HeyGen: Avatar IV

HeyGen: Avatar IV é um modelo de geração de vídeo da HeyGen, uma empresa conhecida pelo seu trabalho em avatares de IA e vídeo de cabeça falante. Situa-se na categoria de vídeo e é construído especificamente para animar pessoas, em vez de para geração de filmagens de uso geral. O modelo foi lançado pelo fornecedor em 24 de agosto de 2026.

Avatar IV é um modelo de imagem para vídeo. Pega numa única foto e anima-a num vídeo de cabeça falante expressivo e com sincronização labial. As suas entradas abrangem texto, imagem e áudio, e a sua única saída é vídeo. Em vez de apenas corresponder as formas da boca às palavras, interpreta a performance vocal, pelo que o movimento resultante reflete como algo é dito e não apenas quais palavras são faladas. A saída pode ser produzida em 720p ou 1080p, em proporções de 16:9, 9:16 ou 1:1. A geração de áudio não faz parte da saída do modelo, pelo que o lado áudio de um clipe não é produzido pelo próprio Avatar IV. Não é especificado nenhum comprimento de contexto para este modelo.

Os usos práticos decorrem dessa combinação. Um retrato estático mais um guião ou uma faixa de voz é suficiente para produzir um clipe ao estilo de apresentador, o que se adequa a conteúdo de formação e explicativo, demonstrações de produtos e versões localizadas do mesmo orador para diferentes públicos. As três proporções tornam simples direcionar para diferentes posicionamentos: 16:9 para reprodutores de vídeo padrão e incorporações web, 9:16 para feeds verticais, e 1:1 para formatos quadrados. Como a entrada pode ser uma única foto, as equipas podem construir um apresentador consistente no ecrã sem filmar novas filmagens de cada vez, e como o modelo responde à entrega vocal, a mesma imagem pode carregar tons muito diferentes dependendo do áudio que lhe é dado.

Chamas o Avatar IV através da API compatível com OpenAI da api14 usando o id de modelo "heygen/avatar-iv". A forma do pedido segue as mesmas convenções que outros modelos no gateway, pelo que as bibliotecas de cliente OpenAI existentes e as ferramentas funcionam sem alterações. O modelo aceita entradas de texto, imagem e áudio e devolve vídeo. Não estão listados parâmetros de pedido adicionais como suportados para este modelo, pelo que deves manter os pedidos nos campos padrão e evitar assumir que opções específicas do fornecedor, como duração ou controlos de imagem de fotograma, serão aceites.

Há algumas coisas a ter em mente ao escolhê-lo. O Avatar IV é um modelo de cabeça falante, pelo que não é a escolha certa para cenas sem uma pessoa, para b-roll geral, ou para trabalho que precise de áudio gerado, uma vez que a geração de áudio está desativada. Se a tua tarefa for geração de texto, raciocínio ou compreensão de imagens em vez de produzir vídeo a partir de um retrato, um modelo de texto ou de visão na api14 servir-te-á melhor.