Creatify Boreal vs HeyGen Avatar IV: como escolher vídeos de narração para câmera?

TL;DR

• Para criar cenas de produto, UGC ou narração curta para câmera a partir de texto, escolha primeiro o Creatify Boreal; para fazer uma foto de pessoa especificada abrir a boca acompanhando a gravação, veja primeiro o HeyGen Avatar IV.
• O Boreal 720p custa $0.0145 por segundo de requisição, e o HeyGen $0.15 por segundo de saída; a página de preços do Boreal lista orçamentos por faixa. Nesta rodada, cada vídeo foi cobrado em $0.174 e $1.80, respectivamente.
• Os dois já estão disponíveis na HiAPI: abra o Boreal para configurar o prompt de cena, ou abra o HeyGen para configurar a pessoa e a gravação.

Entenda de relance: escolha primeiro o modo de entrada

Item que influencia a escolha	Creatify Boreal	HeyGen Avatar IV
Foto da pessoa	Opcional; também aceita apenas texto	Obrigatória, rosto frontal nítido
prompt	Orientação de cena, ação e voz	Fala; ignorada quando há audio_url
Narração já existente	audio_url, podendo ser combinado com imagem de referência	audio_url; nesse caso a voice também é ignorada
Duração	duration como inteiro de 1 a 20 segundos	Não enviar duration; o áudio de condução pode ter até 600 segundos
Resolução	720p / 1080p / 2k	720p / 1080p
Tratamento do enquadramento	Recorta a imagem de referência ao centro na proporção indicada	Pode preencher a área fora da pessoa com fundo
Cobrança	Segundos de requisição × preço unitário da resolução correspondente	Cobrança por segundo do vídeo de saída; nesta amostra, cada um foi cobrado por 12 segundos

Exemplos de dois grupos de materiais: mesma pessoa, mesma gravação

Cada grupo usa a mesma imagem de referência nos dois lados; os grupos livraria e cozinha também compartilham este mesmo MP3 real, com cerca de 11,1805 segundos. O grupo cozinha usa igualmente esta gravação da livraria; não é possível inferir o conteúdo da fala pelo nome da cena.

Os dois lados pedem 720p e 9:16, e os produtos são MP4 720×1280. O Boreal pede 12 segundos e entrega 12,042 segundos / 24fps; o HeyGen entrega 11,2 segundos / 25fps. A seguir há uma comparação de exemplo com materiais já existentes; a duração de saída, a taxa de quadros e parte da codificação diferem, portanto não é possível estabelecer com base nisso um ranking de qualidade em condições de saída estritamente iguais.

Os quatro vídeos têm trilha de áudio não silenciosa; a narração não foi transcrita nem passou por audição semântica. O que se mantém abaixo é o prompt visual original completo do Boreal, não a transcrição da fala; a exigência de sincronia labial nele também não significa que o vídeo final a tenha cumprido com precisão.

Primeiro grupo: apresentadora da livraria

The presenter speaks the narration to the camera, friendly and relaxed, small hand gestures, cozy bookshop background.

Creatify Boreal	HeyGen Avatar IV
Assistir ao vídeo do Boreal	Assistir ao vídeo do HeyGen
720p · 9:16 · MP4 720×1280; 12,042 segundos / 24fps; 348 créditos / $0.174	720p · 9:16 · MP4 720×1280; 11,2 segundos / 25fps; 3.600 créditos / $1.80

As duas capas usam o quadro de 3 segundos, em PNG 720×1280. Nesse momento, a pessoa do Boreal sorri mais abertamente, e a boca do HeyGen está ligeiramente aberta; nos quadros extraídos em 6 segundos e 10,5 segundos, o Boreal acrescenta um objeto marrom com alça que não existe na imagem de referência, enquanto as mãos do HeyGen continuam perto dos bolsos da calça. Aqui se descreve a imagem concreta, sem julgar com base nisso qual sincronia labial é mais precisa.

Gerar com este prompt →: apenas pré-preenche o prompt visual do Boreal; preencha também a imagem de referência deste grupo e o MP3 acima, e escolha 720p, 9:16, 12 segundos. O HeyGen usa a mesma imagem e o mesmo MP3, sem preencher este texto visual.

Segundo grupo: apresentadora da cozinha

The presenter talks warmly to the camera in her kitchen, with small natural gestures, lip-synced to the provided narration.

Creatify Boreal	HeyGen Avatar IV
Assistir ao vídeo do Boreal	Assistir ao vídeo hospedado do HeyGen
720p · 9:16 · MP4 720×1280; 12,042 segundos / 24fps; 348 créditos / $0.174	720p · 9:16 · MP4 720×1280; 11,2 segundos / 25fps; 3.600 créditos / $1.80

As duas capas usam o quadro de 3 segundos, em PNG 720×1280: a pessoa do Boreal inclina a cabeça e sorri mostrando os dentes, e a do HeyGen está com a cabeça mais reta e a boca aberta. Nos quadros extraídos em 0,5, 3, 6 e 10,5 segundos, veem-se o suéter amarelo e o fundo da cozinha; esses quadros estáticos não provam sincronia entre voz e movimento labial.

O link da cozinha do HeyGen é uma cópia MP4 hospedada recodificada; o arquivo original é preservado. O original tem 21.629.182 bytes (cerca de 21,6 MB), e a versão hospedada tem 8.263.233 bytes (cerca de 8,26 MB); a resolução, a duração e a taxa de quadros se mantêm, e a mudança de codificação pode afetar textura e detalhes de compressão.

Gerar com este prompt →: preencha também a imagem de referência da cozinha e o mesmo MP3, e escolha 720p, 9:16, 12 segundos. O HeyGen continua usando apenas imagem, áudio, resolução e enquadramento.

Quanto custaram estas amostras e como escolher por cenário

O registro de cobrança desta tarefa é dividido pela diferença de carteira de cada grupo: Boreal, 348 créditos / $0.174 por vídeo; HeyGen, 3.600 créditos / $1.80 por vídeo; cada grupo totaliza 3.948 créditos / $1.974, e os dois grupos somam 7.896 créditos / $3.948. Essas duas amostras do HeyGen foram cobradas por 12 segundos cada, portanto não se pode calcular diretamente $1.68 a partir dos 11,2 segundos do vídeo final, nem inferir destas duas amostras que todas as tarefas seguem a mesma regra de arredondamento. O preço unitário da HiAPI foi verificado em 27 de outubro de 2026.

• Para planejar tomadas curtas de anúncio a partir de texto: escolha o Boreal. A imagem de referência é opcional, o que favorece descrever primeiro o produto e a ação da cena.
• Para organizar uma narração para câmera em torno de uma pessoa fixa: veja primeiro o HeyGen. A imagem é obrigatória; depois, escolha uma gravação existente ou uma dublagem por fala.
• Se a narração curta já está gravada: os dois são opções. Confira o vídeo inteiro considerando o orçamento; a amostra da livraria nos lembra de verificar se surgem objetos novos nos trechos finais.

Trocar de interface: como escrever os dois corpos de requisição

Abaixo estão os dois corpos de requisição realmente usados no grupo livraria, enviados para HiAPI POST https://api.hiapi.ai/v1/tasks. O Boreal mantém o prompt visual e duration; o HeyGen no modo áudio omite prompt, voice e duration.

Boreal:

{
  "model": "creatify-boreal",
  "input": {
    "prompt": "The presenter speaks the narration to the camera, friendly and relaxed, small hand gestures, cozy bookshop background.",
    "image_url": "https://static.hiapi.ai/gallery/2026/10/eef85bddf11cec79.webp",
    "audio_url": "https://static.hiapi.ai/admin-assets/2026/10/27/1793080254274-375bf62b57aabd92-boreal-driving.mp3",
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "duration": 12
  }
}

HeyGen:

{
  "model": "heygen-avatar-iv",
  "input": {
    "image_url": "https://static.hiapi.ai/gallery/2026/10/eef85bddf11cec79.webp",
    "audio_url": "https://static.hiapi.ai/admin-assets/2026/10/27/1793080254274-375bf62b57aabd92-boreal-driving.mp3",
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

Após o envio, guarde o data.taskId retornado e depois consulte o resultado da tarefa; o passo a passo completo está no tutorial de integração. No grupo cozinha, troque o image_url dos dois corpos pela imagem de referência da cozinha acima, troque também o prompt visual do Boreal pelo da cozinha e mantenha o mesmo audio_url.

Perguntas frequentes

Os dois grupos usaram narrações diferentes?

Não. As quatro requisições usam o mesmo MP3 acima, e cada grupo usa também a mesma imagem nos dois lados; a imagem da cozinha não significa que se gravou uma fala de cozinha à parte.

O mesmo prompt pode ser enviado igual aos dois?

Não se deve transportar o significado da entrada. O texto do Boreal orienta a cena; o prompt do HeyGen é a fala, e neste caso o modo áudio o omite.

Por que esses dois vídeos de 11,2 segundos do HeyGen custaram $1.80 cada?

No registro de cobrança desta tarefa, essas duas amostras foram cobradas por 12 segundos cada, ou seja, 12 × $0.15. A duração do vídeo e os segundos cobrados devem ser registrados separadamente.

Pode-se concluir que a sincronia labial está totalmente correta?

Não. Aqui só se verificaram a existência da trilha de áudio, o volume e a imagem visível; não houve transcrição nem audição semântica, portanto não é possível garantir a precisão da fala e da sincronia labial.

O que fazer se a narração exceder a faixa de duração do Boreal?

Corte a gravação em trechos adequados a requisições de 1 a 20 segundos, ou considere o HeyGen, que aceita áudio de condução de até 600 segundos; o Boreal mantém os primeiros duration segundos e completa áudios curtos com silêncio.

Próximo passo: prepare a pessoa e a gravação com os campos acima, abra o Boreal para configurar este grupo de entradas; para mais formas de escrever a cena, veja a página de exemplos do Boreal.