Avatar IV est le moteur d’avatars de HeyGen qui transforme une image fixe en vidéo parlante expressive. Sa conception audio-vers-expression inspirée de la diffusion utilise le ton, le rythme et l’émotion de la voix pour guider les mouvements du visage, les inclinaisons de tête, les pauses et les micro-expressions. Son but est de produire un présentateur ou un personnage qui prononce un contenu avec synchronisation labiale et gestes, plutôt qu’un générateur de scènes généraliste qui crée un décor et une bande-son complets à partir d’un prompt cinématographique.
Le producteur décrit la prise en charge de personnages réalistes et stylisés, notamment les images de trois quarts ou de profil, les visages de style anime et les animaux de compagnie. Les personnages issus de photos fonctionnent mieux lorsque leurs yeux, leur bouche et la structure du visage sont faciles à identifier. HeyGen recommande une image nette et bien éclairée, avec une posture naturelle et des mains visibles lorsque les gestes comptent. Un visage très petit, des lèvres masquées, des masques couvrants, un bec prononcé ou des proportions très exagérées peuvent affaiblir les mouvements du visage et la synchronisation labiale. Adaptez le cadrage source à l’interprétation prévue.
Le producteur propose deux voies d’entrée pour la parole. Un script écrit est associé à une voix choisie ; une piste audio préenregistrée fournit directement la voix et les temps. Utilisez la voie audio enregistré lorsque l’interprétation est déjà définie, et la voie script lorsque la parole doit être synthétisée. Ces entrées constituent des alternatives dans l’interface documentée. Préparez le texte final, les noms et la prononciation avant l’animation et conservez l’audio ou le script avec la vidéo renvoyée afin de vérifier le résultat parlé.
Le profil de modèle Avatar IV de HeyGen couvre les avatars de studio, les Digital Twins, les Photo Avatars, les images directes et les sujets créés par prompt. Un Photo Avatar réutilisable fournit un sujet stable pour les vidéos suivantes, tandis qu’un processus à partir d’une image directe commence par l’image fournie. Le profil Photo Avatar du producteur propose des instructions de mouvement en texte libre et les choix d’expressivité high, medium ou low, avec low par défaut. Conservez l’apparence d’avatar et le moteur choisis lorsque vous créez une série, afin qu’un changement d’image source ou de modèle de rendu ne transforme pas le présentateur sans que vous le remarquiez.
Pour diriger le mouvement, décrivez une action corporelle visible et sa qualité émotionnelle. « Hoche doucement la tête avec un sourire chaleureux » donne un geste et une expression ; une brève salutation peut utiliser un signe de la main amical. Le producteur recommande un geste principal, éventuellement accompagné d’une expression du visage, et au maximum deux propositions courtes pour une séquence. Avatar IV gère le rythme à partir de l’interprétation ; le guide Studio n’exige donc pas de calendrier des gestes seconde par seconde. Une formulation précise et concise est plus facile à examiner que plusieurs actions concurrentes dans un même prompt.
Le profil audio-vers-vidéo du producteur effectue le rendu d’un maximum de trente minutes d’audio fourni par requête, et les fichiers MP3 ou WAV téléversés ont une limite de 32 Mo. Pour un cours ou un enregistrement plus long, divisez les matériaux à des limites de parole cohérentes et conservez l’ordre original. Les temps parlés de la vidéo finale doivent suivre l’audio choisi, plutôt qu’une estimation de durée de clip sans rapport.
Les réglages de sortie documentés du producteur comprennent la 720p ou la 1080p et les formats 16:9, 9:16, 4:5, 5:4 ou 1:1, avec une option automatique qui suit les proportions de la source. L’ajustement cover peut recadrer le sujet ; contain fait tenir le sujet entier et peut laisser l’arrière-plan environnant visible. Le processus audio-vers-vidéo renvoie un MP4 par défaut. Pour les avatars vidéo, une sortie WebM transparente nécessite la prise en charge du détourage, et le producteur supprime l’arrière-plan pour cette sortie au lieu de la combiner avec un nouveau fond. Examinez le cadrage réel et le fichier avant de placer le présentateur dans une composition plus grande.
Une introduction de formation peut utiliser une image de présentateur lisible, une explication concise et un geste mesuré au moment de la consigne essentielle. Une explication de produit peut conserver la même apparence d’avatar tout en changeant le script parlé selon les fonctionnalités. Le producteur documente aussi des fichiers de sous-titres facultatifs et des sous-titres incrustés ; vérifiez leur texte et leurs temps en même temps que la parole. Le rendu est asynchrone dans l’interface du producteur : une réponse de création et la vidéo terminée sont donc des livrables différents. Conservez l’enregistrement fini et son état d’achèvement avec le résultat de la tâche.
Avatar IV reste distinct du mouvement guidé par références d’Avatar V et de ses contrôles de préréglages Studio séparés. Il est aussi distinct de la génération de scènes généraliste de HeyGen Video et d’une conversation avec un avatar interactif en direct. Vérifiez les mouvements de bouche rendus, les mains visibles, les expressions du visage, les pauses et les mots prononcés par rapport aux matériaux sources et au ton souhaité. L’image, la pose, l’éclairage et les instructions de mouvement influencent le résultat ; une animation issue d’une photo doit être examinée comme une interprétation générée, en conservant les entrées choisies pour les révisions ultérieures.
", "aboutText": "Avatar IV est le moteur d’avatars de HeyGen qui transforme une image fixe en vidéo parlante expressive. Sa conception audio-vers-expression inspirée de la diffusion utilise le ton, le rythme et l’émotion de la voix pour guider les mouvements du visage, les inclinaisons de tête, les pauses et les micro-expressions. Son but est de produire un présentateur ou un personnage qui prononce un contenu avec synchronisation labiale et gestes, plutôt qu’un générateur de scènes généraliste qui crée un décor et une bande-son complets à partir d’un prompt cinématographique.\n\nLe producteur décrit la prise en charge de personnages réalistes et stylisés, notamment les images de trois quarts ou de profil, les visages de style anime et les animaux de compagnie. Les personnages issus de photos fonctionnent mieux lorsque leurs yeux, leur bouche et la structure du visage sont faciles à identifier. HeyGen recommande une image nette et bien éclairée, avec une posture naturelle et des mains visibles lorsque les gestes comptent. Un visage très petit, des lèvres masquées, des masques couvrants, un bec prononcé ou des proportions très exagérées peuvent affaiblir les mouvements du visage et la synchronisation labiale. Adaptez le cadrage source à l’interprétation prévue.\n\nLe producteur propose deux voies d’entrée pour la parole. Un script écrit est associé à une voix choisie ; une piste audio préenregistrée fournit directement la voix et les temps. Utilisez la voie audio enregistré lorsque l’interprétation est déjà définie, et la voie script lorsque la parole doit être synthétisée. Ces entrées constituent des alternatives dans l’interface documentée. Préparez le texte final, les noms et la prononciation avant l’animation et conservez l’audio ou le script avec la vidéo renvoyée afin de vérifier le résultat parlé.\n\nLe profil de modèle Avatar IV de HeyGen couvre les avatars de studio, les Digital Twins, les Photo Avatars, les images directes et les sujets créés par prompt. Un Photo Avatar réutilisable fournit un sujet stable pour les vidéos suivantes, tandis qu’un processus à partir d’une image directe commence par l’image fournie. Le profil Photo Avatar du producteur propose des instructions de mouvement en texte libre et les choix d’expressivité high, medium ou low, avec low par défaut. Conservez l’apparence d’avatar et le moteur choisis lorsque vous créez une série, afin qu’un changement d’image source ou de modèle de rendu ne transforme pas le présentateur sans que vous le remarquiez.\n\nPour diriger le mouvement, décrivez une action corporelle visible et sa qualité émotionnelle. « Hoche doucement la tête avec un sourire chaleureux » donne un geste et une expression ; une brève salutation peut utiliser un signe de la main amical. Le producteur recommande un geste principal, éventuellement accompagné d’une expression du visage, et au maximum deux propositions courtes pour une séquence. Avatar IV gère le rythme à partir de l’interprétation ; le guide Studio n’exige donc pas de calendrier des gestes seconde par seconde. Une formulation précise et concise est plus facile à examiner que plusieurs actions concurrentes dans un même prompt.\n\nLe profil audio-vers-vidéo du producteur effectue le rendu d’un maximum de trente minutes d’audio fourni par requête, et les fichiers MP3 ou WAV téléversés ont une limite de 32 Mo. Pour un cours ou un enregistrement plus long, divisez les matériaux à des limites de parole cohérentes et conservez l’ordre original. Les temps parlés de la vidéo finale doivent suivre l’audio choisi, plutôt qu’une estimation de durée de clip sans rapport.\n\nLes réglages de sortie documentés du producteur comprennent la 720p ou la 1080p et les formats 16:9, 9:16, 4:5, 5:4 ou 1:1, avec une option automatique qui suit les proportions de la source. L’ajustement cover peut recadrer le sujet ; contain fait tenir le sujet entier et peut laisser l’arrière-plan environnant visible. Le processus audio-vers-vidéo renvoie un MP4 par défaut. Pour les avatars vidéo, une sortie WebM transparente nécessite la prise en charge du détourage, et le producteur supprime l’arrière-plan pour cette sortie au lieu de la combiner avec un nouveau fond. Examinez le cadrage réel et le fichier avant de placer le présentateur dans une composition plus grande.\n\nUne introduction de formation peut utiliser une image de présentateur lisible, une explication concise et un geste mesuré au moment de la consigne essentielle. Une explication de produit peut conserver la même apparence d’avatar tout en changeant le script parlé selon les fonctionnalités. Le producteur documente aussi des fichiers de sous-titres facultatifs et des sous-titres incrustés ; vérifiez leur texte et leurs temps en même temps que la parole. Le rendu est asynchrone dans l’interface du producteur : une réponse de création et la vidéo terminée sont donc des livrables différents. Conservez l’enregistrement fini et son état d’achèvement avec le résultat de la tâche.\n\nAvatar IV reste distinct du mouvement guidé par références d’Avatar V et de ses contrôles de préréglages Studio séparés. Il est aussi distinct de la génération de scènes généraliste de HeyGen Video et d’une conversation avec un avatar interactif en direct. Vérifiez les mouvements de bouche rendus, les mains visibles, les expressions du visage, les pauses et les mots prononcés par rapport aux matériaux sources et au ton souhaité. L’image, la pose, l’éclairage et les instructions de mouvement influencent le résultat ; une animation issue d’une photo doit être examinée comme une interprétation générée, en conservant les entrées choisies pour les révisions ultérieures.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3b62f524fd05b57e1d1e079a783c226db88cd35013ca2f5b1775998796e08fa9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "heygen/avatar-ivAvatar IV anime une photo en vidéo parlante avec synchronisation labiale, les expressions du visage et le rythme des gestes étant guidés par la voix. HeyGen documente des processus à partir d’un script ou d’un audio enregistré et des contrôles de mouvement Photo Avatar pour des présentateurs réalistes ou stylisés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Avatar IV est le moteur d’avatars de HeyGen qui transforme une image fixe en vidéo parlante expressive. Sa conception audio-vers-expression inspirée de la diffusion utilise le ton, le rythme et l’émotion de la voix pour guider les mouvements du visage, les inclinaisons de tête, les pauses et les micro-expressions. Son but est de produire un présentateur ou un personnage qui prononce un contenu avec synchronisation labiale et gestes, plutôt qu’un générateur de scènes généraliste qui crée un décor et une bande-son complets à partir d’un prompt cinématographique.
Le producteur décrit la prise en charge de personnages réalistes et stylisés, notamment les images de trois quarts ou de profil, les visages de style anime et les animaux de compagnie. Les personnages issus de photos fonctionnent mieux lorsque leurs yeux, leur bouche et la structure du visage sont faciles à identifier. HeyGen recommande une image nette et bien éclairée, avec une posture naturelle et des mains visibles lorsque les gestes comptent. Un visage très petit, des lèvres masquées, des masques couvrants, un bec prononcé ou des proportions très exagérées peuvent affaiblir les mouvements du visage et la synchronisation labiale. Adaptez le cadrage source à l’interprétation prévue.
Le producteur propose deux voies d’entrée pour la parole. Un script écrit est associé à une voix choisie ; une piste audio préenregistrée fournit directement la voix et les temps. Utilisez la voie audio enregistré lorsque l’interprétation est déjà définie, et la voie script lorsque la parole doit être synthétisée. Ces entrées constituent des alternatives dans l’interface documentée. Préparez le texte final, les noms et la prononciation avant l’animation et conservez l’audio ou le script avec la vidéo renvoyée afin de vérifier le résultat parlé.
Le profil de modèle Avatar IV de HeyGen couvre les avatars de studio, les Digital Twins, les Photo Avatars, les images directes et les sujets créés par prompt. Un Photo Avatar réutilisable fournit un sujet stable pour les vidéos suivantes, tandis qu’un processus à partir d’une image directe commence par l’image fournie. Le profil Photo Avatar du producteur propose des instructions de mouvement en texte libre et les choix d’expressivité high, medium ou low, avec low par défaut. Conservez l’apparence d’avatar et le moteur choisis lorsque vous créez une série, afin qu’un changement d’image source ou de modèle de rendu ne transforme pas le présentateur sans que vous le remarquiez.
Pour diriger le mouvement, décrivez une action corporelle visible et sa qualité émotionnelle. « Hoche doucement la tête avec un sourire chaleureux » donne un geste et une expression ; une brève salutation peut utiliser un signe de la main amical. Le producteur recommande un geste principal, éventuellement accompagné d’une expression du visage, et au maximum deux propositions courtes pour une séquence. Avatar IV gère le rythme à partir de l’interprétation ; le guide Studio n’exige donc pas de calendrier des gestes seconde par seconde. Une formulation précise et concise est plus facile à examiner que plusieurs actions concurrentes dans un même prompt.
Le profil audio-vers-vidéo du producteur effectue le rendu d’un maximum de trente minutes d’audio fourni par requête, et les fichiers MP3 ou WAV téléversés ont une limite de 32 Mo. Pour un cours ou un enregistrement plus long, divisez les matériaux à des limites de parole cohérentes et conservez l’ordre original. Les temps parlés de la vidéo finale doivent suivre l’audio choisi, plutôt qu’une estimation de durée de clip sans rapport.
Les réglages de sortie documentés du producteur comprennent la 720p ou la 1080p et les formats 16:9, 9:16, 4:5, 5:4 ou 1:1, avec une option automatique qui suit les proportions de la source. L’ajustement cover peut recadrer le sujet ; contain fait tenir le sujet entier et peut laisser l’arrière-plan environnant visible. Le processus audio-vers-vidéo renvoie un MP4 par défaut. Pour les avatars vidéo, une sortie WebM transparente nécessite la prise en charge du détourage, et le producteur supprime l’arrière-plan pour cette sortie au lieu de la combiner avec un nouveau fond. Examinez le cadrage réel et le fichier avant de placer le présentateur dans une composition plus grande.
Une introduction de formation peut utiliser une image de présentateur lisible, une explication concise et un geste mesuré au moment de la consigne essentielle. Une explication de produit peut conserver la même apparence d’avatar tout en changeant le script parlé selon les fonctionnalités. Le producteur documente aussi des fichiers de sous-titres facultatifs et des sous-titres incrustés ; vérifiez leur texte et leurs temps en même temps que la parole. Le rendu est asynchrone dans l’interface du producteur : une réponse de création et la vidéo terminée sont donc des livrables différents. Conservez l’enregistrement fini et son état d’achèvement avec le résultat de la tâche.
Avatar IV reste distinct du mouvement guidé par références d’Avatar V et de ses contrôles de préréglages Studio séparés. Il est aussi distinct de la génération de scènes généraliste de HeyGen Video et d’une conversation avec un avatar interactif en direct. Vérifiez les mouvements de bouche rendus, les mains visibles, les expressions du visage, les pauses et les mots prononcés par rapport aux matériaux sources et au ton souhaité. L’image, la pose, l’éclairage et les instructions de mouvement influencent le résultat ; une animation issue d’une photo doit être examinée comme une interprétation générée, en conservant les entrées choisies pour les révisions ultérieures.
POST /v1/videostext, image, audio, videovideo| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites heygen/avatar-iv | Par défaut— |
Champinput_references | Typearray | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 2 Nombre maximal d’éléments: 2 | Par défaut— |
Champprompt | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_references |
Paramètrematerial_types | Contrattext, image, audio, video |
Paramètrematerial_conditions | ContratUtilisez les liens de contenu réels de ressources multimédias terminées dont vous êtes propriétaire, avec les signatures renvoyées : une source vidéo pour BFL, ou une image et une source audio pour un avatar. L’attestation Source portant sur le propriétaire, le type et les octets est obligatoire., Fournissez exactement une image PNG/JPEG et une ressource audio WAV/MP3. L’audio doit faire au maximum 32000000 octets, avec une durée supérieure à 0 et ne dépassant pas 1800 secondes. |
Cycle de vie : asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · valeur id ou polling_url effectivement renvoyée
GET /v1/videos/{request_id}/content
Les tarifs affichés servent à estimer le coût avant la génération. Le montant final est calculé à partir du coût enregistré pour la génération d’origine. La durée mesurée du résultat et les quantités prévisionnelles ne constituent pas la quantité finale facturable.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité prévisionnelle | Unité de facturation | Conditions de facturation | Coût |
|---|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Quantité prévisionnelle— | Unité de facturation— | Conditions de facturation— | Coût Entrée · Tokens en entrée · Estimation à des fins de comparaison uniquement — / 1K tokens Sortie · Tokens en sortie · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Lecture du cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache, 1 h · Estimation à des fins de comparaison uniquement — / 1K tokens |
| ConfigurationTarif vidéo | Barème tarifaire— | Quantité prévisionnelle— | Unité de facturationpar seconde de vidéo | Conditions de facturationCette clé de tarification ne déclare aucune condition supplémentaire. | Coût Sortie · Tarif vidéo · Estimation à des fins de comparaison uniquement $0.1 par seconde de vidéo |
| ConfigurationCoût estimé de la génération | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Unité de facturation— | Conditions de facturation— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.1 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_REFERENCES_JSON:?Set the actual documented input value}"\nexport AILOOT_INPUT_REFERENCES_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'heygen/avatar-iv', 'input_references': '${ACTUAL_OWNED_INPUT_REFERENCES}'}\nrequest['input_references']=json.loads(os.environ['AILOOT_INPUT_REFERENCES_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nGET /v1/videos/{request_id}GET /v1/videos/{request_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_STATUS_FILE:?Set the actual completed status JSON file}"\nexport AILOOT_STATUS_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nfrom urllib.parse import urlsplit,urljoin\nf=Path(os.environ["AILOOT_STATUS_FILE"])\nif not f.is_file():raise SystemExit("Choose the actual completed status file")\nr=json.loads(f.read_text())\nif r.get("status")!="completed" or not isinstance(r.get("data"),list) or not r["data"]:raise SystemExit("Wait for a completed status with asset paths")\nurls=[]\nfor x in r["data"]:\n if not isinstance(x,str) or "\\n" in x or "\\r" in x:raise SystemExit("Invalid asset path")\n u=urljoin("https://api.ailoot.ai",x)\n z=urlsplit(u)\n if z.scheme!="https" or z.netloc!="api.ailoot.ai" or z.username or z.password:raise SystemExit("Use the actual Ailoot asset paths from status")\n urls.append(u)\nPath("asset-urls.txt").write_text("\\n".join(urls)+"\\n")\nPY_REQUEST\nindex=0\nwhile IFS= read -r asset_url; do\n curl --fail-with-body --silent --show-error "$asset_url" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o "video-${index}.mp4"\n index=$((index + 1))\ndone < asset-urls.txt\nEnregistrez chaque vidéo terminée ou fichier renvoyé ; récupérez chaque URL de ressource effectivement renvoyée.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez X-Client-Request-ID, X-Ailoot-Task-Id et les valeurs id/polling_url effectivement renvoyées. Poursuivez la tâche d’origine ; ne renvoyez pas de demande de création.
| Champ | Type |
|---|---|
Champid | Type |
Champstatus | Type |
Champdata[] | Type |
Champoutputs[] | Type |
Ailoot Ultra heygen/avatar-iv
Utilisez les chemins de méthode indiqués ci-dessus.