Guida all'uso

Come scegliere tra HeyGen Avatar IV e Avatar V? Usare una propria foto o un avatar predefinito

Con una propria foto scegli Avatar IV; se ti servono sfondo trasparente, sottotitoli SRT o 4K scegli Avatar V. Entrambi costano $0,15 al secondo. Inclusi video reali di entrambi e una tabella di scelta per scenario.

Oct 10, 2026

Se hai una tua foto e vuoi che sia "questa persona" a comparire, scegli HeyGen Avatar IV; se non ti serve la tua immagine ma ti servono sfondo trasparente, sottotitoli SRT o 4K, scegli HeyGen Avatar V. Entrambi costano $0,15 al secondo, la scelta non influisce sul budget.

HeyGen Avatar IV è già disponibile su HiAPI, apri la pagina del modello, carica una foto ritratto e scrivi una battuta per generare un video parlante.

Le differenze in una tabella

	Avatar IV	Avatar V
Da dove viene la persona in scena	Una foto che carichi tu (`image_url`)	Scegli tra 497 avatar predefiniti (`avatar`)
Modalità di guida	Battuta + 102 voci, oppure audio	Come a sinistra (stesso set di 102 voci)
Risoluzione	720p / 1080p	720p / 1080p / 4k
Formato	16:9, 9:16, 4:5, 5:4, 1:1, auto	Come a sinistra
Sfondo	Riempie i margini quando il formato differisce dalla foto (tinta unita o immagine)	Sfondo a tinta unita o immagine, `remove_background` rimuove lo sfondo originale, `fit` sceglie contain / cover
Sfondo trasparente	—	`output_format: webm`
Sottotitoli	—	`caption: true` restituisce anche un file SRT
Lunghezza battuta	5000 caratteri	5000 caratteri
Prezzo	$0,15 / secondo	$0,15 / secondo

A decidere davvero quale scegliere è la prima riga: la persona in scena è fornita da te o scelta dalla libreria. Le righe successive sono le cose in più che Avatar V offre in post-produzione.

Da dove viene la persona in scena?

Avatar IV richiede solo una foto. Chi c'è nella foto è chi compare nel video, con vestiti, capelli e stanza invariati. Questo video orizzontale di spiegazione dura 9 secondi, 1080p, 16:9, voce Cute Chloe - Friendly:

Il labiale, gli ammiccamenti e i leggeri cenni del capo seguono la voce. La battuta (in sintesi: sono Lin, con una foto e una breve battuta posso presentare il tuo prodotto o registrare una lezione):

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.

La battuta è già inserita, carica la tua foto e genera → Scegli formato 16:9 e risoluzione 1080p.

Avatar V non richiede foto: basta scegliere uno dei 497 avatar predefiniti per andare in scena. Qui sotto l'avatar predefinito Brandon Business Standing Front, voce Jack Sterling - Broadcaster, 1080p, 16:9:

I requisiti della foto valgono solo per Avatar IV: le foto singole con volto frontale, tratti non coperti, luce uniforme e bocca naturalmente chiusa danno i risultati più stabili. Illustrazioni e personaggi 3D funzionano se hanno un volto chiaro.

La stessa battuta, generata una volta per ciascuno

Entrambi i gruppi usano la stessa battuta, la stessa voce, 1080p, 16:9, affidati rispettivamente ad Avatar IV e Avatar V. Voce e battuta identiche significano durata identica del video finale, quindi costo uguale.

Primo gruppo: presentazione del prodotto (voce Cute Chloe - Friendly, 9 secondi, $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: in scena c'è il ritratto in maglione caricato, con stanza, capelli e vestiti identici alla foto; si muovono labiale, ammiccamenti e leggeri cenni del capo.

Avatar V: l'avatar predefinito scelto è Abigail Office Front, una presentatrice ripresa dal vero in piedi davanti a una libreria e a un tavolo riunioni, che gesticola mentre parla.

Genera con questa battuta → La battuta è già inserita, carica la tua foto e genera.

Secondo gruppo: report al cliente (voce Dexter - Professional, circa 8 secondi, $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: il ritratto a mezzo busto di un consulente, con finestre a tutta altezza e skyline della città sullo sfondo; la persona mantiene giacca e posizione della foto.

Avatar V: l'avatar predefinito Brandon Office Sitting Front, seduto dietro una postazione in un ufficio open space, con un portatile davanti.

Genera con questa battuta → La battuta è già inserita, carica la tua foto e genera.

Confrontando i due gruppi: se vuoi che sullo schermo ci sia la persona che indichi tu, usa IV; se ti basta un presentatore professionista che esponga chiaramente il messaggio, usa V scegliendo tra gli avatar predefiniti.

Come farlo parlare?

Su questo punto sono identici. Scrivi la battuta e scegli una voce dallo stesso set di 102 voci predefinite; oppure carica direttamente una registrazione per guidare il labiale. Il limite della battuta è 5000 caratteri per entrambi, in cinese o in inglese.

Quindi con lo stesso script e la stessa voce non serve riscrivere nulla cambiando modello. La differenza sta solo nella persona in scena: Avatar IV riceve il link della foto, Avatar V il nome dell'avatar.

Come gestire inquadratura e sfondo?

Lo sfondo di Avatar IV è quello della foto stessa. Solo quando il formato di output differisce dalle proporzioni della foto e compaiono margini vuoti entra in gioco background: passa #RRGGBB per una tinta unita, oppure un'immagine per riempire. Qui sotto una foto orizzontale di un'insegnante inserita in un verticale 9:16, con sopra e sotto riempiti da un'immagine di lavagna, 11 secondi:

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.

La battuta è già inserita, carica la tua foto e genera → Scegli formato 9:16, sfondo immagine e carica la tua immagine di sfondo.

Avatar V può fare di più sullo sfondo: remove_background elimina lo sfondo originale e lo sostituisce con tinta unita o immagine, fit decide se inserire la persona per intero con contain o riempire con cover; output_format: webm restituisce direttamente lo sfondo trasparente, da sovrapporre a qualsiasi immagine nel software di montaggio.

Consiglio di scelta: gli avatar predefiniti ripresi dal vero di Avatar V portano con sé lo sfondo della ripresa (per esempio l'ufficio dietro Brandon qui sopra); per video con sfondo uniforme, prova prima una breve battuta, verifica l'effetto dello sfondo e poi genera in blocco.

Sottotitoli e risoluzione

Con caption: true Avatar V restituisce, oltre al video, un file di sottotitoli SRT separato; l'immagine resta pulita e lo stile dei sottotitoli lo decidi tu in post-produzione. Questo verticale di vendita qui sotto ha i sottotitoli attivi:

Sulla risoluzione, Avatar IV offre 720p / 1080p, Avatar V aggiunge il 4k. Per grandi schermi o consegne in 4K usa Avatar V; per mobile e web 1080p basta.

Quanto differisce il prezzo?

Per niente, entrambi costano $0,15 al secondo e la risoluzione non influisce sul prezzo.

Durata	Avatar IV	Avatar V
10 secondi	$1,50	$1,50
30 secondi	$4,50	$4,50

Entrambi fatturano in base ai secondi effettivi del video generato; il prezzo dipende solo dalla lunghezza della battuta. La tabella dettagliata dei prezzi per durata e il budget mensile sono in Prezzi API di HeyGen Avatar IV.

Come scegliere in base allo scenario?

Scenario	Cosa scegliere
Volto di un brand ambassador, un docente o il fondatore in persona	Avatar IV
Hai un'illustrazione o un personaggio 3D e vuoi farlo parlare	Avatar IV
Non hai una foto adatta e vuoi scegliere un avatar per creare subito il video	Avatar V
Da sovrapporre in montaggio, serve sfondo trasparente	Avatar V
Serve un file di sottotitoli separato	Avatar V
Serve un video finale in 4K	Avatar V

Domande frequenti

I due modelli costano uguale? Sì. Entrambi $0,15 al secondo, 10 secondi $1,50, 30 secondi $4,50.

Avatar IV può usare una mia registrazione? Sì. Passa audio_url, labiale e pause seguono la registrazione, l'audio può durare fino a 600 secondi. Anche Avatar V supporta la guida tramite audio.

Avatar IV può restituire sfondo trasparente o sottotitoli? Per sfondo trasparente o sottotitoli SRT usa Avatar V. Il punto di forza di Avatar IV è mettere in scena la tua foto.

Quale usare con personaggi cartoon o 3D? Usa Avatar IV, basta caricare l'immagine del personaggio, purché abbia un volto chiaro.

Fai parlare il tuo personaggio

Hai un'illustrazione o un'immagine di un personaggio 3D? Questa battuta dello chef genera su Avatar IV un video di 8 secondi:

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

La battuta è già inserita, carica l'immagine del tuo personaggio e genera → Per scegliere un avatar tra quelli predefiniti, apri la pagina del modello HeyGen Avatar V.

Letture correlate

Tagconfronto Video Avatar Confronta Video con avatar digitale