Avatar V e Avatar IV consomem os mesmos 20 créditos por minuto nos planos web da HeyGen, então o preço raramente decide a escolha. Esta análise compara lado a lado custos dos planos, tarifas da API, qualidade de movimento, tempos de renderização e resolução, e depois mostra como usar cada modelo.
Você pode ter um apresentador falando na tela de duas maneiras: filmando uma pessoa ou digitando um roteiro e deixando um motor fazer a filmagem. A HeyGen vende a segunda opção por meio de dois motores que parecem idênticos em uma tabela de preços e se comportam de forma diferente no momento em que você clica em renderizar. Avatar V é o mais novo, criado para se mover como uma pessoa real. Avatar IV é o mais antigo e mais flexível, capaz de dar vida a uma foto estática. Os dois aceitam roteiros de até 5.000 caracteres, ambos estão disponíveis no Picasso IA e, nos planos web da HeyGen, consomem créditos na mesma taxa.
Então a pergunta sobre preço é mais simples do que você imagina. A pergunta sobre qualidade é onde o seu dinheiro realmente vai. Veja o que as especificações publicadas, as tabelas de planos e os vídeos de exemplo mostram, para que você escolha antes de gastar um único crédito.
Se você tem um gêmeo digital treinado de uma pessoa real, use o Avatar V. Se você parte de uma foto, de um personagem estilizado ou de um apresentador de banco de imagens, use o Avatar IV. O preço raramente decide, porque a taxa de créditos é a mesma nos dois.
| Recurso | Avatar V | Avatar IV |
|---|---|---|
| Melhor para | Gêmeos digitais realistas | Avatares a partir de foto, apresentadores estilizados e não humanos |
| Requisito do avatar | Somente avatares que suportam o Avatar V | Qualquer avatar da HeyGen, incluindo fotos |
| Saída no PicassoIA | 720p, 1080p ou 4K | 1920x1080 por padrão |
| Proporção | 16:9 ou 9:16 | Definida com largura e altura |
| Emoção da voz | Não disponível | Empolgado, Amigável, Sério, Calmo, Apresentador |
| Custo no plano web | 20 créditos por minuto | 20 créditos por minuto |
| Tempo de renderização de exemplo | Cerca de 2,3 minutos para um clipe de 12 segundos | Cerca de 4,7 minutos para um clipe de 17 segundos |
Leia a tabela de cima para baixo. As duas primeiras linhas decidem a maioria dos casos, porque dependem do que você já tem. Um gêmeo digital aponta para o Avatar V. Uma foto, uma mascote ou um apresentador de banco de imagens aponta para o Avatar IV. As demais linhas só importam depois que essas duas estiverem resolvidas, e a maioria delas recompensa um teste rápido em vez de um longo debate.
💡 Dica: Rode um roteiro de 30 segundos nos dois motores antes de se comprometer com uma série. Dez minutos de teste custam muito menos do que renderizar de novo um módulo inteiro de curso.
Os dois motores transformam texto digitado em um apresentador falando, e ambos cuidam da voz, dos lábios e das legendas para você. A diferença está em como o apresentador é construído e em como ele se move.
O Avatar IV é o motor flexível. Ele funciona com qualquer avatar da HeyGen, inclusive fotos arbitrárias, e é por isso que os analistas o indicam para avatares a partir de foto, personagens estilizados, sujeitos em 2D ou 3D e apresentadores que não são humanos.
No PicassoIA você tem um conjunto prático de controles: velocidade da voz de 0,5x a 1,5x, uma chave para legendas, três layouts (normal, close e sobreposição circular) e cinco emoções de voz, além de uma configuração neutra. As predefinições de emoção mudam a forma como a voz entrega a fala, então um anúncio de produto pode soar Empolgado enquanto uma atualização de política soa Séria.
Essa flexibilidade ajuda quando você não tem nenhuma filmagem gravada. Uma mascote da marca ou uma foto de rosto limpa de um membro da equipe pode virar um apresentador falante, com o roteiro e a voz fazendo o resto. Como o motor inventa o movimento em vez de copiá-lo, a imagem de origem importa. Na prática, um retrato nítido, de frente e com iluminação uniforme dá mais recursos à sincronização labial do que um retrato inclinado ou com sombras.
O Avatar V segue outro caminho. A HeyGen o descreve como um motor orientado por referência cruzada: ele reaproveita a assinatura de movimento de uma pessoa real, então o apresentador gesticula e se desloca do jeito que essa pessoa realmente faz. Isso o torna a melhor escolha para o gêmeo digital de um fundador, de um instrutor ou de um porta-voz.
A contrapartida está no acesso. O avatar_id que você envia precisa suportar o Avatar V, e uma foto aleatória de banco de imagens não vai se qualificar. Você também abre mão do menu de emoções da voz, embora mantenha a velocidade da voz, as legendas, a proporção e três níveis de resolução.
A configuração exige mais esforço do que com o Avatar IV. Um gêmeo digital é treinado com vídeos da pessoa real, então alguém precisa ser filmado uma vez, com uma boa câmera e boa luz, antes de qualquer roteiro ser digitado. Depois dessa sessão, o mesmo apresentador pode entregar quantos roteiros novos seus créditos permitirem, sem outra reserva de estúdio. É aí que o investimento se paga, para equipes que publicam toda semana.
Aqui os dois motores são idênticos. Os planos individuais da HeyGen cobram Avatar V e Avatar IV pela mesma taxa, então os números abaixo valem para ambos.
Os dois motores custam 20 créditos por minuto de vídeo finalizado. As cotas de planos relatadas se convertem em minutos assim:
| Plano | Preço mensal | Créditos | Minutos de avatar |
|---|---|---|---|
| Creator | US$ 29 | 600 | Cerca de 30 |
| Pro | US$ 49 | 1.000 | Cerca de 50 |
| Business | US$ 149 | 1.500 | Cerca de 75 |
Isso coloca o Creator em cerca de 97 centavos por minuto e o Pro em cerca de 98 centavos por minuto. O Business fica perto de US$ 2 por minuto porque você também paga por créditos compartilhados e assentos de equipe. Segundo os relatos, o plano gratuito não inclui créditos de avatar, então serve apenas para testar o fluxo de trabalho.
💡 Atenção: As taxas de crédito e os preços dos planos mudam entre atualizações do produto. Confira a página de preços atual da HeyGen antes de comprar um plano e trate cada número aqui como um retrato do momento.
O uso da API é cobrado de uma carteira em dólares, e não dos créditos do plano, e os números publicados não são perfeitamente consistentes. Um levantamento indica que os avatares de foto do Avatar IV custam cerca de US$ 3 por minuto (720p ou 1080p) e US$ 4 em 4K, com gêmeos digitais ou avatares de estúdio a US$ 4 e US$ 5. Outra fonte cita US$ 0,05 a US$ 0,10 por segundo, o que dá US$ 3 a US$ 6 por minuto. Leia isso como uma única faixa: cerca de US$ 3 a US$ 6 para cada minuto que você renderizar.
Não encontrei uma tarifa separada de API para o Avatar V nas fontes consultadas, então não presuma que ele seja mais barato ou mais caro que o Avatar IV até que a HeyGen publique uma.
Digamos que você precise de dez vídeos de um minuto.
Os créditos do plano são a rota mais barata quando você vai usá-los. Refações, porém, mudam a conta rapidamente. Se cada minuto final exigir três renderizações, triplique os dois valores. Segundo os relatos, o motor mais antigo da HeyGen, o Avatar III, custa bem menos por minuto, então use-o para rascunhos de roteiro e reserve os motores premium para a renderização final.
O preço está empatado, então a qualidade precisa desempatar. A maior parte das diferenças reais aparece no movimento, em roteiros longos e no formato de saída.
O Avatar V é o motor mais novo, e sua página promete melhor qualidade de movimento e expressões mais coerentes, especialmente em roteiros longos. A lógica se sustenta: um motor que reaproveita o padrão de movimento de uma pessoa real tem menos o que inventar, então inclinações de cabeça, movimentos de ombro e piscadas se mantêm consistentes da primeira frase à última.
O Avatar IV se apoia na animação expressiva de fotos. Ele se destaca quando a fonte é uma imagem estática ou um personagem estilizado, onde não há gravação de movimento para copiar. Espere resultados animados em clipes curtos e um pouco mais de repetição nos gestos em clipes longos.
As duas páginas prometem movimento labial que acompanha cada sílaba, e ambas aceitam até 5.000 caracteres em uma única execução. Isso equivale a cerca de cinco a seis minutos de fala em ritmo normal. Para algo mais longo, divida o roteiro em capítulos e renderize-os separadamente. Frases curtas e pontuação limpa ajudam qualquer um dos motores a manter o formato da boca preciso.
O Avatar V oferece 720p, 1080p e 4K, além de uma chave para 16:9 ou 9:16. O Avatar IV usa 1920x1080 por padrão e permite definir largura e altura por conta própria. Se um arquivo 4K para telas grandes importa para você, o Avatar V tem essa configuração integrada.
O que verificar no seu próprio teste: observe a boca nas palavras com lábios fechados, como m, b e p. Olhe os olhos nas pausas, onde uma renderização mais fraca tende a congelar. Confira mãos e ombros por volta da marca de 30 segundos, onde gestos repetidos costumam aparecer. Depois, reproduza o clipe sem som com legendas ativadas, para ver se o ritmo ainda soa natural.
Nenhum dos motores é instantâneo. As execuções de exemplo publicadas para cada modelo dão uma ideia aproximada:
Isso equivale a cerca de 11 segundos de espera por segundo de vídeo para o Avatar V e cerca de 17 para o Avatar IV. São exemplos isolados, não um benchmark controlado, então filas e o tamanho do roteiro vão alterar esses valores. A lição prática continua valendo: planeje em minutos, não em segundos, e renderize rascunhos em 720p antes de se comprometer com 4K.
💡 Dica: Escreva todos os seus roteiros primeiro e depois rode um após o outro. Assim, o tempo de renderização se sobrepõe à sua própria edição, em vez de bloqueá-la.
Uma biblioteca de treinamento precisa que o mesmo apresentador tenha a mesma aparência e os mesmos movimentos em dezenas de módulos. Esse é o ponto ideal para o Avatar V com um gêmeo digital do seu instrutor de verdade. Se você usa apresentadores de banco de imagens nos clipes de integração, o Avatar IV lida bem com eles e permite definir um tom Calmo ou Sério em cada módulo.
Clipes verticais curtos dependem das primeiras impressões. O Avatar V entrega 9:16 e legendas gravadas no vídeo em uma única execução. O Avatar IV oferece o layout de close e uma voz Empolgada, que combina com teasers de produto. Para uma campanha que mistura os dois, mantenha um motor por personagem para que o público não perceba a troca.
Uma cola rápida para tarefas comuns:
| Tarefa | Melhor escolha | Motivo |
|---|---|---|
| Atualização semanal da equipe feita pelo gestor | Avatar V | Aparência consistente, roteiros longos |
| Explicador com mascote da marca | Avatar IV | Funciona a partir de um personagem estático |
| Curso com 20 módulos | Avatar V | Mesmo apresentador, movimento estável |
| Teaser de produto com tom animado | Avatar IV | Predefinições de emoção e close |
| Clipe vertical para redes sociais com legendas | Avatar V | 9:16 e legendas em uma única execução |
| Versões multilíngues de um mesmo roteiro | Qualquer um | Troque o ID da voz e o texto |
Os dois motores seguem o mesmo fluxo no PicassoIA, então este passo a passo funciona para o Avatar IV com algumas opções extras.
input_text. Mantenha-o abaixo de 5.000 caracteres.voice_id e um avatar_id. Os dois são obrigatórios, e o avatar precisa oferecer suporte ao Avatar V.resolution: 720p para rascunhos, 1080p como padrão, 4K para o arquivo final.aspect_ratio 16:9 ou 9:16, ative caption se o público vai assistir sem som, e execute.Para o Avatar IV, os passos são os mesmos, mas você também escolhe avatar_style e voice_emotion em vez de uma predefinição de resolução.
| Parâmetro | Valor sugerido | Motivo |
|---|---|---|
voice_speed | 0,9 a 1,1 | Ritmo natural sem soar apressado |
resolution | 720p primeiro, 4K por último | Rascunhos baratos, finais nítidos |
caption | Ativado para redes sociais | A maioria dos feeds reproduz automaticamente sem som |
avatar_style (IV) | closeUp | Preenche o quadro no celular |
voice_emotion (IV) | Friendly ou Broadcaster | Combina com a maioria dos roteiros de marketing e notícias |
A forma mais rápida de encerrar esse debate é rodar o seu próprio roteiro. Abra o Avatar V e o Avatar IV no PicassoIA, cole o mesmo roteiro de 30 segundos em cada um e compare os rostos, o ritmo e o arquivo que você recebe de volta.
Precisa de uma miniatura ou de uma imagem de marca para acompanhar o clipe? Gere com o Seedream 4.5 ou o Flux 2 Pro. Quer um vídeo com apresentador criado a partir de um único prompt? Experimente o Video Agent. Se preferir animar um rosto a partir de áudio, o Kling Avatar v2 é outra opção na mesma plataforma.
Escolha um roteiro, aperte executar e julgue o resultado com os próprios olhos. Crie seu primeiro vídeo com avatar no PicassoIA hoje e deixe a renderização, e não a tabela de preços, decidir.
Escolha seu idioma
