Casi d'uso di HeyGen Avatar IV: foto, script e video finali per 7 scenari

Con una foto ritratto e uno script, HeyGen Avatar IV fa parlare la persona nella foto, con sincronizzazione labiale, battito di ciglia e cenni del capo che seguono la voce. I 7 scenari seguenti sono tutti video finali reali, ciascuno con foto di input, script completo e parametri; clicca «Genera con questo script» e lo script sarà già compilato: carica la tua foto e il video è pronto. HeyGen Avatar IV è disponibile su HiAPI: apri la pagina del modello per generare direttamente, con tariffa al secondo di $0.15, un video finale di 8 secondi costa $1.20.

Scenario	Formato	Durata	Costo
1. Spiegazione orizzontale	16:9	9 secondi	$1.35
2. Monologo verticale di raccomandazione prodotto	9:16	8 secondi	$1.20
3. Presentazione aziendale	16:9	8 secondi	$1.20
4. Promemoria salute quadrato	1:1	8 secondi	$1.20
5. Guida con registrazione audio	9:16	10 secondi	$1.50
6. Personaggio 3D che parla	16:9	8 secondi	$1.20
7. Foto orizzontale per corso verticale	9:16	11 secondi	$1.65

1. Spiegazione orizzontale: una foto per una presentazione prodotto o l'apertura di una lezione

Adatta per la prima schermata del sito, l'introduzione di un corso, una pagina di presentazione prodotto: basta una foto a mezzo busto in casa.

Foto di input

Video finale

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.

Significato in cinese: Sono Lin. Con una foto e un breve script, posso presentarti il prodotto o registrare una lezione, con labiale ed espressioni naturali.

Parametri: voce Cute Chloe - Friendly · 16:9 · 1080p · 9 secondi ($1.35)

Genera con questo script → Lo script è già compilato: carica la tua foto e il video è pronto; scegli la voce Cute Chloe - Friendly e il formato 16:9.

Il video finale mantiene il maglione, l'acconciatura e la stanza della foto, facendo solo muovere la persona. Per il tuo prodotto: sostituisci I'm Lin con il tuo nome e present your product or record a lesson con una frase su cosa fa il tuo prodotto, ad esempio I can show you how our app plans your week in two minutes.

2. Monologo verticale: raccomandazione prodotto per i video brevi

Adatto per monologhi 9:16 su Douyin, Xiaohongshu e TikTok, con esperienza d'uso in prima persona e invito a seguire nell'ultima frase.

Foto di input

Video finale

I've been using these new earbuds for a week. The noise canceling is super quiet, and the battery lasts all day. Follow me for more.

Significato in cinese: Uso questi nuovi auricolari da una settimana, la cancellazione del rumore è silenziosissima e la batteria dura tutto il giorno. Seguimi per altri contenuti.

Parametri: voce Andrew · 9:16 · 1080p · 8 secondi ($1.20)

Genera con questo script → Lo script è già compilato: carica la tua foto e il video è pronto; scegli la voce Andrew e il formato 9:16.

La foto è già 9:16, quindi il video riempie lo schermo verticale senza spazi vuoti. Per un monologo verticale, scattare o generare direttamente una foto verticale è la soluzione più semplice.

• Cambio prodotto: mantieni la struttura «da quanto tempo lo uso → due punti di forza → invito a seguire», ad esempio I've been using this standing desk for a month. It rises in three seconds, and my back feels better. Follow me for more.
• Produzione in serie: abbina la stessa foto a script con punti di forza diversi e genera più video per un test A/B.

3. Presentazione aziendale: raccontare i dati trimestrali al team

Adatta per formazione interna, report settimanali ai clienti, apertura commerciale: una voce maschile autorevole con una foto a mezzo busto in ufficio.

Foto di input

Video finale

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

Significato in cinese: Sono Daniel. Inviatemi i dati trimestrali e guiderò il vostro team attraverso cosa è cambiato e cosa fare dopo.

Parametri: voce Dexter - Professional · 16:9 · 1080p · 8 secondi ($1.20)

Genera con questo script → Lo script è già compilato: carica la tua foto e il video è pronto; scegli la voce Dexter - Professional e il formato 16:9.

Per il tuo business: sostituisci quarterly numbers con il tuo deliverable (your onboarding checklist, last week's support tickets) e nella seconda parte spiega cosa farai con il team. Con una foto reale del responsabile dell'azienda ottieni un video di apertura da inviare ai clienti.

4. Promemoria salute quadrato: push sui social per ambulatori e farmacie

Adatto per video brevi 1:1 su WeChat Moments, gruppi e account WeChat: figura di medico con voce femminile gentile.

Foto di input

Video finale

When the seasons change, mornings get chilly, so bring a jacket. If a cough lasts more than a week, please come see us at the clinic.

Significato in cinese: con il cambio di stagione le mattine sono fresche, ricordati una giacca. Se la tosse dura più di una settimana, vieni a trovarci in ambulatorio.

Parametri: voce Calm Chloe · 1:1 · 1080p · 8 secondi ($1.20)

Genera con questo script → Lo script è già compilato: carica la tua foto e il video è pronto; scegli la voce Calm Chloe e il formato 1:1.

La foto e l'output sono entrambi quadrati, quindi l'immagine riempie esattamente il formato. Per la tua struttura: nella prima parte scrivi un promemoria stagionale o situazionale, nella seconda un'azione chiara, ad esempio If your child has a fever for more than two days, book a visit with us.

5. Guida con registrazione audio: la tua voce, il tuo ritmo

Se hai già una voce fuori campo o un frammento di podcast registrato, non serve scrivere lo script: fai parlare la foto direttamente seguendo la registrazione.

Foto di input

Video finale

Parametri: registrazione audio in inglese · 9:16 · 1080p · 10 secondi ($1.50)

Carica foto e registrazione per generare → Questo scenario non ha script: nella pagina del modello basta caricare la foto e una registrazione; il video dura quanto la registrazione, fino a un massimo di 600 secondi.

Labiale e pause seguono la registrazione, e anche il tono e l'accento sono quelli della registrazione. Adatto a blogger e formatori che vogliono mantenere la propria voce: registra prima una voce fuori campo di 10–30 secondi e abbinala a una tua foto verticale. Con la registrazione non serve scegliere la voce.

6. Personaggio 3D che parla: mascotte del brand, conduttore virtuale

Anche illustrazioni e personaggi 3D possono parlare, basta che il volto sia nitido.

Foto di input

Video finale

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

Significato in cinese: il piatto speciale di stasera è una zuppa di pomodoro al forno lento, semplice, calda e pronta in venti minuti. Cuciniamo!

Parametri: voce Expressive Evan · 16:9 · 1080p · 8 secondi ($1.20)

Genera con questo script → Lo script è già compilato: carica l'immagine del tuo personaggio e il video è pronto; scegli la voce Expressive Evan e il formato 16:9.

• Per la tua mascotte: carica un'immagine del volto frontale del personaggio e scrivi lo script come «cosa consigliamo oggi → una caratteristica → uno slogan».
• Per menu e aggiornamenti giornalieri del negozio: cambia ogni giorno solo slow-roasted tomato soup e twenty minutes, pubblicando con lo stesso personaggio.

7. Foto orizzontale per corso verticale: riempire gli spazi vuoti con un'immagine di sfondo

Se hai solo una foto orizzontale e devi pubblicare in verticale, imposta un'immagine come sfondo: gli spazi vuoti sopra e sotto verranno riempiti da questa immagine.

Foto di input

Video finale

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.

Significato in cinese: ciao a tutti, oggi spieghiamo il teorema di Pitagora in cinque minuti: in un triangolo rettangolo la somma dei quadrati dei due cateti è uguale al quadrato dell'ipotenusa.

Parametri: voce Professor Dean · 9:16 · 1080p · sfondo: immagine (un'immagine di lavagna) · 11 secondi ($1.65)

Genera con questo script → Lo script è già compilato: carica la tua foto e il video è pronto; scegli la voce Professor Dean, il formato 9:16 e come sfondo un'immagine di lavagna.

Lo sfondo si applica solo quando il formato di output e le proporzioni della foto sono diversi; senza sfondo gli spazi vuoti sono bianchi. Puoi anche inserire un colore del brand, ad esempio #1E3A5F. Per il tuo corso: la prima frase introduce argomento e durata, la seconda dà direttamente la conclusione, ad esempio Today we'll learn three ways to say thank you in Japanese. The most polite one is arigatou gozaimasu.

Come scegliere la foto

• Più affidabile: foto di una sola persona, volto frontale, tratti del viso non coperti, luce uniforme, bocca naturalmente chiusa.
• Da evitare: profilo laterale, mascherina, foto di gruppo, foto in cui il volto è molto piccolo nell'inquadratura.
• Illustrazioni e personaggi 3D sono ammessi, purché abbiano un volto chiaro; soggetti non umani come gli animali potrebbero non essere riconosciuti, in caso di errore il rimborso è totale.
• Formato il più possibile uguale a quello del video: per il verticale usa una foto verticale (casi 2 e 5), per il quadrato una foto quadrata (caso 4); con proporzioni diverse riempi gli spazi vuoti con un'immagine di sfondo o un colore pieno (caso 7). Scegliendo il formato auto si mantengono le proporzioni della foto.

Come scrivere lo script

• Frasi brevi, colloquiali: ogni frase dice una sola cosa, come parlando alla telecamera, non come leggendo un testo.
• Controllare la lunghezza significa controllare i costi: non serve impostare la durata, la lunghezza dipende dallo script e dal ritmo di parlato, e il costo è legato solo ai secondi. I 6 script qui sopra hanno 17–29 parole inglesi e producono video da 8–11 secondi, circa 2–3 parole al secondo; per circa 10 secondi scrivi intorno alle 25 parole.
• Struttura «chi sono → un valore → un'azione»: i casi 1 e 3 iniziano con il nome, il caso 2 termina con l'invito a seguire, il caso 4 termina con un'azione.
• Anche in cinese: lo script supporta cinese e inglese, fino a 5000 caratteri.

La risoluzione non influisce sul prezzo: 720p e 1080p costano entrambi $0.15/secondo, quindi scegli direttamente 1080p.

Domande frequenti

Cliccando «Genera con questo script» si compila automaticamente? Sì. All'apertura della pagina del modello lo script è già compilato: carica la tua foto, scegli voce e formato come nei casi e clicca su esegui. Se non scegli la voce, viene usata quella predefinita Warm Pro Narrator.

Qual è la durata massima del video? Con lo script il limite è di 5000 caratteri e la durata segue lo script; con la registrazione dura quanto la registrazione, fino a un massimo di 600 secondi.

Servono sfondo trasparente, sottotitoli o 4K? Scegli HeyGen Avatar V: seleziona l'aspetto dai digital human preimpostati, supporta sfondo trasparente, sottotitoli SRT e 4K, allo stesso prezzo di $0.15/secondo, apri la pagina del modello Avatar V. Per far comparire la tua foto, usa Avatar IV.

Se la generazione fallisce vengono addebitati costi? No. La tariffa si basa sui secondi effettivi del video finale; i task falliti vengono rimborsati per intero.

---

Scegli lo scenario più simile al tuo business, copia il suo script, sostituisci il nome del tuo prodotto e carica la tua foto per generare il primo video finale →

Link correlati a HeyGen Avatar IV

• Pagina del modello HeyGen Avatar IV: generazione online caricando una foto
• Come usare l'API HeyGen Avatar IV: dalla creazione del task al download del video
• Documentazione API HeyGen Avatar IV: parametri, callback e fatturazione
• Quanto costa l'API HeyGen Avatar IV: prezzo al secondo e budget mensile