Как выбрать HeyGen Avatar IV и Avatar V? Своё фото или готовый цифровой аватар

Если у вас есть своё фото и нужно, чтобы в кадре был «этот человек», выбирайте HeyGen Avatar IV; если свой образ не нужен, а нужны прозрачный фон, SRT-субтитры или 4K, выбирайте HeyGen Avatar V. Оба стоят $0.15 за секунду, так что выбор не влияет на бюджет.

HeyGen Avatar IV уже доступен на HiAPI, откройте страницу модели, загрузите портретное фото и напишите реплику — и получите говорящее видео.

Разница в одной таблице

	Avatar IV	Avatar V
Откуда берётся человек в кадре	Ваше загруженное фото (image_url)	Выбор из 497 готовых цифровых аватаров (avatar)
Способ управления	Реплика + 102 голоса или аудио	То же (тот же набор из 102 голосов)
Разрешение	720p / 1080p	720p / 1080p / 4k
Соотношение сторон	16:9, 9:16, 4:5, 5:4, 1:1, auto	То же
Фон	Заполнение пустых полей при несовпадении пропорций с фото (сплошной цвет или изображение)	Сплошной цвет или изображение, remove_background удаляет исходный фон, fit выбирает contain / cover
Прозрачный фон	—	output_format: webm
Субтитры	—	caption: true дополнительно возвращает SRT-файл
Длина реплики	5000 символов	5000 символов
Цена	$0.15 / секунда	$0.15 / секунда

Что действительно определяет выбор — это первая строка: человек в кадре предоставлен вами или выбран из библиотеки. Остальные строки — это то, что Avatar V дополнительно даёт на этапе постобработки.

Откуда берётся человек в кадре?

Avatar IV нужна всего одна фотография. Кто на фото, тот и в видео; одежда, причёска и комната сохраняются как есть. Ниже — горизонтальное пояснительное видео на 9 секунд, 1080p, 16:9, голос Cute Chloe - Friendly:

Артикуляция, моргание и лёгкие кивки следуют за речью. Реплика (примерно: я Линь, с помощью одного фото и короткой реплики можно представить ваш продукт или записать урок):

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.

Реплика уже заполнена, загрузите своё фото и создавайте видео → Выберите соотношение сторон 16:9 и качество 1080p.

Avatar V не нужна фотография — достаточно выбрать одного из 497 готовых цифровых аватаров. Ниже — готовый образ Brandon Business Standing Front, голос Jack Sterling - Broadcaster, 1080p, 16:9:

Требования к фото касаются только Avatar IV: надёжнее всего работает одиночный портрет — лицо анфас, черты не закрыты, ровное освещение, рот естественно закрыт. Иллюстрации и 3D-персонажи тоже подойдут, если у них есть чёткое человеческое лицо.

Одна и та же реплика, сгенерированная дважды на обоих вариантах

Обе группы используют одну и ту же реплику, один и тот же голос, 1080p, 16:9 и передаются в Avatar IV и Avatar V соответственно. Голос и реплика одинаковые, поэтому длительность готовых видео тоже полностью совпадает, а значит, и стоимость одинакова.

Группа 1: презентация продукта (голос Cute Chloe - Friendly, 9 секунд, $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: в кадре загруженный портрет в свитере, комната, причёска и одежда совпадают с фотографией, двигаются артикуляция, веки и лёгкие кивки.

Avatar V: выбран готовый образ Abigail Office Front — ведущая стоит перед книжными полками и столом для совещаний и жестикулирует во время речи.

Создать видео с этой репликой → Реплика уже заполнена, загрузите своё фото и создавайте видео.

Группа 2: отчёт для клиента (голос Dexter - Professional, около 8 секунд, $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: поясной портрет консультанта, за ним панорамное окно и городской силуэт, человек сохраняет костюм и положение с фотографии.

Avatar V: готовый образ Brandon Office Sitting Front сидит за рабочим местом в открытом офисе, перед ним ноутбук.

Создать видео с этой репликой → Реплика уже заполнена, загрузите своё фото и создавайте видео.

Сравним обе группы: если в кадре должен быть конкретный человек, которого вы указали, используйте IV; если нужен просто профессиональный ведущий, который чётко изложит мысль, используйте V и выберите готовый образ.

Как заставить его говорить?

В этом отношении оба варианта полностью одинаковы. Напишите реплику и выберите один голос из одного и того же набора из 102 готовых голосов; либо загрузите запись, которая будет управлять артикуляцией. Лимит реплики в обоих случаях — 5000 символов, китайский и английский поддерживаются.

Поэтому при одном и том же сценарии и голосе менять модель не нужно переписывать текст. Разница только в человеке в кадре: Avatar IV передаёт ссылку на фото, Avatar V — имя образа.

Как обрабатывать кадр и фон?

Фон Avatar IV — это фон самой фотографии. Только когда соотношение сторон вывода отличается от пропорций фото и в кадре появляются пустые поля, background вступает в дело: передайте #RRGGBB, чтобы заполнить сплошным цветом, или передайте изображение, чтобы заполнить целиком. Ниже — горизонтальное фото учителя, помещённое в вертикальный формат 9:16, с заполнением сверху и снизу картинкой доски, 11 секунд:

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.

Реплика уже заполнена, загрузите своё фото и создавайте видео → Выберите соотношение сторон 9:16, в качестве фона выберите изображение и загрузите своё фоновое изображение.

Avatar V умеет больше с фоном: remove_background убирает исходный фон и заменяет его сплошным цветом или изображением, fit определяет, вписывать ли человека полностью по contain или заполнять по cover; output_format: webm выдаёт видео сразу с прозрачным фоном, которое можно наложить на любой кадр в монтажной программе.

Совет по выбору: готовые реалистичные образы Avatar V несут с собой фон со съёмки (например, офис за спиной Brandon выше). Для видео с единым фоном сначала проверьте одну короткую реплику, убедитесь в результате фона, а затем генерируйте пакетно.

Субтитры и разрешение

Если в Avatar V передать caption: true, он дополнительно к видео вернёт файл SRT-субтитров, а сам кадр останется чистым — стиль субтитров можно задать самостоятельно на этапе постобработки. В этом вертикальном рекламном видео ниже субтитры включены:

По разрешению: у Avatar IV — 720p / 1080p, у Avatar V есть ещё 4k. Для больших экранов или 4K-поставки используйте Avatar V; для мобильных устройств и веба достаточно 1080p.

Насколько отличается цена?

Ни на копейку — оба $0.15 за секунду, разрешение на цену не влияет.

Длительность	Avatar IV	Avatar V
10 секунд	$1.50	$1.50
30 секунд	$4.50	$4.50

Оба тарифицируются по фактическому числу секунд сгенерированного видео, цена зависит только от длины реплики. Подробная таблица цен по длительности и месячный бюджет — в статье Цены HeyGen Avatar IV API.

Как выбрать по сценарию?

Сценарий	Что выбрать
Лицо бренда, лектор, сам основатель в кадре	Avatar IV
Есть иллюстрация или 3D-персонаж, и хочется, чтобы он заговорил	Avatar IV
Нет подходящего фото — выберите образ и сначала сделайте видео	Avatar V
Нужно наложить в монтаже, нужен прозрачный фон	Avatar V
Нужен отдельный файл субтитров	Avatar V
Нужно видео в 4K	Avatar V

Частые вопросы

Цены у двух моделей одинаковые? Одинаковые. Оба $0.15 за секунду, 10 секунд — $1.50, 30 секунд — $4.50.

Можно ли в Avatar IV использовать мою собственную запись? Да. Передайте audio_url, артикуляция и паузы будут следовать за записью, аудио до 600 секунд. Avatar V также поддерживает управление аудио.

Может ли Avatar IV выводить прозрачный фон или субтитры? Для прозрачного фона или SRT-субтитров используйте Avatar V. Сильная сторона Avatar IV — человек в кадре с вашего собственного фото.

Какой вариант для мультяшного или 3D-образа? Используйте Avatar IV, просто загрузите изображение персонажа, главное — чёткое человеческое лицо.

Сначала заставьте заговорить своего персонажа

Есть под рукой изображение иллюстрации или 3D-персонажа? Эта реплика повара генерируется в Avatar IV за 8 секунд:

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

Реплика уже заполнена, загрузите изображение своего персонажа и создавайте видео → Хотите выбрать образ из готовых цифровых аватаров — откройте страницу модели HeyGen Avatar V.

Похожие материалы

• Страница модели HeyGen Avatar IV: загрузка фото и генерация онлайн
• Сколько стоит HeyGen Avatar IV API: тарифы по секундам и месячный бюджет
• Сборник примеров HeyGen Avatar IV: фото, реплики и готовые видео для 7 сценариев
• Как пользоваться HeyGen Avatar IV API: полное подключение от фото до говорящего видео
• Документация API HeyGen Avatar IV
• Документация API HeyGen Avatar V: параметры avatar, remove_background, caption и другие