HeyGen: Avatar IV

HeyGen: Avatar IV es un modelo de generación de vídeo de HeyGen, una empresa conocida por su trabajo en avatares de IA y vídeo de cabezas parlantes. Se sitúa en la categoría de vídeo y está diseñado específicamente para animar personas, en lugar de para la generación de metraje de propósito general. El modelo fue lanzado por el proveedor el 24 de agosto de 2026.

Avatar IV es un modelo de imagen a vídeo. Toma una sola foto y la anima hasta convertirla en un vídeo de cabeza parlante expresivo y con sincronización labial. Sus entradas abarcan texto, imagen y audio, y su única salida es vídeo. En lugar de limitarse a hacer coincidir las formas de la boca con las palabras, interpreta la interpretación vocal, por lo que el movimiento resultante refleja cómo se dice algo y no solo qué palabras se pronuncian. La salida se puede producir a 720p o 1080p, en relaciones de aspecto 16:9, 9:16 o 1:1. La generación de audio no forma parte de la salida del modelo, por lo que la parte de audio de un clip no la produce Avatar IV en sí. No se especifica ninguna longitud de contexto para este modelo.

Los usos prácticos se derivan de esa combinación. Un retrato fijo más un guion o una pista de voz bastan para producir un clip estilo presentador, lo que encaja con contenido de formación y explicativo, recorridos de producto y versiones localizadas del mismo hablante para diferentes audiencias. Las tres relaciones de aspecto facilitan apuntar a distintas ubicaciones: 16:9 para reproductores de vídeo estándar e inserciones web, 9:16 para feeds verticales y 1:1 para formatos cuadrados. Como la entrada puede ser una sola foto, los equipos pueden construir un presentador consistente en pantalla sin filmar nuevo metraje cada vez, y como el modelo responde a la interpretación vocal, la misma imagen puede transmitir tonos muy diferentes según el audio que se le dé.

Se llama a Avatar IV a través de la API compatible con OpenAI de api14 usando el id de modelo "heygen/avatar-iv". La forma de la solicitud sigue las mismas convenciones que otros modelos en la pasarela, por lo que las bibliotecas de cliente de OpenAI existentes y las herramientas funcionan sin cambios. El modelo acepta entradas de texto, imagen y audio y devuelve vídeo. No se indica que se admita ningún parámetro de solicitud adicional para este modelo, así que limita las solicitudes a los campos estándar y evita asumir que se aceptarán opciones específicas del proveedor, como controles de duración o de imagen de fotograma.

Hay algunas cosas que tener en cuenta al elegirlo. Avatar IV es un modelo de cabeza parlante, por lo que no es la opción adecuada para escenas sin una persona, para b-roll general o para trabajos que necesiten audio generado, ya que la generación de audio está desactivada. Si tu tarea es generación de texto, razonamiento o comprensión de imágenes en lugar de producir vídeo a partir de un retrato, un modelo de texto o de visión en api14 te servirá mejor.