사용 가이드

HeyGen Avatar IV와 Avatar V, 어떻게 선택할까? 내 사진을 쓸까, 프리셋 디지털 휴먼을 쓸까

내 사진이 있으면 Avatar IV, 투명 배경·SRT 자막·4K가 필요하면 Avatar V, 둘 다 초당 $0.15. 양쪽 실제 영상과 시나리오별 선택 표를 첨부합니다.

Oct 10, 2026

내 사진이 있고 "이 사람"이 출연해야 한다면 HeyGen Avatar IV를 선택하세요. 내 형상이 필요 없고 투명 배경, SRT 자막, 4K가 필요하다면 HeyGen Avatar V를 선택하세요. 둘 다 초당 $0.15이므로 어느 쪽을 골라도 예산에는 영향이 없습니다.

HeyGen Avatar IV는 HiAPI에 출시되었습니다. 모델 페이지 열기에서 인물 사진 한 장을 업로드하고 대사 한 단락을 작성하면 말하는 영상을 생성할 수 있습니다.

표 하나로 차이점 파악하기

	Avatar IV	Avatar V
출연자 출처	내가 업로드한 사진 한 장(`image_url`)	497개의 프리셋 디지털 휴먼 중 선택(`avatar`)
구동 방식	대사 + 102개 음성, 또는 오디오	동일(같은 102개 음성 세트)
해상도	720p / 1080p	720p / 1080p / 4k
화면 비율	16:9, 9:16, 4:5, 5:4, 1:1, auto	동일
배경	화면 비율과 사진이 다를 때 여백 채움(단색 또는 이미지)	단색 또는 이미지 배경, `remove_background`로 원본 배경 제거, `fit`으로 contain / cover 선택
투명 배경	—	`output_format: webm`
자막	—	`caption: true` 시 SRT 파일 추가 반환
대사 길이	5000자	5000자
가격	$0.15 / 초	$0.15 / 초

실제로 선택을 결정하는 것은 첫 번째 행입니다. 출연자가 내가 제공한 사람인지, 라이브러리에서 고른 사람인지입니다. 이후 행들은 Avatar V가 후반 제작에서 추가로 제공하는 몇 가지 기능입니다.

출연자는 어디서 오는가?

Avatar IV는 사진 한 장이면 충분합니다. 사진 속 인물이 영상 속 인물이 되며, 옷, 헤어스타일, 방은 그대로 유지됩니다. 아래 가로형 설명 영상은 9초, 1080p, 16:9, 음성은 Cute Chloe - Friendly입니다:

입 모양, 눈 깜빡임, 가벼운 끄덕임이 모두 음성을 따라갑니다. 대사(요지: 저는 린입니다. 사진 한 장과 짧은 대사로 제품을 소개하거나 수업을 녹화할 수 있습니다):

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.

대사가 입력되어 있으니 사진을 업로드하면 바로 생성 → 화면 비율은 16:9, 해상도는 1080p를 선택하세요.

Avatar V는 사진이 필요 없으며, 497개의 프리셋 디지털 휴먼 중 하나를 선택하면 출연할 수 있습니다. 아래는 프리셋 형상 Brandon Business Standing Front, 음성 Jack Sterling - Broadcaster, 1080p, 16:9입니다:

사진 요건은 Avatar IV에만 해당합니다: 정면, 이목구비가 가려지지 않은, 조명이 균일한, 입이 자연스럽게 다문 1인 사진이 가장 안정적입니다. 일러스트와 3D 캐릭터도 선명한 얼굴이 있으면 사용할 수 있습니다.

같은 대사로 양쪽에서 각각 생성하기

두 그룹 모두 같은 대사, 같은 음성, 1080p, 16:9로 Avatar IV와 Avatar V에 각각 입력했습니다. 음성과 대사가 같으므로 양쪽 영상 길이도 완전히 같아 비용도 동일합니다.

첫 번째 그룹: 제품 소개(음성 Cute Chloe - Friendly, 9초, $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: 출연자는 업로드한 스웨터 인물 사진이며, 방, 헤어스타일, 옷이 사진과 일치합니다. 움직이는 것은 입 모양, 눈 깜빡임, 가벼운 끄덕임입니다.

Avatar V: 선택한 프리셋 형상은 Abigail Office Front로, 실사 촬영된 진행자가 책장과 회의 테이블 앞에 서서 말하며 손짓을 합니다.

이 대사로 생성 → 대사가 입력되어 있으니 사진을 업로드하면 바로 생성됩니다.

두 번째 그룹: 고객 보고(음성 Dexter - Professional, 약 8초, $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: 컨설턴트의 반신 사진으로, 뒤로 통창과 도시 스카이라인이 있으며 인물은 사진 속 정장과 위치를 유지합니다.

Avatar V: 프리셋 형상 Brandon Office Sitting Front로, 오픈 오피스 좌석 뒤에 앉아 앞에 노트북이 있습니다.

이 대사로 생성 → 대사가 입력되어 있으니 사진을 업로드하면 바로 생성됩니다.

두 그룹을 함께 보면: 화면 속 인물이 내가 지정한 사람이어야 한다면 IV, 전문 진행자가 말을 명확히 전달하면 충분하다면 V에서 프리셋 형상을 고르세요.

어떻게 말하게 할까?

이 점은 양쪽이 완전히 같습니다. 대사를 작성하고 같은 102개의 프리셋 음성 중 하나를 선택하거나, 녹음 파일을 직접 전송해 입 모양을 구동합니다. 대사 상한은 모두 5000자이며 한국어, 영어 모두 가능합니다.

따라서 같은 스크립트, 같은 음성이라면 모델을 바꿔도 다시 작성할 필요가 없습니다. 차이는 출연자뿐입니다: Avatar IV는 사진 링크를, Avatar V는 형상 이름을 전송합니다.

화면과 배경은 어떻게 처리할까?

Avatar IV의 배경은 사진 자체의 배경입니다. 출력 화면 비율과 사진 비율이 달라 여백이 생길 때만 background가 유용합니다: #RRGGBB를 전송해 단색으로 채우거나, 이미지를 전송해 채웁니다. 아래는 가로형 선생님 사진을 9:16 세로 화면에 넣고 위아래를 칠판 이미지로 채운 11초 영상입니다:

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.

대사가 입력되어 있으니 사진을 업로드하면 바로 생성 → 화면 비율은 9:16, 배경은 이미지를 선택하고 배경 이미지를 업로드하세요.

Avatar V는 배경에서 더 많은 것을 할 수 있습니다: remove_background로 원본 배경을 제거한 뒤 단색이나 이미지로 교체하고, fit으로 인물을 contain 방식으로 온전히 넣을지 cover 방식으로 채울지 결정하며, output_format: webm으로 투명 배경을 바로 출력해 편집 소프트웨어의 임의 화면 위에 얹을 수 있습니다.

선택 팁: Avatar V의 실사 프리셋 형상은 촬영 당시의 배경(예: 위 Brandon 뒤의 사무실)이 포함되어 있으므로, 배경을 통일해야 하는 영상은 짧은 대사로 먼저 한 번 테스트해 배경 효과를 확인한 후 대량 생성하세요.

자막과 해상도

Avatar V에서 caption: true를 전송하면 영상 외에 SRT 자막 파일을 별도로 제공하며, 화면 자체는 깨끗하게 유지되어 자막 스타일은 후반에서 직접 정할 수 있습니다. 아래 세로형 판매 영상은 자막을 켠 것입니다:

해상도는 Avatar IV가 720p / 1080p, Avatar V가 4k 한 단계 더 있습니다. 대형 화면이나 4K 납품용이라면 Avatar V를, 모바일과 웹 게재라면 1080p로 충분합니다.

가격 차이는 얼마인가?

전혀 차이가 없으며 둘 다 초당 $0.15이고 해상도는 가격에 영향을 주지 않습니다.

길이	Avatar IV	Avatar V
10초	$1.50	$1.50
30초	$4.50	$4.50

양쪽 모두 생성된 영상의 실제 초 단위로 과금되며, 가격은 대사 길이에만 관련됩니다. 자세한 길이별 가격표와 월 예산은 HeyGen Avatar IV API 가격을 참고하세요.

시나리오별로 어떻게 선택할까?

시나리오	선택
브랜드 앰버서더, 강사, 창업자 본인 출연	Avatar IV
일러스트나 3D 캐릭터가 말하게 하고 싶다	Avatar IV
적합한 사진이 없어 형상을 골라 먼저 영상을 만들고 싶다	Avatar V
편집에 얹을 투명 배경이 필요하다	Avatar V
별도의 자막 파일이 필요하다	Avatar V
4K 영상이 필요하다	Avatar V

자주 묻는 질문

두 모델의 가격이 같은가요? 같습니다. 둘 다 초당 $0.15, 10초 $1.50, 30초 $4.50입니다.

Avatar IV에 내 녹음을 사용할 수 있나요? 네. audio_url을 전송하면 입 모양과 멈춤이 녹음을 따라가며, 오디오는 최대 600초입니다. Avatar V도 오디오 구동을 지원합니다.

Avatar IV가 투명 배경이나 자막을 출력할 수 있나요? 투명 배경이나 SRT 자막이 필요하면 Avatar V를 사용하세요. Avatar IV의 강점은 내 사진으로 출연하는 것입니다.

카툰이나 3D 형상은 어느 쪽을 쓰나요? Avatar IV를 쓰고 캐릭터 이미지를 업로드하면 됩니다. 선명한 얼굴만 있으면 됩니다.

먼저 내 캐릭터가 말하게 하세요

일러스트나 3D 캐릭터 이미지가 있나요? 아래 요리사 대사를 Avatar IV에서 생성하면 8초입니다:

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

대사가 입력되어 있으니 캐릭터 이미지를 업로드하면 바로 생성 → 프리셋 디지털 휴먼에서 형상을 고르고 싶다면 HeyGen Avatar V 모델 페이지 열기.