Guide d'utilisation

HeyGen Avatar IV ou Avatar V : comment choisir ? Sa propre photo ou un avatar prédéfini

Avec votre propre photo, choisissez Avatar IV ; pour un fond transparent, des sous-titres SRT ou de la 4K, choisissez Avatar V. Les deux coûtent 0,15 $ par seconde. Avec des rendus réels des deux côtés et un tableau de sélection par scénario.

Oct 10, 2026

Si vous avez votre propre photo et voulez que « cette personne » apparaisse, choisissez HeyGen Avatar IV ; si vous n'avez pas besoin de votre propre image et voulez un fond transparent, des sous-titres SRT ou de la 4K, choisissez HeyGen Avatar V. Les deux coûtent 0,15 $ par seconde, le choix n'affecte donc pas le budget.

HeyGen Avatar IV est déjà disponible sur HiAPI, ouvrez la page du modèle, téléchargez un portrait et écrivez un script pour générer une vidéo parlante.

Les différences en un tableau

	Avatar IV	Avatar V
D'où vient la personne à l'écran	Une photo que vous téléchargez (`image_url`)	Choisie parmi 497 avatars prédéfinis (`avatar`)
Mode de pilotage	Script + 102 voix, ou audio	Identique (même ensemble de 102 voix)
Résolution	720p / 1080p	720p / 1080p / 4k
Format d'image	16:9, 9:16, 4:5, 5:4, 1:1, auto	Identique
Fond	Remplissage des marges lorsque le format diffère de la photo (couleur unie ou image)	Fond de couleur unie ou image, `remove_background` supprime le fond d'origine, `fit` choisit contain / cover
Fond transparent	—	`output_format: webm`
Sous-titres	—	`caption: true` renvoie aussi un fichier SRT
Longueur du script	5000 caractères	5000 caractères
Prix	0,15 $ / seconde	0,15 $ / seconde

Ce qui détermine vraiment le choix, c'est la première ligne : la personne à l'écran est-elle fournie par vous ou choisie dans la bibliothèque. Les lignes suivantes sont les options de post-production supplémentaires offertes par Avatar V.

D'où vient la personne à l'écran ?

Avatar IV n'a besoin que d'une photo. Qui est sur la photo est dans la vidéo, vêtements, coiffure et pièce sont conservés tels quels. La vidéo paysage ci-dessous dure 9 secondes, en 1080p, 16:9, avec la voix Cute Chloe - Friendly :

La synchro labiale, les clignements et les légers hochements de tête suivent la voix. Le script (en substance : je suis Lin, avec une photo et un court script, je peux présenter votre produit ou enregistrer une leçon) :

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.

Le script est déjà rempli, téléchargez votre photo pour générer → Choisissez le format 16:9 et la résolution 1080p.

Avatar V n'a pas besoin de photo, il suffit de choisir l'un des 497 avatars prédéfinis. Voici l'avatar prédéfini Brandon Business Standing Front, avec la voix Jack Sterling - Broadcaster, en 1080p, 16:9 :

Les exigences sur la photo ne concernent qu'Avatar IV : un portrait de face, traits du visage non masqués, éclairage uniforme et bouche naturellement fermée donne les meilleurs résultats. Les illustrations et personnages 3D fonctionnent aussi, tant que le visage est clair.

Même script, une génération de chaque côté

Les deux groupes utilisent le même script, la même voix, en 1080p, 16:9, confiés respectivement à Avatar IV et Avatar V. La voix et le script étant identiques, la durée des rendus est exactement la même, donc le coût est identique.

Premier groupe : présentation produit (voix Cute Chloe - Friendly, 9 secondes, 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 : c'est le portrait en pull téléchargé qui apparaît, la pièce, la coiffure et les vêtements correspondent à la photo ; seuls la synchro labiale, les clignements et les légers hochements de tête bougent.

Avatar V : l'avatar prédéfini choisi est Abigail Office Front, une présentatrice filmée debout devant une bibliothèque et une table de réunion, qui parle en faisant des gestes.

Générer avec ce script → Le script est déjà rempli, téléchargez votre photo pour générer.

Deuxième groupe : présentation client (voix Dexter - Professional, environ 8 secondes, 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 : portrait en buste du consultant, avec une baie vitrée et une skyline urbaine en arrière-plan, la personne conserve le costume et la posture de la photo.

Avatar V : l'avatar prédéfini Brandon Office Sitting Front, assis derrière un poste dans un espace de travail ouvert, avec un ordinateur portable devant lui.

Générer avec ce script → Le script est déjà rempli, téléchargez votre photo pour générer.

En comparant les deux groupes : pour que la personne à l'écran soit celle que vous désignez, utilisez IV ; pour simplement qu'un présentateur professionnel explique clairement le propos, utilisez V en choisissant un avatar prédéfini.

Comment le faire parler ?

Sur ce point, les deux sont identiques. Écrivez un script et choisissez une voix parmi le même ensemble de 102 voix prédéfinies ; ou envoyez directement un enregistrement pour piloter la synchro labiale. La limite de script est de 5000 caractères dans les deux cas, en chinois comme en anglais.

Avec le même script et la même voix, changer de modèle ne nécessite donc aucune réécriture. La seule différence est la personne à l'écran : Avatar IV prend un lien de photo, Avatar V prend un nom d'avatar.

Comment gérer l'image et le fond ?

Le fond d'Avatar IV est celui de la photo elle-même. Ce n'est que lorsque le format de sortie diffère du ratio de la photo et que des marges apparaissent que background entre en jeu : passez #RRGGBB pour une couleur unie, ou une image pour remplir. Ci-dessous, une photo d'enseignante en format paysage placée en 9:16 portrait, avec un tableau noir en haut et en bas, 11 secondes :

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.

Le script est déjà rempli, téléchargez votre photo pour générer → Choisissez le format 9:16, un fond image et téléchargez votre image de fond.

Avatar V en fait plus sur le fond : remove_background supprime le fond d'origine pour le remplacer par une couleur unie ou une image, fit décide si la personne est intégrée entièrement en contain ou remplit en cover ; output_format: webm produit directement un fond transparent, à superposer sur n'importe quelle image dans un logiciel de montage.

Conseil de sélection : les avatars prédéfinis filmés d'Avatar V ont leur propre fond de tournage (par exemple le bureau derrière Brandon ci-dessus) ; pour des vidéos à fond uniforme, testez d'abord avec un court script pour vérifier le rendu du fond avant de générer en série.

Sous-titres et résolution

Avatar V, avec caption: true, fournit en plus de la vidéo un fichier de sous-titres SRT, l'image reste propre et le style des sous-titres peut être défini en post-production. La vidéo verticale de vente ci-dessous a activé les sous-titres :

Côté résolution, Avatar IV va jusqu'à 720p / 1080p, Avatar V ajoute une option 4k. Pour un grand écran ou une livraison 4K, utilisez Avatar V ; pour le mobile et le web, 1080p suffit.

Quelle différence de prix ?

Aucune, 0,15 $ par seconde dans les deux cas, la résolution n'affecte pas le prix.

Durée	Avatar IV	Avatar V
10 secondes	1,50 $	1,50 $
30 secondes	4,50 $	4,50 $

Les deux facturent selon le nombre réel de secondes de la vidéo générée, le prix ne dépend que de la longueur du script. Le tableau détaillé des prix par durée et le budget mensuel sont sur Prix de l'API HeyGen Avatar IV.

Comment choisir selon le scénario ?

Scénario	Choix
Ambassadeur de marque, formateur, fondateur lui-même à l'écran	Avatar IV
Faire parler une illustration ou un personnage 3D	Avatar IV
Pas de photo adaptée, choisir un avatar pour produire d'abord la vidéo	Avatar V
Superposition au montage, besoin d'un fond transparent	Avatar V
Besoin d'un fichier de sous-titres séparé	Avatar V
Besoin d'un rendu 4K	Avatar V

Questions fréquentes

Les deux modèles ont-ils le même prix ? Oui. 0,15 $ par seconde dans les deux cas, 1,50 $ pour 10 secondes, 4,50 $ pour 30 secondes.

Avatar IV peut-il utiliser mon propre enregistrement ? Oui. Passez audio_url, la synchro labiale et les pauses suivent l'enregistrement, l'audio dure au maximum 600 secondes. Avatar V prend aussi en charge le pilotage par audio.

Avatar IV peut-il produire un fond transparent ou des sous-titres ? Pour un fond transparent ou des sous-titres SRT, utilisez Avatar V. L'atout d'Avatar IV est de faire apparaître votre propre photo.

Quel modèle pour un personnage cartoon ou 3D ? Utilisez Avatar IV, téléchargez simplement l'image du personnage, tant que le visage est clair.

Faites d'abord parler votre propre personnage

Vous avez une illustration ou une image de personnage 3D ? Le script de chef ci-dessous génère 8 secondes sur Avatar IV :

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

Le script est déjà rempli, téléchargez votre image de personnage pour générer → Pour choisir un avatar parmi les avatars prédéfinis, ouvrez la page du modèle HeyGen Avatar V.