HeyGen запускает видео по $0,01 за секунду: что на самом деле меняет посттренировка MiniMax H3 от HeyGen

HeyGen Video вышел 30 сентября по цене $0.01 за секунду до конца октября, и это число — вся суть. Десятисекундный клип стоит десять центов. На собственной сравнительной диаграмме HeyGen базовая генерация, на основе которой он был дообучен, — MiniMax H3, выпущенная 31 июля 2026 года, — тарифицируется по $0.08 за секунду при тех же 768p со звуком, а другие ориентиры на диаграмме доходят до $0.40 за секунду для Veo 3.1 от Google. В запуске нет ничего экзотического: одна модель, три режима промптинга, звук генерируется в том же вызове. Необычно то, что компания берёт базовую модель с открытыми весами, дообучает её под собственную вертикаль и устанавливает цену на результат почти на порядок ниже, чем у модели, из которой он был получен, — при этом тут же заявляя, что слепые тестировщики поставили его выше этой базовой модели. Оба утверждения принадлежат HeyGen, и именно в арифметике за ними и кроется решение покупателя.

Что на самом деле представляет собой HeyGen Video

HeyGen Video — это универсальная видеомодель, а не движок аватаров, и это различие имеет значение, если вы уже пользовались HeyGen. В собственной документации компании эта граница проведена явно: её движки рендеринга аватаров анимируют внешность, которая у вас уже есть, по сценарию, который вы уже написали, тогда как эта модель создаёт субъект, обстановку, свет и звук одновременно из описания. Она поставляется под идентификатором heygen-video-1 в POST /v3/models/videos, аутентификация выполняется с помощью заголовка x-api-key, и она работает только на платных API-ключах.

Три режима охватывают кондиционирование:

• text_to_video — только промпт, вывод по умолчанию 16:9.

• image_to_video — промпт плюс одно изображение, которое становится буквально первым кадром, включая его ориентацию из EXIF; результат сохраняет пропорции этого изображения.

• reference_to_video — режим по умолчанию. Промпт плюс до девяти референсных изображений, трёх референсных видео и трёх референсных аудиоклипов, всего двенадцать элементов. Порядок в списке становится меткой, к которой вы обращаетесь в промпте: первая запись reference_images — это <Picture 1>, первое видео — <Video 1>, а изображения, видео и аудио нумеруются независимо.

Выходной диапазон узок, и его стоит изучить до того, как перейти к цене:

• Длительность — любое целое число секунд от 5 до 15, по умолчанию — 5.

• Разрешение — 480p или 768p, по умолчанию 768p. При соотношении 16:9 это 1344 × 768; при 9:16 — 768 × 1344.

• Частота кадров и звук — 24 кадра/с в контейнере MP4/H.264, со звуком AAC 32 кГц, стерео, несущим сгенерированные диалоги, фоновую атмосферу и эффекты.

• Соотношения сторон — 21:9, 16:9, 4:3, 1:1, 3:4 и 9:16, а также адаптивное для режима референса, который наследует форму первого референсного изображения.

• Улучшение промпта — турбо по умолчанию, качество для более длительной обработки, отключено, чтобы отправить ваш текст без изменений.

Схема строгая — неизвестные поля отклоняются, а не игнорируются, — и seed — это беззнаковое 32-битное целое число, которое делает снимок воспроизводимым, когда вы удерживаете его и меняете по одному условию за раз. Ссылки для скачивания подписываются и истекают, поэтому опрос обновляет их; обратные вызовы выполняются один раз на задание, и сам HeyGen советует рассматривать их как оптимизацию задержки, а не как гарантию.

Собственные цифры вендора и заложенные в них оговорки

HeyGen разместила на странице запуска сравнительную таблицу — это единственное количественное утверждение в материале, поэтому его стоит разобрать, а не повторять.

График качества — это таблица Elo, где HeyGen Video на вершине — 1000 — затем Dreamina Seedance 2.0 с 955, семейство H3 Max — от 952 до 860, Kling 3.0 Pro с 857 и Veo 3.1 с 744. Сноска несёт большую нагрузку: оценки взяты из внутреннего набора eval-запросов Artificial Analysis Arena с 4800 голосами, и собственная оценка HeyGen нормализована до 1000 для упрощения сравнения. То, что поставщик нормализует себя к вершине собственного графика, не является доказательством лидерства; это выбор подачи. Информативная часть — относительные интервалы ниже.

Полезнее прямое сравнение. HeyGen утверждает, что слепые тестировщики в 55,8% сравнений по итогам 650 голосов отдавали предпочтение её модели перед H3 Max от fal, а диапазон составил 49–62%. Этот диапазон и есть честная деталь: на нижней границе он пересекает отметку 50%, так что даже по собственным цифрам HeyGen предпочтение перед H3 Max чётко не отделяется от шума. Разбивка по отдельным осям тоже неоднородна — 65% за верность исходному изображению и 66% за тайминг против 43% за согласованность и 45% за музыку, — и это читается как модель, которая хорошо удерживает один замкнутый кадр и «плывёт» на более длинных.

Скорость — это наименее спорный показатель. HeyGen сообщает, что инференс её диффузионной модели занимает 3,7 секунды для одного десятисекундного клипа «изображение в видео» против 4,1 секунды у H3 Max Turbo и 8,3 секунды у H3 Max, при этом время работы генератора подписей не учитывается, поскольку оно варьируется в зависимости от режима. Всё, что меньше длительности созданного им клипа, быстрее реального времени.

Цена и несоответствие в собственных рекламных текстах HeyGen

Два источника HeyGen приводят две разные стандартные ставки. В рекламном тексте запуска говорится, что цена начинается с $0.01 за секунду и действует до конца октября, что описывается как скидка 50% от стандартных $0.02, — то есть октябрьская цена оказывается промо-ставкой, а $0.02 — прайсовой. Таблица стоимости на той же странице, где в сноске указана прайсовая цена за секунду при 768p со звуком до промо-акций запуска, оценивает HeyGen Video в $0.03.

Это не разница из-за округления; это разрыв в 50% между тем, что, согласно описанию HeyGen, является его стандартным тарифом, и тем, что показывает таблица HeyGen. Остальные строки таблицы согласуются со сторонними ценами — MiniMax тарифицирует базовую MiniMax H3 по $0.08 за секунду, что совпадает с $4.80 за минуту, которые Artificial Analysis фиксирует для неё, — так что показатели семейства H3 не выбиваются из общего ряда. Пока HeyGen не опубликует страницу с ценами на API, считайте $0.01 подтверждённой ценой, поскольку это действующий промо-тариф, а цену на период после октября считайте где-то между $0.02 и $0.03 за секунду.

Сколько стоит тысяча секунд

Вот сравнение, которое действительно важно: при 768p со звуком, для тысячи секунд сгенерированного видео — сто десятисекундных клипов:

• Видео HeyGen в октябре — $10 по $0.01 за секунду.

• HeyGen Video после октября — $20 при $0.02, или $30, если $0.03 на графике верно.

• MiniMax H3 на OrcaRouter — $80 по прайсовой цене провайдера $0,08 за секунду, с 0% наценки, поэтому любое изменение цены поставщика вступает в силу здесь в тот же день.

• fal's H3 Max — $80 по указанной ставке $0,08 в секунду.

• Kling 3.0 Pro — $168 по $0.168 за секунду.

• Veo 3.1 — $400 по цене $0,40 за секунду.

Для команд, которые массово генерируют и отбрасывают большую часть созданного — сокращённые версии для соцсетей, варианты рекламы, продуктовые лупы, — именно доля отбраковки становится реальной статьёй затрат, а при цене десять центов за десятисекундную попытку экономика итераций меняется. Но есть загвоздка — потолок: 768p при 24 кадрах/с — это не формат поставки 2K, а «production-quality» — это фраза HeyGen, а не спецификация. Базовая MiniMax H3 достигает 2K с помощью отдельного модуля регенерации в размещённом API MiniMax по цене $0,13 в секунду, а у HeyGen Video нет аналога — так что если ваш целевой формат поставки выше 768p, дешёвая секунда — не та секунда, которая вам нужна.

Для команд, которые хотят сравнить эти две модели, MiniMax H3 доступна на OrcaRouter как minimax/minimax-h3 по цене $0.08 в секунду, так что базовую модель и дообученную версию можно поместить за одним ключом вместо двух контрактов. Сам HeyGen Video сегодня здесь не является маршрутизируемой моделью — он предоставляется через собственный API HeyGen и несколько сторонних платформ — и именно для такого случая существует автоматическое переключение при сбое: вы можете прототипировать на модели, которой всего несколько дней, не ставя на неё производственный путь, а если она появится у маршрутизируемого провайдера, то будет доступна по прайс-листовой цене, а не с наценкой.

В чём, по словам HeyGen, он плох?

Самый полезный абзац в документации HeyGen — тот, где перечислены режимы отказа, потому что поставщики редко их описывают. HeyGen Video, по словам самой компании, наименее надёжен при длинном экранном тексте, при мягком органичном движении, таком как лепестки, бумага и волосы, и при работе руками крупным планом, например при сборке или управлении оборудованием. Лучше всего он работает в коротких, локальных кадрах: один субъект, одно место, одно действие, зафиксированная или почти неподвижная камера.

Этот профиль совпадает с покомпонентными слепыми оценками выше — хорошее соответствие предоставленному изображению, слабая согласованность — и он должен определять, как вы его тестируете. Возможность, на которую сильнее всего опираются фильмы запуска, — это надписи, генерируемые внутри кадра: каждый заголовок в них был нарисован, оттиснут или вдавлен в сцену, а не наложен при композитинге. Собственное руководство HeyGen утверждает, что короткие фразы, воспроизведённые точно по буквам, отображаются надёжно, и это узкое утверждение, а те же документы предостерегают от длинного текста на экране. Если ваш рабочий процесс зависит от читаемой типографики, именно эту границу и следует проверить в первую очередь.

Второй пост-тренинг MiniMax H3 за пять недель

Интересный структурный факт состоит в том, что HeyGen Video — не первый коммерческий продукт, созданный путём тонкой настройки MiniMax H3. fal выпустила H3 Max 27 августа — посттренированную версию той же базовой модели, совместно оптимизированную с инференс-стеком fal, — и она дебютировала на вершине рейтинга Artificial Analysis в категории image-to-video со звуком. Теперь HeyGen сделала то же самое для другой вертикали — корпоративного видео, демонстраций продуктов, обучения, экскурсий по недвижимости — и установила цену ниже, чем у базовой модели.

Эта закономерность — и есть настоящий сигнал. Решение MiniMax выпустить веса H3 под собственной лицензией сообщества превратило модель в основу, которую другие компании могут специализировать и перепродавать, а второй такой продукт за пять недель говорит о том, что темп конверсии реален. Это также означает, что «MiniMax H3» становится семейством, а не моделью: базовая модель, H3 Max от fal и HeyGen Video теперь конкурируют друг с другом по разным ценам и при разных разрешениях, и покупателю, сравнивающему «H3» с чем-либо ещё, приходится уточнять, какой именно H3.

Рейтинг text-to-video от Artificial Analysis показывает, насколько сильно это может себя проявить. Модель со звуком, занимающая в нём второе место, с Elo 1150 — это Utopai X (со сноской от Artificial Analysis о том, что она основана на MiniMax H3), и она опережает саму базовую MiniMax H3, у которой 1138 и четвёртое место. Какой бы ни была собственная оценка базовой модели, производные на её основе превосходят её в слепом человеческом предпочтении как минимум в одном независимом рейтинге.

Что ещё не проверено

Три вещи, которые читателю следует держать открытыми.

Во-первых, у HeyGen Video нет независимой оценки. По состоянию на 1 октября он не фигурирует ни на одной из трёх видеотаблиц Artificial Analysis — текст-в-видео, изображение-в-видео или видеоредактирование, — поэтому слепого стороннего Elo для него пока не существует. Все показатели качества в этом материале принадлежат самой HeyGen и получены на наборе для оценки из запросов Arena, который HeyGen собрала на основе 4800 голосов. Это защитимая методология и результат вендора, и воспринимать его следует именно так.

Во-вторых, HeyGen ничего не сообщила о выпуске весов. Модель, из которой её дообучили, имеет открытые веса, но пост-тренировка — это новый артефакт, а собственные лицензии HeyGen — это её собственные лицензии; ничто в материалах запуска не обязывает её ни к тому, ни к другому.

В-третьих, документация противоречит сама себе. В справочнике API указано, что промпт принимает не более 5 000 символов Юникода, тогда как в таблице параметров на странице моделей диапазон указан как от 1 до 32 000 символов — разброс в 6 раз для жёсткого ограничения на входные данные. Меньшее значение фигурирует в справочнике и в сводке изменений, поэтому ориентируйтесь на 5 000, пока HeyGen не приведёт эти два значения в соответствие.

Кто должен действовать, а кто должен ждать

Если ваша видеоработа укладывается в один замкнутый кадр — продукт на верстаке, комната с медленным проездом камеры, один объект в кадре и статичная камера — и вы выдаёте результат в 768p или ниже, тариф, действующий до конца октября, — самый дешёвый заслуживающий доверия способ массово создавать озвученные видеоматериалы с музыкальным сопровождением из тех, что кто-либо сейчас публикует. Протестируйте его в этом месяце, пока действует акция, и стройте тест вокруг трёх вещей, в которых HeyGen признаёт свою слабость, а не вокруг рекламного фильма.

Если ваше целевое разрешение доставки выше 768p, если вам нужен длинный текст на экране или если важна стабильная разборчивость текста от кадра к кадру, подождите. Базовая MiniMax H3 остаётся маршрутизируемой H3 по цене $0,08 в секунду для 768p, а её хостинговый 2K-вариант стоит $0,13 в секунду — оба доступны через один ключ на OrcaRouter по прейскурантной цене провайдера без наценки, так что если цена HeyGen после октября окажется $0,03, а не $0,02, вы увидите исправление здесь в тот же день, когда это произойдёт, а не месяцем позже. Быстрее всего изменить вердикт смог бы независимый Elo: как только HeyGen Video появится на слепом стороннем табло, заявленные поставщиком 55,8% либо подтвердятся, либо нет.