Avatar V y Avatar IV gastan 20 créditos por minuto en los planes web de HeyGen, así que el precio rara vez decide la elección. Este análisis compara costos de los planes, tarifas de la API, calidad del movimiento, tiempos de render y resolución, y después muestra cómo usar cada modelo.
Puedes tener un presentador que habla en pantalla de dos maneras: grabar a una persona o escribir un guion y dejar que un motor haga la grabación. HeyGen ofrece la segunda opción a través de dos motores que parecen idénticos en la lista de precios y se comportan de forma distinta en cuanto pulsas render. Avatar V es el más nuevo, pensado para moverse como una persona real. Avatar IV es el más antiguo y más flexible, y puede dar vida a una foto fija. Ambos aceptan guiones de hasta 5.000 caracteres, los dos están disponibles en Picasso IA y, en los planes web de HeyGen, gastan créditos al mismo ritmo.
Así que la pregunta del precio tiene una respuesta más sencilla de lo que parece. La pregunta de la calidad es donde realmente va tu dinero. Estas son las especificaciones publicadas, las tablas de planes y los renders de ejemplo, para que elijas antes de gastar un solo crédito.
Si tienes un gemelo digital entrenado de una persona real, usa Avatar V. Si partes de una foto, de un personaje estilizado o de un presentador de archivo, usa Avatar IV. El precio rara vez decide, porque la tarifa de créditos es la misma en ambos.
| Característica | Avatar V | Avatar IV |
|---|---|---|
| Ideal para | Gemelos digitales realistas | Avatares a partir de fotos, presentadores estilizados y no humanos |
| Requisito del avatar | Solo avatares compatibles con Avatar V | Cualquier avatar de HeyGen, incluidas las fotos |
| Salida en Picasso IA | 720p, 1080p o 4K | 1920x1080 por defecto |
| Relación de aspecto | 16:9 o 9:16 | Se define con ancho y alto |
| Emoción de voz | No disponible | Emocionado, Amigable, Serio, Calmado, Presentador de noticias |
| Costo en planes web | 20 créditos por minuto | 20 créditos por minuto |
| Tiempo de render de ejemplo | Unos 2,3 minutos para un clip de 12 segundos | Unos 4,7 minutos para un clip de 17 segundos |
Lee la tabla desde arriba. Las dos primeras filas deciden la mayoría de los casos, porque dependen de lo que ya tengas. Un gemelo digital apunta a Avatar V. Una foto, una mascota o un presentador de archivo apunta a Avatar IV. Las demás filas solo importan una vez resueltas esas dos, y la mayoría se aprovecha mejor con una prueba rápida que con un largo debate.
💡 Consejo: Pasa un guion de 30 segundos por ambos motores antes de comprometerte con una serie. Diez minutos de prueba cuestan mucho menos que volver a renderizar un módulo completo de un curso.
Ambos motores convierten texto escrito en un presentador que habla, y ambos se encargan de la voz, los labios y los subtítulos. La diferencia está en cómo se construye el presentador y en cómo se mueve.
Avatar IV es el motor flexible. Funciona con cualquier avatar de HeyGen, incluidas fotos arbitrarias, y por eso los analistas lo recomiendan para avatares a partir de fotos, personajes estilizados, sujetos en 2D o 3D y presentadores que no son humanos en absoluto.
En Picasso IA tienes un conjunto práctico de controles: velocidad de voz de 0,5x a 1,5x, un interruptor para los subtítulos, tres diseños (normal, primer plano y superposición circular) y cinco emociones de voz más un ajuste neutro. Los preajustes de emoción cambian la forma en que la voz interpreta la frase, así que un anuncio de producto puede sonar Emocionado mientras una actualización de políticas suena Seria.
Esta flexibilidad ayuda cuando no tienes ninguna grabación. Una mascota de marca o una foto de perfil limpia de un miembro del equipo pueden convertirse en un presentador que habla, y el guion y la voz hacen el resto. Como el motor inventa el movimiento en lugar de copiarlo, la imagen de origen importa. En la práctica, un retrato nítido, de frente y con luz uniforme da a la sincronización labial más con qué trabajar que uno inclinado o con sombras.
Avatar V sigue otro camino. HeyGen lo describe como un motor basado en referencias cruzadas: reutiliza la firma de movimiento de una persona real, de modo que el presentador gesticula y se mueve como lo haría esa persona. Eso lo convierte en la mejor opción para un gemelo digital de un fundador, un formador o un portavoz.
La contrapartida es el acceso. El avatar_id que envíes debe ser compatible con Avatar V, y una foto de archivo cualquiera no lo será. También renuncias al menú de emociones de voz, aunque conservas la velocidad de voz, los subtítulos, la relación de aspecto y tres niveles de resolución.
Configurarlo requiere más esfuerzo que con Avatar IV. Un gemelo digital se entrena con video de la persona real, así que alguien tiene que ser grabado una vez, con una buena cámara y buena luz, antes de poder escribir cualquier guion. Después de esa sesión, el mismo presentador puede entregar tantos guiones nuevos como permitan tus créditos, sin reservar otro estudio. Ahí es donde la inversión se amortiza para los equipos que publican cada semana.
Aquí los dos motores son idénticos. Los planes para particulares de HeyGen cobran Avatar V y Avatar IV a la misma tarifa, así que las cifras de abajo valen para cualquiera de los dos.
Ambos motores cuestan 20 créditos por minuto de video terminado. Las asignaciones publicadas de los planes se traducen en minutos así:
| Plan | Precio mensual | Créditos | Minutos de avatar |
|---|---|---|---|
| Creator | $29 | 600 | Unos 30 |
| Pro | $49 | 1.000 | Unos 50 |
| Business | $149 | 1500 | Unos 75 |
Eso deja a Creator en unos 97 centavos por minuto y a Pro en unos 98 centavos por minuto. Business queda cerca de $2 por minuto, porque también pagas por los créditos compartidos y los puestos del equipo. Según se informa, el plan gratuito no incluye créditos de avatar, así que solo sirve para probar el flujo de trabajo.
💡 Atención: Las tarifas de créditos y los precios de los planes cambian entre actualizaciones del producto. Consulta la página de precios actual de HeyGen antes de comprar un plan y considera cada cifra de aquí como una foto del momento.
El uso de la API se cobra desde una cartera en dólares en lugar de con créditos del plan, y las cifras publicadas no son del todo coherentes. Un desglose indica que los avatares fotográficos de Avatar IV cuestan unos $3 por minuto (720p o 1080p) y $4 en 4K, mientras que los avatares de gemelo digital o de estudio cuestan $4 y $5. Otra fuente cita $0,05 a $0,10 por segundo, lo que equivale a entre $3 y $6 por minuto. Tómalo como un solo rango: alrededor de $3 a $6 por cada minuto que renderices.
No encontré una tarifa de API separada para Avatar V en las fuentes consultadas, así que no des por hecho que sea más barata o más cara que Avatar IV hasta que HeyGen publique una.
Supongamos que necesitas diez videos de un minuto.
Los créditos del plan son la ruta más barata cuando los vas a usar. Las repeticiones, sin embargo, cambian las cuentas rápidamente. Si cada minuto final necesita tres renders, triplica ambas cifras. Según se informa, el motor anterior, Avatar III, es mucho más barato por minuto, así que úsalo para los borradores del guion y reserva los motores premium para el render final.
El precio es un empate, así que la calidad tiene que desempatar. La mayoría de las diferencias reales aparecen en el movimiento, en los guiones largos y en el formato de salida.
Avatar V es el motor más nuevo, y su ficha promete mejor calidad de movimiento y expresiones más coherentes, sobre todo en guiones largos. El razonamiento es sólido: un motor que reutiliza el patrón de movimiento de una persona real tiene menos que inventar, así que las inclinaciones de cabeza, los movimientos de hombros y los parpadeos se mantienen coherentes desde la primera frase hasta la última.
Avatar IV se apoya en la animación expresiva de fotos. Brilla cuando el origen es una imagen fija o un personaje estilizado, donde no hay grabación de movimiento que copiar. Espera resultados animados en clips cortos y algo más de repetición en los gestos en los más largos.
Ambas páginas prometen un movimiento de labios que sigue cada sílaba, y ambas aceptan hasta 5.000 caracteres en una sola ejecución. Eso equivale a unos cinco o seis minutos de habla a ritmo normal. Para algo más largo, divide el guion en capítulos y renderízalos por separado. Las frases cortas y una puntuación limpia ayudan a que cualquiera de los dos motores mantenga con precisión la forma de la boca.
Avatar V ofrece 720p, 1080p y 4K, además de un selector 16:9 o 9:16. Avatar IV usa 1920x1080 por defecto y te deja definir el ancho y el alto. Si te importa un archivo 4K para una pantalla grande, Avatar V tiene el ajuste integrado.
Qué revisar en tu propia prueba: observa la boca en las palabras con labios cerrados como m, b y p. Mira los ojos durante las pausas, donde un render más débil tiende a congelarse. Revisa las manos y los hombros alrededor del segundo 30, donde suelen aparecer gestos repetidos. Después reproduce el clip sin sonido con subtítulos activados, para ver si el ritmo sigue sonando natural.
Ninguno de los dos motores es instantáneo. Los ejemplos publicados de cada modelo dan una idea aproximada:
Eso equivale a unos 11 segundos de espera por cada segundo de video en Avatar V y unos 17 en Avatar IV. Son ejemplos aislados, no un benchmark controlado, así que los tiempos de cola y la longitud del guion los moverán. La lección práctica se mantiene: cuenta con minutos, no con segundos, y renderiza los borradores en 720p antes de comprometerte con 4K.
💡 Consejo: Escribe primero todos tus guiones y luego ejecútalos uno tras otro. Así el tiempo de render se solapa con tu propia edición en lugar de bloquearla.
Una biblioteca de formación necesita que el mismo presentador se vea y se mueva igual en decenas de módulos. Ese es el punto ideal para Avatar V con un gemelo digital de tu formador real. Si usas presentadores de archivo para los clips de incorporación, Avatar IV los maneja bien y te permite fijar un tono Calmado o Serio en cada módulo.
Los clips verticales cortos dependen de las primeras impresiones. Avatar V te da 9:16 y subtítulos integrados en una sola ejecución. Avatar IV te da el diseño de primer plano y una voz Emocionada, que encaja con los avances de producto. Si una campaña combina ambos, mantén un solo motor por personaje para que los espectadores no noten el cambio.
Una chuleta rápida para tareas habituales:
| Tarea | Mejor opción | Motivo |
|---|---|---|
| Actualización semanal del equipo por parte de un responsable | Avatar V | Aspecto coherente, guiones largos |
| Explicador con mascota de marca | Avatar IV | Funciona desde un personaje fijo |
| Curso con 20 módulos | Avatar V | Mismo presentador, movimiento estable |
| Avance de producto con tono enérgico | Avatar IV | Preajustes de emoción y primer plano |
| Clip social vertical con subtítulos | Avatar V | 9:16 y subtítulos en una sola ejecución |
| Versiones multilingües de un mismo guion | Cualquiera | Cambia el ID de voz y el texto |
Ambos motores siguen el mismo flujo en Picasso IA, así que este recorrido sirve para Avatar IV con algunas opciones adicionales.
input_text. Mantenlo por debajo de 5.000 caracteres.voice_id y un avatar_id. Ambos son obligatorios, y el avatar debe ser compatible con Avatar V.resolution: 720p para borradores, 1080p por defecto, 4K para el archivo final.aspect_ratio 16:9 o 9:16, activa caption si los espectadores verán el video sin sonido, y ejecútalo.Para Avatar IV, los pasos son los mismos, pero también eliges avatar_style y voice_emotion en lugar de un preajuste de resolución.
| Parámetro | Valor sugerido | Motivo |
|---|---|---|
voice_speed | 0,9 a 1,1 | Ritmo natural sin sonar apresurado |
resolution | 720p primero, 4K al final | Borradores baratos, finales nítidos |
caption | Activado para redes | La mayoría de los feeds se reproducen automáticamente sin sonido |
avatar_style (IV) | closeUp | Llena el encuadre en los teléfonos |
voice_emotion (IV) | Friendly o Broadcaster | Encaja con la mayoría de los guiones de marketing y noticias |
La forma más rápida de zanjar este debate es probar tu propio guion. Abre Avatar V y Avatar IV en Picasso IA, pega el mismo guion de 30 segundos en cada uno y compara los rostros, el ritmo y el archivo que recibes.
¿Necesitas una miniatura o una imagen fija de marca para acompañar el clip? Genérala con Seedream 4.5 o Flux 2 Pro. ¿Quieres un video con presentador a partir de un solo prompt? Prueba Video Agent. Si prefieres animar un rostro a partir de audio, Kling Avatar v2 es otra opción dentro de la misma plataforma.
Elige un guion, pulsa ejecutar y juzga el resultado con tus propios ojos. Crea hoy tu primer video con avatar en Picasso IA y deja que el render, y no la lista de precios, tome la decisión.
Elige tu idioma
