¿HeyGen Avatar IV o Avatar V? Usa tu propia foto o un avatar predefinido

Si tienes tu propia foto y quieres que "esa persona" aparezca en cámara, elige HeyGen Avatar IV; si no necesitas tu propia imagen y quieres fondo transparente, subtítulos SRT o 4K, elige HeyGen Avatar V. Ambos cuestan $0.15 por segundo, así que la elección no afecta al presupuesto.

HeyGen Avatar IV ya está disponible en HiAPI. Abre la página del modelo, sube una foto de retrato, escribe un guion y genera un video con voz.

Las diferencias en una tabla

	Avatar IV	Avatar V
De dónde sale la persona en cámara	Una foto que tú subes (image_url)	Se elige entre 497 avatares predefinidos (avatar)
Forma de conducción	Guion + 102 voces, o audio	Igual (el mismo conjunto de 102 voces)
Resolución	720p / 1080p	720p / 1080p / 4k
Relación de aspecto	16:9, 9:16, 4:5, 5:4, 1:1, auto	Igual
Fondo	Rellena el espacio vacío cuando la relación de aspecto no coincide con la foto (color sólido o imagen)	Fondo de color sólido o imagen, remove_background elimina el fondo original, fit elige contain / cover
Fondo transparente	—	output_format: webm
Subtítulos	—	caption: true devuelve además un archivo SRT
Longitud del guion	5000 caracteres	5000 caracteres
Precio	$0.15 / segundo	$0.15 / segundo

Lo que realmente decide cuál elegir es la primera fila: si la persona en cámara la aportas tú o se elige de la biblioteca. Las filas siguientes son las cosas extra que Avatar V ofrece en posproducción.

¿De dónde sale la persona en cámara?

Avatar IV solo necesita una foto. Quien esté en la foto será quien aparezca en el video, conservando la ropa, el peinado y la habitación tal cual. El siguiente ejemplo horizontal de 9 segundos, 1080p, 16:9, con la voz Cute Chloe - Friendly:

El movimiento de labios, los parpadeos y los ligeros asentimientos siguen al audio. El guion (en resumen: soy Lin, con una foto y un guion corto puedo presentar tu producto o grabar una lección):

Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.

Guion ya rellenado, sube tu foto y genera → Elige 16:9 como relación de aspecto y 1080p como resolución.

Avatar V no necesita foto: basta con elegir uno de los 497 avatares predefinidos para que aparezca en cámara. Abajo el avatar predefinido Brandon Business Standing Front, con la voz Jack Sterling - Broadcaster, 1080p, 16:9:

Los requisitos de la foto solo aplican a Avatar IV: lo más fiable es una foto de una sola persona, de frente, con rasgos sin obstrucciones, iluminación uniforme y boca cerrada de forma natural. Las ilustraciones y personajes 3D también sirven siempre que tengan una cara clara.

El mismo guion, generado una vez en cada lado

En ambos grupos se usa el mismo guion, la misma voz, 1080p y 16:9, y se entregan respectivamente a Avatar IV y Avatar V. Al compartir voz y guion, la duración de los videos finales es exactamente la misma, así que el coste también.

Primer grupo: presentación de producto (voz Cute Chloe - Friendly, 9 segundos, $1.35)

Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.

Avatar IV: en cámara aparece el retrato con jersey que se subió, con la habitación, el peinado y la ropa idénticos a la foto; lo que se mueve son los labios, los parpadeos y ligeros asentimientos.

Avatar V: el avatar predefinido elegido es Abigail Office Front, una presentadora real de pie frente a una estantería y una mesa de reuniones, que gesticula mientras habla.

Genera con este guion → El guion ya está rellenado; sube tu foto y genera.

Segundo grupo: informe a un cliente (voz Dexter - Professional, unos 8 segundos, $1.20)

Hi, I'm Daniel. Send me your quarterly numbers, and I'll walk your team through what changed and what to do next.

Avatar IV: retrato de medio cuerpo de un consultor, con ventanales y el horizonte urbano detrás; la persona mantiene el traje y la posición de la foto.

Avatar V: el avatar predefinido Brandon Office Sitting Front, sentado detrás de un escritorio en una oficina diáfana, con un portátil delante.

Genera con este guion → El guion ya está rellenado; sube tu foto y genera.

Vistos juntos: si quieres que en la imagen aparezca la persona que tú especificas, usa IV; si solo necesitas que un presentador profesional lo explique con claridad, usa V eligiendo entre los avatares predefinidos.

¿Cómo hacer que hable?

En este punto ambos son idénticos. Escribe el guion y elige una voz del mismo conjunto de 102 voces predefinidas, o sube directamente una grabación para conducir el movimiento de labios. El límite de guion es de 5000 caracteres en ambos, tanto en chino como en inglés.

Por eso, con el mismo guion y la misma voz, cambiar de modelo no requiere reescribir nada. La única diferencia está en quién aparece en cámara: Avatar IV recibe el enlace de una foto y Avatar V recibe el nombre del avatar.

¿Cómo se gestionan la imagen y el fondo?

El fondo de Avatar IV es el propio fondo de la foto. Solo cuando la relación de aspecto de salida difiere de la de la foto y aparecen espacios vacíos entra en juego background: pasa un #RRGGBB para rellenar con color sólido, o pasa una imagen para rellenarlo por completo. Abajo, una foto horizontal de una profesora colocada en vertical 9:16, con los espacios superior e inferior rellenos con una imagen de pizarra, 11 segundos:

Hello everyone. Today we'll explain the Pythagorean theorem in five minutes. In a right triangle, the squares of the two legs add up to the square of the hypotenuse.

Guion ya rellenado, sube tu foto y genera → Elige 9:16 como relación de aspecto y selecciona imagen como fondo, subiendo tu propia imagen de fondo.

Avatar V puede hacer más con el fondo: remove_background elimina el fondo original y lo sustituye por un color sólido o una imagen; fit decide si la persona se encaja completa con contain o se rellena con cover; output_format: webm genera directamente fondo transparente para superponerlo sobre cualquier imagen en el software de edición.

Consejo de selección: los avatares predefinidos reales de Avatar V traen el fondo de su grabación (por ejemplo, la oficina detrás de Brandon arriba); para videos que necesiten un fondo uniforme, prueba primero con un guion corto y confirma el resultado del fondo antes de generar en lote.

Subtítulos y resolución

Si pasas caption: true a Avatar V, además del video te entrega un archivo de subtítulos SRT aparte; la imagen en sí se mantiene limpia y el estilo de los subtítulos lo defines tú en posproducción. El siguiente ejemplo vertical de venta de producto tiene los subtítulos activados:

En resolución, Avatar IV ofrece 720p / 1080p, y Avatar V añade un nivel 4k. Para pantallas grandes o entregas en 4K, usa Avatar V; para móvil y web, 1080p es suficiente.

¿Cuánto difiere el precio?

Ni un céntimo: ambos cuestan $0.15 por segundo y la resolución no afecta al precio.

Duración	Avatar IV	Avatar V
10 segundos	$1.50	$1.50
30 segundos	$4.50	$4.50

Ambos facturan según los segundos reales del video generado, y el precio solo depende de la longitud del guion. La tabla detallada de precios por duración y el presupuesto mensual están en Precios de la API de HeyGen Avatar IV.

¿Cómo elegir según el escenario?

Escenario	Cuál elegir
Imagen de marca, profesor o fundador en persona	Avatar IV
Tienes una ilustración o personaje 3D y quieres que hable	Avatar IV
No tienes una foto adecuada y prefieres elegir un avatar para sacar el video adelante	Avatar V
Necesitas superponerlo en edición con fondo transparente	Avatar V
Necesitas un archivo de subtítulos aparte	Avatar V
Necesitas un video final en 4K	Avatar V

Preguntas frecuentes

¿Los dos modelos cuestan lo mismo? Sí. Ambos cuestan $0.15 por segundo: 10 segundos $1.50, 30 segundos $4.50.

¿Puedo usar mi propia grabación con Avatar IV? Sí. Pasa audio_url y el movimiento de labios y las pausas seguirán la grabación; el audio puede durar hasta 600 segundos. Avatar V también admite conducción por audio.

¿Puede Avatar IV generar fondo transparente o subtítulos? Para fondo transparente o subtítulos SRT, usa Avatar V. La ventaja de Avatar IV es que aparece en cámara con tu propia foto.

¿Cuál usar para personajes de dibujos animados o 3D? Usa Avatar IV y sube la imagen del personaje; basta con que tenga una cara clara.

Haz que tu propio personaje hable primero

¿Tienes a mano una ilustración o una imagen de un personaje 3D? El siguiente guion de chef genera 8 segundos en Avatar IV:

Tonight's special is a slow-roasted tomato soup. It's simple, warm, and ready in twenty minutes. Let's cook!

Guion ya rellenado, sube la imagen de tu personaje y genera → Si prefieres elegir entre avatares predefinidos, abre la página del modelo HeyGen Avatar V.

Lecturas relacionadas

• Página del modelo HeyGen Avatar IV: sube una foto y genera en línea
• Cuánto cuesta la API de HeyGen Avatar IV: tabla de precios por segundo y presupuesto mensual
• Casos de HeyGen Avatar IV: fotos, guiones y videos finales de 7 escenarios
• Cómo usar la API de HeyGen Avatar IV: integración completa de foto a video con voz
• Documentación de la interfaz de HeyGen Avatar IV
• Documentación de la interfaz de HeyGen Avatar V: parámetros como avatar, remove_background y caption