane in cieco su almeno una classifica indipendente.

Cosa è ancora non verificato

Tre cose che un lettore dovrebbe tenere aperte.

Innanzitutto, HeyGen Video non ha un punteggio indipendente. Al 1° ottobre non compare in nessuna delle tre classifiche video di Artificial Analysis — text-to-video, image-to-video o video-editing — quindi non esiste un Elo cieco e di terze parti per esso. Ogni numero sulla qualità in questo articolo è di HeyGen stesso, su un set di valutazione di query Arena che HeyGen ha messo insieme con 4.800 voti. Si tratta di una metodologia difendibile e di un risultato di un fornitore, e va letto come tale.

In secondo luogo, HeyGen non ha detto nulla sul rilascio dei pesi. Il modello da cui è stato messo a punto è open-weights, ma un post-train è un nuovo artefatto e le licenze di HeyGen restano sue; nulla nel materiale di lancio prende posizione in un senso o nell'altro.

Terzo, la documentazione si contraddice. Il riferimento API afferma che il prompt accetta al massimo 5.000 caratteri Unicode, mentre la tabella dei parametri nella pagina dei modelli indica l'intervallo come da 1 a 32.000 caratteri — una differenza di 6 volte su un limite di input rigido. Il valore più basso è quello che compare nel riferimento e nel riepilogo del changelog, quindi pianifica su 5.000 finché HeyGen non riconcilia i due valori.

Chi dovrebbe agire, e chi dovrebbe aspettare

Se il tuo lavoro video rientra in un'inquadratura contenuta — un prodotto su un banco, una stanza con un lento dolly, un unico soggetto e una videocamera fissa — e consegni a 768p o inferiore, la tariffa valida fino a ottobre è il modo credibile più economico per generare su larga scala filmati narrati e con colonna sonora che chiunque stia attualmente pubblicando. Provala questo mese, finché la promozione è ancora valida, e progetta il test intorno alle tre cose in cui HeyGen ammette di essere debole, anziché intorno al film di lancio.

Se il tuo target di consegna è superiore a 768p, se hai bisogno di testo lungo a schermo, o se la coerenza leggibile tra le inquadrature è il punto, aspetta. Il MiniMax H3 base rimane l'H3 instradabile a $0.08 al secondo per 768p, e il suo percorso 2K ospitato si attesta a $0.13 al secondo — entrambi dietro un'unica chiave su OrcaRouter, al prezzo di listino del provider senza ricarichi, quindi se il prezzo post-ottobre di HeyGen si rivelerà essere $0.03 anziché $0.02, vedrai qui la correzione il giorno stesso in cui avviene, non il mese dopo. Ciò che cambierebbe più rapidamente il verdetto è un Elo indipendente: quando HeyGen Video comparirà su una classifica cieca di terze parti, il 55,8% del fornitore o reggerà o non reggerà.