Avatar V et Avatar IV consomment tous deux 20 crédits par minute sur les forfaits web de HeyGen : le prix tranche donc rarement. Ce comparatif met côte à côte coûts des forfaits, tarifs de l’API, qualité du mouvement, temps de rendu et résolution, puis montre comment utiliser chaque modèle.
Vous pouvez faire apparaître un présentateur qui parle à l’écran de deux façons : filmer une personne, ou saisir un script et laisser un moteur faire la prise de vue. HeyGen vend la seconde voie à travers deux moteurs qui paraissent identiques sur une grille tarifaire, mais qui se comportent différemment dès que vous lancez le rendu. Avatar V est le plus récent, conçu pour bouger comme une vraie personne. Avatar IV est le plus ancien, plus souple, et il peut animer une photo fixe. Les deux acceptent des scripts allant jusqu’à 5 000 caractères, les deux sont disponibles sur Picasso IA, et sur les forfaits web de HeyGen, ils consomment des crédits au même rythme.
La question du prix se règle donc plus vite qu’on ne le pense. La question de la qualité est celle où votre argent est réellement dépensé. Voici ce que montrent les spécifications publiées, les grilles tarifaires et les rendus d’exemple, afin que vous puissiez choisir avant de dépenser le moindre crédit.
Si vous possédez un jumeau numérique entraîné d’une personne réelle, utilisez Avatar V. Si vous partez d’une photo, d’un personnage stylisé ou d’un présentateur de banque d’images, utilisez Avatar IV. Le prix tranche rarement, car le coût en crédits est le même pour les deux.
| Critère | Avatar V | Avatar IV |
|---|---|---|
| Idéal pour | Jumeaux numériques réalistes | Avatars photo, présentateurs stylisés et non humains |
| Condition sur l’avatar | Seuls les avatars compatibles avec Avatar V | Tout avatar HeyGen, y compris les photos |
| Sortie sur Picasso IA | 720p, 1080p ou 4K | 1920x1080 par défaut |
| Format | 16:9 ou 9:16 | Réglé avec la largeur et la hauteur |
| Émotion de la voix | Non proposée | Enthousiaste, Amical, Sérieux, Apaisant, Présentateur de journal |
| Coût sur forfait web | 20 crédits par minute | 20 crédits par minute |
| Exemple de temps de rendu | Environ 2,3 minutes pour un clip de 12 secondes | Environ 4,7 minutes pour un clip de 17 secondes |
Lisez le tableau depuis le haut. Les deux premières lignes tranchent la plupart des cas, car elles dépendent de ce que vous possédez déjà. Un jumeau numérique oriente vers Avatar V. Une photo, une mascotte ou un présentateur de banque d’images oriente vers Avatar IV. Les autres lignes ne comptent qu’une fois ces deux-là réglées, et la plupart gagnent à être vérifiées par un test rapide plutôt que par un long débat.
💡 Astuce : Faites passer un script de 30 secondes dans les deux moteurs avant de vous engager sur une série. Dix minutes de test coûtent bien moins cher que de refaire le rendu d’un module de cours entier.
Les deux moteurs transforment un texte saisi en présentateur qui parle, et tous deux gèrent pour vous la voix, les lèvres et les sous-titres. La différence tient à la manière dont le présentateur est construit et à la façon dont il bouge.
Avatar IV est le moteur souple. Il fonctionne avec n’importe quel avatar HeyGen, y compris n’importe quelle photo, ce qui explique pourquoi les analystes le recommandent pour les avatars photo, les personnages stylisés, les sujets en 2D ou en 3D, et les présentateurs qui ne sont pas du tout humains.
Sur Picasso IA, vous disposez d’un ensemble pratique de réglages : une vitesse de voix de 0,5x à 1,5x, un interrupteur pour les sous-titres, trois mises en page (normale, gros plan et incrustation circulaire) et cinq émotions de voix ainsi qu’un réglage neutre. Les préréglages d’émotion modifient la façon dont la voix délivre la phrase : une annonce de produit peut donc sonner Enthousiaste tandis qu’une mise à jour de règlement sonne Sérieuse.
Cette souplesse est utile lorsque vous n’avez aucune séquence filmée. Une mascotte de marque ou un portrait net d’un membre de l’équipe peut devenir un présentateur qui parle, le script et la voix faisant le reste. Comme le moteur invente le mouvement au lieu de le copier, l’image source compte. En pratique, un portrait net, de face et uniformément éclairé donne davantage de matière à la synchronisation labiale qu’un portrait incliné ou ombré.
Avatar V suit une autre voie. HeyGen le décrit comme un moteur piloté par des références croisées : il reprend la signature de mouvement d’une personne réelle, si bien que le présentateur gesticule et se déplace comme cette personne le fait réellement. Il convient donc mieux à un jumeau numérique d’un fondateur, d’un formateur ou d’un porte-parole.
Le compromis porte sur l’accès. Le avatar_id que vous envoyez doit être compatible avec Avatar V, et une photo de banque d’images ordinaire ne conviendra pas. Vous renoncez aussi au menu des émotions de voix, même si vous conservez la vitesse de la voix, les sous-titres, le format et trois niveaux de résolution.
La mise en place demande plus d’efforts qu’avec Avatar IV. Un jumeau numérique est entraîné à partir d’une vidéo de la personne réelle : il faut donc la filmer une fois, avec une bonne caméra et un bon éclairage, avant de pouvoir saisir le moindre script. Après cette séance, le même présentateur peut délivrer autant de nouveaux scripts que vos crédits le permettent, sans réserver un nouveau studio. C’est là que l’investissement se rentabilise pour les équipes qui publient chaque semaine.
Ici, les deux moteurs sont identiques. Les forfaits grand public de HeyGen facturent Avatar V et Avatar IV au même tarif, donc les chiffres ci-dessous valent pour les deux.
Les deux moteurs coûtent 20 crédits par minute de vidéo finie. Les allocations publiées par les forfaits se traduisent en minutes de la façon suivante :
| Forfait | Prix mensuel | Crédits | Minutes d’avatar |
|---|---|---|---|
| Creator | 29 $ | 600 | Environ 30 |
| Pro | 49 $ | 1 000 | Environ 50 |
| Business | 149 $ | 1 500 | Environ 75 |
Cela place le forfait Creator à environ 97 cents par minute et le forfait Pro à environ 98 cents par minute. Le forfait Business tourne autour de 2 $ par minute, car vous payez aussi des crédits partagés et des sièges d’équipe. Le forfait gratuit ne comprendrait, d’après les informations disponibles, aucun crédit d’avatar : il ne sert donc qu’à vérifier le flux de travail.
💡 Attention : Les tarifs en crédits et les prix des forfaits changent entre les mises à jour du produit. Consultez la page tarifaire actuelle de HeyGen avant d’acheter un forfait, et considérez chaque chiffre ici comme un instantané.
L’usage de l’API est facturé depuis un portefeuille en dollars plutôt qu’avec les crédits du forfait, et les chiffres publiés ne sont pas tout à fait cohérents. Une source indique les avatars photo d’Avatar IV à environ 3 $ par minute (720p ou 1080p) et 4 $ en 4K, et les avatars jumeau numérique ou studio à 4 $ et 5 $. Une autre source cite 0,05 à 0,10 $ par seconde, soit 3 à 6 $ par minute. Lisez-les comme une seule fourchette : environ 3 à 6 $ pour chaque minute rendue.
Je n’ai trouvé aucun tarif API distinct pour Avatar V dans les sources consultées : ne supposez donc pas qu’il soit moins cher ou plus cher qu’Avatar IV tant que HeyGen n’en publie pas un.
Supposons que vous ayez besoin de dix vidéos d’une minute.
Les crédits du forfait sont la voie la moins chère lorsque vous les utilisez réellement. Les reprises modifient vite le calcul, cependant. Si chaque minute finale nécessite trois rendus, multipliez les deux chiffres par trois. Le moteur plus ancien Avatar III serait nettement moins cher par minute : utilisez-le pour les brouillons de script et réservez les moteurs premium pour le rendu final.
Le prix est à égalité, la qualité doit donc départager les deux moteurs. La plupart des différences réelles apparaissent dans le mouvement, les longs scripts et le format de sortie.
Avatar V est le moteur le plus récent, et sa fiche promet une meilleure qualité de mouvement et des expressions plus cohérentes, surtout sur les longs scripts. Le raisonnement tient : un moteur qui reprend le schéma de mouvement d’une personne réelle a moins à inventer, si bien que les inclinaisons de tête, les mouvements d’épaules et les clignements restent cohérents de la première phrase à la dernière.
Avatar IV s’appuie sur l’animation expressive de photos. Il brille lorsque la source est une image fixe ou un personnage stylisé, là où il n’existe aucun enregistrement de mouvement à reproduire. Attendez-vous à des résultats vivants sur les clips courts, et à un peu plus de répétition dans les gestes sur les plus longs.
Les deux pages promettent des mouvements de lèvres qui suivent chaque syllabe, et toutes deux acceptent jusqu’à 5 000 caractères en une seule fois. Cela représente environ cinq à six minutes de parole à un rythme normal. Pour tout ce qui est plus long, découpez le script en chapitres et faites-les rendre séparément. Des phrases courtes et une ponctuation propre aident l’un ou l’autre moteur à garder des formes de bouche précises.
Avatar V propose le 720p, le 1080p et le 4K, ainsi qu’un basculement entre 16:9 et 9:16. Avatar IV utilise par défaut le 1920x1080 et vous laisse définir vous-même la largeur et la hauteur. Si un fichier 4K destiné à un grand écran vous importe, Avatar V dispose du réglage intégré.
Ce qu’il faut vérifier dans votre propre test : observez la bouche sur les mots aux lèvres fermées comme m, b et p. Regardez les yeux pendant les pauses, là où un rendu moins bon a tendance à figer le visage. Contrôlez les mains et les épaules autour de la marque des 30 secondes, où les gestes répétés ont tendance à apparaître. Puis lisez le clip en silence, sous-titres activés, pour voir si le rythme se lit toujours naturellement.
Aucun des deux moteurs n’est instantané. Les rendus d’exemple publiés pour chaque modèle donnent une idée approximative :
Cela représente environ 11 secondes d’attente par seconde de vidéo pour Avatar V, et environ 17 pour Avatar IV. Il ne s’agit que d’exemples isolés, pas d’un benchmark contrôlé : la file d’attente et la longueur du script feront varier ces chiffres. La leçon pratique reste la même : prévoyez des minutes, pas des secondes, et faites vos brouillons en 720p avant de vous engager sur le 4K.
💡 Astuce : Rédigez d’abord tous vos scripts, puis lancez-les les uns après les autres. Le temps de rendu se superpose alors à votre propre montage au lieu de le bloquer.
Une bibliothèque de formation exige que le même présentateur ait la même apparence et les mêmes mouvements sur des dizaines de modules. C’est le domaine idéal d’Avatar V avec un jumeau numérique de votre formateur. Si vous utilisez plutôt des présentateurs de banque d’images pour vos clips d’accueil, Avatar IV les gère bien et vous permet de choisir un ton Apaisant ou Sérieux pour chaque module.
Les clips verticaux courts reposent sur la première impression. Avatar V vous offre le 9:16 et des sous-titres incrustés en un seul passage. Avatar IV vous offre la mise en page en gros plan et une voix Enthousiaste, ce qui convient aux teasers de produits. Pour une campagne qui mélange les deux, gardez un seul moteur par personnage afin que les spectateurs ne remarquent pas le changement.
Une petite fiche récapitulative pour les usages courants :
| Usage | Meilleur choix | Raison |
|---|---|---|
| Point hebdomadaire d’équipe par un manager | Avatar V | Apparence constante, longs scripts |
| Vidéo explicative d’une mascotte de marque | Avatar IV | Fonctionne à partir d’un personnage fixe |
| Formation de 20 modules | Avatar V | Même présentateur, mouvement stable |
| Teaser produit au ton enjoué | Avatar IV | Préréglages d’émotion et gros plan |
| Clip vertical pour les réseaux sociaux avec sous-titres | Avatar V | 9:16 et sous-titres en un seul passage |
| Versions multilingues d’un même script | Les deux | Remplacez l’ID de voix et le texte |
Les deux moteurs suivent le même parcours sur Picasso IA : ce pas-à-pas fonctionne donc pour Avatar IV, avec quelques options supplémentaires.
input_text. Restez en dessous de 5 000 caractères.voice_id et un avatar_id. Les deux sont obligatoires, et l’avatar doit être compatible avec Avatar V.resolution : 720p pour les brouillons, 1080p par défaut, 4K pour le fichier final.aspect_ratio 16:9 ou 9:16, activez caption si les spectateurs regarderont sans son, puis lancez le rendu.Pour Avatar IV, les étapes sont les mêmes, mais vous choisissez aussi avatar_style et voice_emotion à la place d’un préréglage de résolution.
| Paramètre | Valeur suggérée | Pourquoi |
|---|---|---|
voice_speed | 0,9 à 1,1 | Un rythme naturel sans donner l’impression de précipitation |
resolution | 720p d’abord, 4K en dernier | Brouillons économiques, rendus finaux nets |
caption | Activé pour les réseaux sociaux | La plupart des fils d’actualité se lancent sans son |
avatar_style (IV) | closeUp | Remplit le cadre sur les téléphones |
voice_emotion (IV) | Friendly ou Broadcaster | Convient à la plupart des scripts marketing et d’actualité |
Le moyen le plus rapide de trancher ce débat est de lancer votre propre script. Ouvrez Avatar V et Avatar IV sur Picasso IA, collez le même script de 30 secondes dans chacun, et comparez les visages, le rythme et le fichier que vous récupérez.
Besoin d’une vignette ou d’une image de marque pour accompagner le clip ? Générez-la avec Seedream 4.5 ou Flux 2 Pro. Vous voulez une vidéo menée par un présentateur à partir d’un seul prompt ? Essayez Video Agent. Si vous préférez animer un visage à partir d’un audio, Kling Avatar v2 est une autre option sur la même plateforme.
Choisissez un script, lancez le rendu et jugez le résultat de vos propres yeux. Créez dès aujourd’hui votre première vidéo avec avatar sur Picasso IA, et laissez le rendu, et non la grille tarifaire, trancher.
Choisissez votre langue
