Guia de uso

HeyGen Avatar IV ou Avatar V: como escolher? Usar sua própria foto ou um avatar predefinido

Tem sua própria foto? Escolha o Avatar IV. Precisa de fundo transparente, legendas SRT ou 4K? Escolha o Avatar V. Ambos custam $0.15 por segundo. Inclui vídeos reais gerados pelos dois e uma tabela de escolha por cenário.

Oct 10, 2026

Se você tem sua própria foto e quer que "essa pessoa" apareça no vídeo, escolha o HeyGen Avatar IV. Se não precisa da sua própria imagem e quer fundo transparente, legendas SRT ou 4K, escolha o HeyGen Avatar V. Ambos custam $0.15 por segundo, então a escolha não afeta o orçamento.

O HeyGen Avatar IV já está disponível na HiAPI, abra a página do modelo, envie uma foto de retrato e escreva um roteiro para gerar um vídeo com fala.

Entenda a diferença em uma tabela

	Avatar IV	Avatar V
De onde vem a pessoa no vídeo	Uma foto que você envia (`image_url`)	Escolha entre 497 avatares predefinidos (`avatar`)
Forma de condução	Roteiro + 102 vozes, ou áudio	Igual (o mesmo conjunto de 102 vozes)
Resolução	720p / 1080p	720p / 1080p / 4k
Proporção	16:9, 9:16, 4:5, 5:4, 1:1, auto	Igual
Fundo	Preenche as áreas vazias quando a proporção difere da foto (cor sólida ou imagem)	Fundo de cor sólida ou imagem, `remove_background` remove o fundo original, `fit` escolhe contain / cover
Fundo transparente	—	`output_format: webm`
Legendas	—	`caption: true` retorna também um arquivo SRT
Tamanho do roteiro	5000 caracteres	5000 caracteres
Preço	$0.15 / segundo	$0.15 / segundo

O que realmente decide a escolha é a primeira linha: a pessoa no vídeo é fornecida por você ou escolhida da biblioteca. As linhas seguintes mostram os extras que o Avatar V oferece na pós-produção.

De onde vem a pessoa no vídeo?

O Avatar IV só precisa de uma foto. Quem estiver na foto estará no vídeo, com roupa, penteado e ambiente preservados. O vídeo horizontal de 9 segundos abaixo é 1080p, 16:9, com a voz Cute Chloe - Friendly:

A sincronia labial, os piscares e a leve inclinação da cabeça acompanham a fala. Roteiro (ideia geral: sou a Lin, com uma foto e um roteiro curto, posso apresentar seu produto ou gravar uma aula):

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.

Roteiro já preenchido, é só enviar sua foto para gerar → Escolha proporção 16:9 e resolução 1080p.

O Avatar V não precisa de foto: basta escolher um dos 497 avatares predefinidos. Abaixo, o avatar predefinido Brandon Business Standing Front, voz Jack Sterling - Broadcaster, 1080p, 16:9:

Os requisitos da foto valem só para o Avatar IV: uma foto de uma única pessoa, rosto de frente, sem obstruções, iluminação uniforme e boca naturalmente fechada é o mais confiável. Ilustrações e personagens 3D também funcionam, desde que tenham um rosto nítido.

Mesmo roteiro, gerado uma vez em cada lado

Os dois grupos usam o mesmo roteiro, a mesma voz, 1080p e 16:9, gerados no Avatar IV e no Avatar V respectivamente. Com a mesma voz e o mesmo roteiro, a duração dos vídeos é idêntica, portanto o custo é o mesmo.

Primeiro grupo: apresentação de produto (voz Cute Chloe - Friendly, 9 segundos, $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: aparece o retrato de suéter enviado, com ambiente, penteado e roupa iguais aos da foto; o que se move são a boca, os piscares e a leve inclinação da cabeça.

Avatar V: o avatar predefinido escolhido é Abigail Office Front, uma apresentadora real em frente a uma estante e uma mesa de reunião, falando e gesticulando.

Gerar com este roteiro → Roteiro já preenchido, é só enviar sua foto para gerar.

Segundo grupo: apresentação para cliente (voz Dexter - Professional, cerca de 8 segundos, $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: foto de meio corpo de um consultor, com janelas do chão ao teto e o horizonte da cidade ao fundo, mantendo o terno e a posição da foto.

Avatar V: avatar predefinido Brandon Office Sitting Front, sentado atrás de uma mesa em um escritório aberto, com um notebook à frente.

Gerar com este roteiro → Roteiro já preenchido, é só enviar sua foto para gerar.

Comparando os dois grupos: se quer que a pessoa no vídeo seja a que você indicou, use o IV; se só precisa de um apresentador profissional falando com clareza, use o V e escolha entre os avatares predefinidos.

Como fazê-lo falar?

Nesse ponto os dois são idênticos. Escreva o roteiro e escolha uma das mesmas 102 vozes predefinidas; ou envie diretamente uma gravação de áudio para conduzir a sincronia labial. O limite de roteiro é de 5000 caracteres em ambos, em chinês ou inglês.

Portanto, o mesmo script e a mesma voz não precisam ser reescritos ao trocar de modelo. A diferença está só em quem aparece: o Avatar IV recebe o link da foto, o Avatar V recebe o nome do avatar.

Como tratar imagem e fundo?

O fundo do Avatar IV é o próprio fundo da foto. Só quando a proporção de saída difere da proporção da foto e surgem áreas vazias é que background entra em ação: envie #RRGGBB para preencher com cor sólida, ou envie uma imagem para preencher. Abaixo, uma foto horizontal de professora colocada em 9:16 vertical, com imagem de quadro-negro preenchendo acima e abaixo, 11 segundos:

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.

Roteiro já preenchido, é só enviar sua foto para gerar → Escolha proporção 9:16, fundo como imagem e envie sua imagem de fundo.

O Avatar V faz mais com o fundo: remove_background remove o fundo original e o substitui por cor sólida ou imagem; fit decide se a pessoa é encaixada por completo com contain ou preenche tudo com cover; output_format: webm gera diretamente fundo transparente para sobrepor em qualquer cena no software de edição.

Dica de escolha: os avatares predefinidos do Avatar V (filmagens reais) já trazem o fundo do momento da gravação (como o escritório atrás do Brandon acima). Para vídeos que precisam de fundo uniforme, teste primeiro um vídeo curto com um roteiro breve, confirme o efeito do fundo e só então gere em lote.

Legendas e resolução

No Avatar V, envie caption: true e ele retorna, além do vídeo, um arquivo de legenda SRT separado; a imagem em si permanece limpa, e o estilo da legenda pode ser definido por você na pós-produção. O vídeo vertical de venda abaixo tem legendas ativadas:

Em resolução, o Avatar IV vai até 720p / 1080p, e o Avatar V tem mais uma opção de 4k. Para telões ou entrega em 4K, use o Avatar V; para celular e web, 1080p é suficiente.

Qual a diferença de preço?

Nenhuma: ambos custam $0.15 por segundo, e a resolução não afeta o preço.

Duração	Avatar IV	Avatar V
10 segundos	$1.50	$1.50
30 segundos	$4.50	$4.50

Os dois cobram pelos segundos reais do vídeo gerado, então o preço depende apenas do tamanho do roteiro. Para a tabela detalhada de preço por duração e orçamento mensal, veja Preço da API HeyGen Avatar IV.

Como escolher por cenário?

Cenário	Qual escolher
Embaixador de marca, instrutor ou fundador aparecendo pessoalmente	Avatar IV
Tem uma ilustração ou personagem 3D e quer fazê-lo falar	Avatar IV
Não tem uma foto adequada e quer escolher um avatar para já fazer o vídeo	Avatar V
Precisa sobrepor na edição, com fundo transparente	Avatar V
Precisa de um arquivo de legenda separado	Avatar V
Precisa de vídeo final em 4K	Avatar V

Perguntas frequentes

Os dois modelos têm o mesmo preço? Sim. Ambos custam $0.15 por segundo, $1.50 por 10 segundos e $4.50 por 30 segundos.

O Avatar IV aceita minha própria gravação de áudio? Sim. Envie audio_url, e a sincronia labial e as pausas acompanham a gravação; o áudio pode ter até 600 segundos. O Avatar V também aceita condução por áudio.

O Avatar IV pode gerar fundo transparente ou legendas? Para fundo transparente ou legendas SRT, use o Avatar V. O ponto forte do Avatar IV é usar sua própria foto no vídeo.

Qual usar para personagens de desenho ou 3D? Use o Avatar IV, basta enviar a imagem do personagem, desde que tenha um rosto nítido.

Faça seu próprio personagem falar primeiro

Tem uma ilustração ou imagem de personagem 3D em mãos? O roteiro de chef abaixo gera 8 segundos no Avatar IV:

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

Roteiro já preenchido, é só enviar a imagem do seu personagem para gerar → Se quiser escolher entre os avatares predefinidos, abra a página do modelo HeyGen Avatar V.

Leitura relacionada

Etiquetascomparação Vídeo de Avatar Comparar Vídeo de humano digital