HeyGenでできることと向かないこと

HeyGenは、AIアバターが話す動画と、既存動画の多言語化を作るサービスです。日本語の音声・字幕を含むVideo Translationにも対応します。選ぶときは「AI動画を作りたい」だけで決めず、完成物がプレゼンター動画なのか、人物の顔と声を使ったDigital Twinなのか、既存動画の翻訳なのかを先に分けてください。映画のような自由な映像を作りたい場合や、細かな複数トラック編集が中心なら、HeyGen単体は候補の中心になりません。

まず完成物から機能を選ぶ

表は横にスクロールできます

欲しい完成物	HeyGenで見る機能	先に確かめる条件
台本を読むプレゼンター動画	Studio Avatar / Photo Avatar	声、発音、画面構成、利用プラン
本人らしい動きや表情を使う	Digital Twin（Video Avatar）	本人の撮影素材と同一人物の同意動画
既存動画を日本語化する	Video Translation	日本語が対象言語にあること、音声のみかlip-syncか
社内研修を分岐・追跡したい	Interactivity / SCORM	BusinessまたはEnterpriseの利用条件、LMS側の対応
自社サービスから生成したい	API	Web契約とは別のAPI料金・endpoint条件

「日本語対応」は一つの機能を指す言葉ではありません。scriptを日本語で入力できること、動画を日本語へ翻訳できること、字幕ファイルを出せること、自然な発音になることは別です。日本語が選択できても、社名・人名・型番や数字の読み方は公開前に音声と字幕を確認します。日本語品質を同条件で実測した結果はこの記事にありません。

既存動画を日本語にするなら

Video Translationの基本は、動画を取り込み、target languageと翻訳方式を選び、生成後に音声・字幕を確認する流れです。公式HelpではYouTubeまたはGoogle DriveのURLを取り込む方法も案内されています。Google Driveは共有設定、YouTubeは短縮URLではなくfull URLなど、source側の条件があります。

翻訳では、発話音声を日本語へ置き換えるか、元の話者の声に近づけるか、口の動きも合わせるかを選びます。音声だけで十分な教材ならlip-syncを使わない方式も比較できます。複雑な会話、横顔、顔の遮蔽などは、公式案内が高品質モードを勧める条件に含まれています。処理量や料金は翻訳時間と方式で変わるため、対象動画の長さから見積もってください。

翻訳版の公開前チェック

1. 元動画の発話と翻訳scriptを照合し、意味を落としていないか見る。

2. 人名、製品名、略語、数値、単位を字幕と音声の両方で確認する。

3. 話者が複数いる場合、話者の対応が入れ替わっていないか確認する。

4. 音声のみ版とlip-sync版を必要に応じて比較する。

5. 焼き込み字幕と書き出した字幕ファイルを別々に確認する。現在のHelpはSRTを書き出し形式として案内し、VTTや独自装飾は対象外としています。

6. 画面に焼き付いた文字や図表は自動翻訳されない前提で別途差し替える。

歌や音楽が中心の動画は翻訳結果が一定しないと公式に注意されています。短いsampleで字幕が合っても、長尺全体の自然さや固有名詞の正しさまでは保証されません。公開前に編集担当者が再生して確認する工程を残します。

自分のアバターを作る場合

Video Avatar / Digital Twinは、本人の映像から動きや表情を作る機能です。動画の持ち主と異なる人のアバターを作る場合でも、本人自身がconsent videoを提出する必要があります。HeyGenの現行手順では、アバター素材を用意した後に同じ人物が同意動画を録画・提出します。顔や声を含む素材を扱うため、社内制作なら本人の同意だけでなく、利用期間、公開先、削除担当、退職後の扱いを記録します。

Photo Avatarは写真を使う入口ですが、Digital Twinの動画素材とは得られる動きの種類が異なります。写真から作った人物の表現が実写の動作をそのまま再現する、と考えないでください。ブランドキャラクターや静止画を話者にする試作なら候補ですが、本人らしい身振りを継続して使いたいならVideo Avatarの素材要件を確認します。

研修・APIへ広げるとき

Interactivityはクリック要素や分岐、quizを動画に追加する機能で、Business / Enterprise向けです。SCORM Exportも同じくBusiness / Enterpriseで利用でき、LMSに合わせてSCORM 1.2 / 2004を選べます。動画自体はSCORM packageに格納されず、HeyGen側でホストされる点をLMS担当者と確認してください。研修の完了率を追いたいのか、単に動画を配るのかで必要な機能は変わります。

APIは通常のWeb planとは別に扱います。現在のHelpはpay-as-you-go方式を説明しており、動画生成・translationは出力時間や方式によってAPI creditが異なります。2026年2月以降のAPI無料creditはないと案内され、Digital Twin作成やProofreadingなどEnterprise APIに限られる機能もあります。画面操作の契約があればAPIも使えると推測せず、必要endpointと費用を契約前に確認してください。

まずは使ってみる

記事の文脈に合うToolへ進めます。報酬の有無で見た目は変えていません。

• 

  HeyGen

  公式サイトを見るTool詳細を見る

HeyGenが向く条件・向かない条件

短い研修・製品説明を同じpresenterで多言語展開したいなら、avatar生成とVideo Translationを一つの制作flowにまとめられる点が候補になります。既存講師の許可を得て定期的に台本を差し替える場合もDigital Twinを検討できます。

一方、映像のカメラワークや複雑なscene生成を主に作りたいなら、生成映像サービスを比較してください。完成した映像の色補正、multi-track audio、長い編集を細かく行う場合は、専用video editorとの分業が自然です。アバター利用の同意が取れない場合や、日本語の発音を人間が確認できない場合も公開を急がないでください。

初回の小さな試作

本制作の前に、公開可能な30〜60秒の説明動画で試します。用途、対象視聴者、必要な完成形式を決め、翻訳を使うなら日本語scriptと用語表を作り、まず1本だけ生成します。音声、subtitle、画面に焼き付いた文字、ブランド固有語を確認し、修正にかかった時間を記録します。次に複数本へ広げるのは、品質確認と権利確認の担当者が決まってからです。この試作は導入前の確認案であり、AIものさしがHeyGenで実行した結果ではありません。

比較するときは「完成物」と「工程の残り」を測る

候補を比べるときは、同じ台本・同じ長さの短いsampleを使い、アバターの見た目だけで決めないでください。字幕の修正時間、発音の直し、ブランド表記、編集ソフトへ渡す工程も記録します。Video Translationなら、音声のみとlip-syncのどちらが必要か、画面内文字の修正が別作業になるかを分けます。Digital Twinなら撮影・同意の準備と、公開先の承認を見積もります。

表は横にスクロールできます

判定軸	sampleで見ること	導入後に必要な担当
音声	人名、数字、略語、句読点で不自然にならないか	scriptと音声の確認者
字幕	意味の抜け、改行、画面端の切れ	字幕review担当
同意	avatarに使う人物と同意者が一致するか	本人確認・同意記録担当
編集	font、色、cut、音量を最終形式へ整えられるか	video editor
公開	利用権、公開先、地域、保存条件がそろうか	制作責任者・管理者

生成時間だけを比べると、後工程の修正負担が隠れます。初回試作では「生成後に人が直した箇所」と「公開前に止めた理由」も残してください。作業時間が短くても、本人確認や字幕確認を省く運用にはしません。

導入前に動画の利用目的も決めます。社内の一度限りの説明なら、動画を撮影して通常編集する方が早い場合があります。四半期ごとに同じ講師が内容を更新するならDigital Twinの再利用を比較します。多言語の既存教材ならVideo Translationから試し、複雑なmotion編集が要件に含まれるなら専用editorへ渡す工程を見積もります。機能が多い方を選ぶのではなく、撮影・翻訳・編集・承認のどこを減らすのかで判断してください。

契約前には最新の対象プランと生成上限も公式Pricingで確認し、UIとAPIの費用を一つの数字へまとめないでください。

動画の長さもプラン選択に影響します。現行Video Translation HelpはCreator / Proで1本30分、Businessで60分、Enterpriseで最大5時間という上限を案内しています。長い講義を翻訳するなら、短いsampleで品質を確かめた後、実際の動画尺が契約プラン内に収まるか確認してください。

AIものさしの判断

HeyGenを選びやすいのは、話者を立てた動画を撮影なしで作る、または既存動画を日本語を含む複数言語へ展開する場合です。導入前に「翻訳」「同意が必要なアバター」「LMS」「API」を別の要件として選び、短いsampleで音声・字幕・画面文字を確かめます。映像編集の自由度や日本語の自然さを、機能名だけから評価しないことが判断の分かれ目です。