Avatar V और Avatar IV, दोनों HeyGen के वेब प्लान पर प्रति मिनट 20 क्रेडिट पर चलते हैं, इसलिए कीमत शायद ही चुनाव तय करती है। यह ब्रेकडाउन प्लान की लागत, API रेट, मोशन क्वालिटी, रेंडर टाइम और रेज़ोल्यूशन को एक साथ रखता है, और फिर बताता है कि हर मॉडल कैसे चलाएँ।
स्क्रीन पर बोलता हुआ प्रेज़ेंटर दिखाने के दो तरीके हैं: किसी इंसान की शूटिंग करें, या स्क्रिप्ट टाइप करें और शूटिंग का काम एक इंजन को सौंप दें। HeyGen दूसरे रास्ते को दो इंजनों के ज़रिए बेचता है, जो प्राइस शीट पर एक जैसे दिखते हैं, लेकिन रेंडर दबाते ही अलग तरह से काम करते हैं। Avatar V नया इंजन है, जो असली इंसान की तरह हरकत करने के लिए बना है। Avatar IV पुराना और ज़्यादा लचीला इंजन है, जो एक स्थिर फ़ोटो को भी जीवंत बना सकता है। दोनों 5,000 कैरेक्टर तक की स्क्रिप्ट स्वीकार करते हैं, दोनों Picasso IA पर उपलब्ध हैं, और HeyGen के वेब प्लान पर दोनों एक ही दर से क्रेडिट खर्च करते हैं।
इसलिए कीमत वाला सवाल आपकी सोच से छोटा है। असल में आपका पैसा कहाँ जाता है, यह क्वालिटी वाला सवाल तय करता है। प्रकाशित स्पेक्स, प्लान शीट और उदाहरण रेंडर क्या दिखाते हैं, यह यहाँ है, ताकि आप एक भी क्रेडिट खर्च करने से पहले चुन सकें।
अगर आपके पास किसी असली इंसान का ट्रेन्ड डिजिटल ट्विन है, तो Avatar V इस्तेमाल करें। अगर आप एक फ़ोटो, किसी स्टाइलाइज़्ड कैरेक्टर या स्टॉक प्रेज़ेंटर से शुरू कर रहे हैं, तो Avatar IV इस्तेमाल करें। कीमत शायद ही तय करती है, क्योंकि दोनों पर क्रेडिट दर एक ही है।
| फ़ीचर | Avatar V | Avatar IV |
|---|---|---|
| सबसे अच्छा किसके लिए | रियलिस्टिक डिजिटल ट्विन | फ़ोटो अवतार, स्टाइलाइज़्ड और गैर-मानव प्रेज़ेंटर |
| अवतार की ज़रूरत | केवल वे अवतार जो Avatar V को सपोर्ट करते हैं | कोई भी HeyGen अवतार, फ़ोटो सहित |
| Picasso IA पर आउटपुट | 720p, 1080p या 4K | डिफ़ॉल्ट रूप से 1920x1080 |
| आस्पेक्ट रेशियो | 16:9 या 9:16 | चौड़ाई और ऊँचाई से सेट करें |
| वॉइस इमोशन | उपलब्ध नहीं | Excited, Friendly, Serious, Soothing, Broadcaster |
| वेब प्लान की लागत | प्रति मिनट 20 क्रेडिट | प्रति मिनट 20 क्रेडिट |
| उदाहरण रेंडर टाइम | 12 सेकंड की क्लिप के लिए लगभग 2.3 मिनट | 17 सेकंड की क्लिप के लिए लगभग 4.7 मिनट |
टेबल को ऊपर से पढ़ें। पहली दो पंक्तियाँ ज़्यादातर मामलों का फ़ैसला करती हैं, क्योंकि वे इस पर निर्भर हैं कि आपके पास पहले से क्या है। डिजिटल ट्विन Avatar V की ओर इशारा करता है। फ़ोटो, मैस्कॉट या स्टॉक प्रेज़ेंटर Avatar IV की ओर इशारा करता है। बाकी पंक्तियाँ तभी मायने रखती हैं जब ये दोनों बातें तय हो जाएँ, और उनमें से ज़्यादातर लंबी बहस के बजाय एक त्वरित टेस्ट से ही साफ़ हो जाती हैं।
💡 टिप: किसी सीरीज़ पर पैसा लगाने से पहले एक 30 सेकंड की स्क्रिप्ट दोनों इंजनों से चलाकर देखें। दस मिनट का टेस्ट पूरे कोर्स मॉड्यूल को दोबारा रेंडर करने से कहीं सस्ता पड़ता है।
दोनों इंजन टाइप किए गए टेक्स्ट को बोलते हुए प्रेज़ेंटर में बदलते हैं, और दोनों आपके लिए आवाज़, होंठों की हरकत और कैप्शन संभालते हैं। फ़र्क इस बात में है कि प्रेज़ेंटर कैसे बनता है और कैसे हिलता है।
Avatar IV लचीला इंजन है। यह किसी भी HeyGen अवतार के साथ काम करता है, जिसमें मनमाने फ़ोटो भी शामिल हैं, इसलिए रिव्यूअर इसे फ़ोटो अवतार, स्टाइलाइज़्ड कैरेक्टर, 2D या 3D सब्जेक्ट और ऐसे प्रेज़ेंटर के लिए बताते हैं जो बिल्कुल भी इंसान नहीं हैं।
Picasso IA पर आपको काम के कंट्रोल मिलते हैं: वॉइस स्पीड 0.5x से 1.5x तक, कैप्शन के लिए एक टॉगल, तीन लेआउट (normal, close-up और circle overlay), और पाँच वॉइस इमोशन के साथ एक न्यूट्रल सेटिंग। इमोशन प्रीसेट यह बदलते हैं कि वॉइस लाइन को कैसे डिलीवर करती है, इसलिए प्रोडक्ट अनाउंसमेंट Excited सुनाई दे सकती है, जबकि पॉलिसी अपडेट Serious सुनाई दे सकता है।
यह लचीलापन तब काम आता है जब आपके पास बिल्कुल भी रिकॉर्डेड फ़ुटेज नहीं है। ब्रांड मैस्कॉट या किसी टीम मेंबर की साफ़ हेडशॉट एक बोलता हुआ प्रेज़ेंटर बन सकती है, और बाकी काम स्क्रिप्ट और आवाज़ करते हैं। क्योंकि इंजन हरकत कॉपी करने के बजाय उसे खुद गढ़ता है, इसलिए सोर्स तस्वीर मायने रखती है। व्यवहार में, तेज़, सामने से ली गई और समान रोशनी वाला पोर्ट्रेट लिप सिंक को तिरछे या छायादार पोर्ट्रेट से ज़्यादा आधार देता है।
Avatar V अलग रास्ता अपनाता है। HeyGen इसे एक क्रॉस-रेफ़रेंस-संचालित इंजन बताता है: यह किसी असली इंसान के मूवमेंट सिग्नेचर का दोबारा इस्तेमाल करता है, इसलिए प्रेज़ेंटर वैसे ही इशारे करता है और हिलता है जैसे वह व्यक्ति असल में करता है। इसी वजह से यह किसी फ़ाउंडर, ट्रेनर या स्पोकपर्सन के डिजिटल ट्विन के लिए बेहतर बैठता है।
इसके बदले में आपको पहुँच से समझौता करना पड़ता है। आप जो avatar_id भेजते हैं, उसे Avatar V को सपोर्ट करना चाहिए, और कोई रैंडम स्टॉक फ़ोटो योग्य नहीं होगी। आप वॉइस इमोशन का मेन्यू भी छोड़ देते हैं, हालाँकि वॉइस स्पीड, कैप्शन, आस्पेक्ट रेशियो और तीन रेज़ोल्यूशन स्तर बने रहते हैं।
सेटअप में Avatar IV की तुलना में ज़्यादा मेहनत लगती है। डिजिटल ट्विन असली इंसान के वीडियो से ट्रेन होता है, इसलिए किसी भी स्क्रिप्ट के टाइप होने से पहले किसी को एक बार अच्छे कैमरे और अच्छी रोशनी में शूट होना पड़ता है। उस सेशन के बाद, वही प्रेज़ेंटर आपके क्रेडिट जितनी भी नई स्क्रिप्ट बोल सकता है, बिना किसी और स्टूडियो बुकिंग के। जो टीमें हर हफ़्ते पब्लिश करती हैं, उनके लिए यहीं निवेश का फ़ायदा मिलता है।
यहाँ दोनों इंजन जुड़वाँ हैं। HeyGen के उपभोक्ता प्लान Avatar V और Avatar IV को एक ही दर पर बिल करते हैं, इसलिए नीचे के आँकड़े दोनों पर लागू होते हैं।
दोनों इंजन तैयार वीडियो के प्रति मिनट 20 क्रेडिट लेते हैं। रिपोर्ट किए गए प्लान के आवंटन इस तरह मिनटों में बदलते हैं:
| प्लान | मासिक कीमत | क्रेडिट | अवतार मिनट |
|---|---|---|---|
| Creator | $29 | 600 | लगभग 30 |
| Pro | $49 | 1,000 | लगभग 50 |
| Business | $149 | 1,500 | लगभग 75 |
इससे Creator लगभग 97 सेंट प्रति मिनट और Pro लगभग 98 सेंट प्रति मिनट पर आता है। Business लगभग $2 प्रति मिनट पर पहुँचता है, क्योंकि आप साझा क्रेडिट और टीम सीट्स के लिए भी भुगतान कर रहे होते हैं। रिपोर्ट के अनुसार फ़्री प्लान में अवतार क्रेडिट शामिल नहीं हैं, इसलिए वह केवल वर्कफ़्लो जाँचने के लिए काम का है।
💡 ध्यान दें: प्रोडक्ट अपडेट के बीच क्रेडिट रेट और प्लान की कीमतें बदलती हैं। कोई प्लान खरीदने से पहले HeyGen का मौजूदा प्राइसिंग पेज देखें, और यहाँ के हर आँकड़े को एक स्नैपशॉट मानें।
API उपयोग डॉलर वॉलेट से बिल होता है, प्लान क्रेडिट से नहीं, और प्रकाशित आँकड़े पूरी तरह एक जैसे नहीं हैं। एक ब्रेकडाउन Avatar IV फ़ोटो अवतार को लगभग $3 प्रति मिनट (720p या 1080p) और 4K पर $4, तथा डिजिटल ट्विन या स्टूडियो अवतार को $4 और $5 बताता है। एक अन्य स्रोत $0.05 से $0.10 प्रति सेकंड बताता है, जो $3 से $6 प्रति मिनट बनता है। इन्हें एक ही दायरे के रूप में पढ़ें: हर उस मिनट के लिए लगभग $3 से $6 जो आप रेंडर करते हैं।
मुझे जाँचे गए स्रोतों में Avatar V के लिए अलग API रेट नहीं मिला, इसलिए जब तक HeyGen एक प्रकाशित न करे, यह मानकर न चलें कि यह Avatar IV से सस्ता या महँगा है।
मान लीजिए आपको दस एक-मिनट के वीडियो चाहिए।
अगर आप क्रेडिट इस्तेमाल करने वाले हैं, तो प्लान क्रेडिट सस्ता रास्ता है। हालाँकि रीटेक हिसाब को जल्दी बदल देते हैं। अगर हर अंतिम मिनट के लिए तीन रेंडर लगते हैं, तो दोनों आँकड़े तीन गुना कर दें। रिपोर्ट के अनुसार HeyGen का पुराना Avatar III इंजन प्रति मिनट कहीं सस्ता है, इसलिए स्क्रिप्ट ड्राफ़्ट के लिए उसका इस्तेमाल करें और प्रीमियम इंजन अंतिम रेंडर के लिए बचाकर रखें।
कीमत बराबर है, इसलिए फ़ैसला क्वालिटी से होना है। ज़्यादातर असली फ़र्क मोशन, लंबी स्क्रिप्ट और आउटपुट फ़ॉर्मेट में दिखता है।
Avatar V नया इंजन है, और इसकी लिस्टिंग बेहतर मोशन क्वालिटी और ज़्यादा सुसंगत एक्सप्रेशन का वादा करती है, खासकर लंबी स्क्रिप्ट पर। तर्क सही बैठता है: जो इंजन किसी असली इंसान के मूवमेंट पैटर्न का दोबारा इस्तेमाल करता है, उसे कम गढ़ना पड़ता है, इसलिए सिर के झुकाव, कंधों की हरकत और पलकों का झपकना पहले वाक्य से आखिरी वाक्य तक एक जैसे रहते हैं।
Avatar IV एक्सप्रेसिव फ़ोटो एनिमेशन पर टिका है। यह तब चमकता है जब सोर्स एक स्थिर तस्वीर या स्टाइलाइज़्ड कैरेक्टर हो, जहाँ कॉपी करने के लिए कोई मोशन रिकॉर्डिंग नहीं होती। छोटी क्लिप्स पर जीवंत नतीजों की उम्मीद करें, और लंबी क्लिप्स पर इशारों में थोड़ा ज़्यादा दोहराव दिख सकता है।
दोनों पेज होंठों की ऐसी हरकत का वादा करते हैं जो हर अक्षर से मेल खाती है, और दोनों एक बार में 5,000 कैरेक्टर तक स्वीकार करते हैं। सामान्य गति से यह लगभग पाँच से छह मिनट की बोली जाने वाली बात है। इससे लंबी किसी भी चीज़ के लिए स्क्रिप्ट को चैप्टर में बाँटें और अलग-अलग रेंडर करें। छोटे वाक्य और साफ़ विराम चिह्न किसी भी इंजन को होंठों के आकार सटीक रखने में मदद करते हैं।
Avatar V 720p, 1080p और 4K के साथ-साथ 16:9 या 9:16 का स्विच देता है। Avatar IV डिफ़ॉल्ट रूप से 1920x1080 रखता है और चौड़ाई व ऊँचाई आप खुद सेट करने देता है। अगर किसी बड़ी स्क्रीन के लिए 4K फ़ाइल आपके लिए मायने रखती है, तो Avatar V में यह सेटिंग पहले से मौजूद है।
आपके अपने टेस्ट में क्या जाँचें: उन शब्दों पर मुँह देखें जिनमें होंठ बंद होते हैं, जैसे m, b और p। विरामों के दौरान आँखें देखें, जहाँ कमज़ोर रेंडर अक्सर जम जाता है। 30 सेकंड के आसपास हाथों और कंधों की जाँच करें, जहाँ दोहराए गए इशारे अक्सर दिखते हैं। फिर क्लिप को म्यूट और कैप्शन ऑन करके चलाएँ, ताकि देखें कि टाइमिंग अब भी स्वाभाविक लगती है या नहीं।
कोई भी इंजन तुरंत नहीं होता। हर मॉडल के लिए प्रकाशित उदाहरण रन एक मोटा अंदाज़ा देते हैं:
इसका मतलब है कि Avatar V के लिए हर सेकंड के वीडियो पर लगभग 11 सेकंड का इंतज़ार, और Avatar IV के लिए लगभग 17 सेकंड। ये अकेले उदाहरण हैं, कोई नियंत्रित बेंचमार्क नहीं, इसलिए क्यू का समय और स्क्रिप्ट की लंबाई इन्हें बदल सकती है। व्यावहारिक सबक वही रहता है: सेकंड नहीं, मिनटों की योजना बनाएँ, और 4K पर तय करने से पहले ड्राफ़्ट 720p पर रेंडर करें।
💡 टिप: पहले सारी स्क्रिप्ट लिख लें, फिर उन्हें एक के बाद एक चलाएँ। इससे रेंडरिंग का समय आपकी अपनी एडिटिंग के साथ ओवरलैप होता है, उसे रोकता नहीं।
एक ट्रेनिंग लाइब्रेरी को चाहिए कि दर्जनों मॉड्यूल में एक ही प्रेज़ेंटर एक जैसा दिखे और एक जैसे हिले। आपके असली ट्रेनर के डिजिटल ट्विन के साथ Avatar V के लिए यही सबसे अच्छी जगह है। अगर आप ऑनबोर्डिंग क्लिप्स के लिए स्टॉक प्रेज़ेंटर इस्तेमाल करते हैं, तो Avatar IV उन्हें अच्छी तरह संभालता है और हर मॉड्यूल के लिए Soothing या Serious टोन चुनने देता है।
छोटी वर्टिकल क्लिप्स पहली छाप पर ही टिकी होती हैं। Avatar V एक ही रन में 9:16 और बर्न-इन कैप्शन देता है। Avatar IV क्लोज़-अप लेआउट और एक Excited आवाज़ देता है, जो प्रोडक्ट टीज़र के लिए ठीक बैठती है। ऐसे कैंपेन के लिए जिसमें दोनों मिले हों, हर किरदार के लिए एक ही इंजन रखें, ताकि दर्शक बदलाव को न पकड़ें।
आम कामों के लिए एक त्वरित चीट शीट:
| काम | बेहतर विकल्प | कारण |
|---|---|---|
| मैनेजर की साप्ताहिक टीम अपडेट | Avatar V | सुसंगत लुक, लंबी स्क्रिप्ट |
| ब्रांड मैस्कॉट एक्सप्लेनर | Avatar IV | स्थिर कैरेक्टर से काम करता है |
| 20 मॉड्यूल वाला कोर्स | Avatar V | वही प्रेज़ेंटर, स्थिर मोशन |
| उत्साही टोन वाला प्रोडक्ट टीज़र | Avatar IV | इमोशन प्रीसेट और क्लोज़-अप |
| कैप्शन वाली वर्टिकल सोशल क्लिप | Avatar V | 9:16 और एक ही रन में कैप्शन |
| एक ही स्क्रिप्ट के बहुभाषी संस्करण | कोई भी | वॉइस ID और टेक्स्ट बदलें |
Picasso IA पर दोनों इंजन एक ही फ़्लो फ़ॉलो करते हैं, इसलिए यह वॉकथ्रू कुछ अतिरिक्त विकल्पों के साथ Avatar IV पर भी काम करता है।
input_text में पेस्ट करें। 5,000 कैरेक्टर से कम रखें।voice_id और एक avatar_id जोड़ें। दोनों ज़रूरी हैं, और अवतार का Avatar V को सपोर्ट करना ज़रूरी है।resolution चुनें: ड्राफ़्ट के लिए 720p, डिफ़ॉल्ट के रूप में 1080p, और अंतिम फ़ाइल के लिए 4K।aspect_ratio 16:9 या 9:16 चुनें, अगर दर्शक म्यूट में देखेंगे तो caption ऑन करें, और रन करें।Avatar IV के लिए स्टेप वही हैं, लेकिन रेज़ोल्यूशन प्रीसेट के बजाय आप avatar_style और voice_emotion भी चुनते हैं।
| पैरामीटर | सुझाया गया मान | क्यों |
|---|---|---|
voice_speed | 0.9 से 1.1 | जल्दबाज़ी लगे बिना स्वाभाविक गति |
resolution | पहले 720p, अंत में 4K | सस्ते ड्राफ़्ट, तेज़ फ़ाइनल |
caption | सोशल के लिए ऑन | ज़्यादातर फ़ीड बिना आवाज़ के ऑटोप्ले होते हैं |
avatar_style (IV) | closeUp | फ़ोन पर फ़्रेम भर देता है |
voice_emotion (IV) | Friendly या Broadcaster | ज़्यादातर मार्केटिंग और न्यूज़ स्क्रिप्ट से मेल खाता है |
इस बहस को सुलझाने का सबसे तेज़ तरीका अपनी स्क्रिप्ट चलाना है। Picasso IA पर Avatar V और Avatar IV खोलें, दोनों में वही 30 सेकंड की स्क्रिप्ट पेस्ट करें, और चेहरे, गति और जो फ़ाइल वापस मिले उसकी तुलना करें।
क्लिप के साथ थंबनेल या ब्रांडेड स्टिल चाहिए? Seedream 4.5 या Flux 2 Pro से बनाएँ। एक ही प्रॉम्प्ट से प्रेज़ेंटर-आधारित वीडियो चाहिए? Video Agent आज़माएँ। अगर आप ऑडियो से चेहरे को एनिमेट करना चाहते हैं, तो उसी प्लेटफ़ॉर्म पर Kling Avatar v2 एक और विकल्प है।
एक स्क्रिप्ट चुनें, रन दबाएँ, और नतीजे को अपनी आँखों से परखें। आज ही Picasso IA पर अपना पहला अवतार वीडियो बनाएँ, और फ़ैसला प्राइस शीट नहीं, रेंडर करे।
अपनी भाषा चुनें
