HeyGen Avatar IV: quando usar o modelo de foto que fala

O HeyGen Avatar IV é o modelo de Foto que fala do GenBrasil: você envia uma foto com o rosto de frente e uma fala, em texto ou em áudio, e ele anima o rosto com a boca acompanhando as palavras. A cobrança é por segundo de fala, igual em 720p e 1080p. Uma frase de cerca de 100 caracteres virou de 7 a 9 segundos de vídeo, por cerca de 30 créditos, em 2 a 3 minutos, nos nossos testes de 17/out/2026.

O que é o HeyGen Avatar IV

É um modelo de animação de retrato. Ele não cria uma cena nova nem um personagem do zero: parte da imagem que você envia e faz aquele rosto falar. Funciona com foto, desenho, personagem 3D e anime, desde que o rosto esteja visível e de frente.

A fala pode vir de dois jeitos. Com texto, você escreve o que o personagem diz e escolhe uma voz. Com áudio, você envia a gravação e a boca acompanha o que está nela. Nos dois casos, a duração do vídeo é a duração da fala.

O que ele aceita

Kore e Orus falam português com sotaque brasileiro; conferimos isso nos testes. Ouça o resultado antes de publicar para ver se o timbre combina com o personagem.

Quanto custa e quanto demora

A cobrança é por segundo do vídeo, e o vídeo tem o tamanho da fala. Referências de 17/out/2026:

Com texto, o estúdio estima a duração pelo número de caracteres e mostra o preço antes de gerar. Com áudio, o cálculo usa a duração do arquivo. O tempo medido foi de 2 a 3 minutos. Se a geração falhar, os créditos voltam automaticamente.

O que testamos

Três testes, todos com a boca acompanhando a fala:

• Retrato realista criado por IA, uma mulher fictícia, falando um texto com a voz Kore.
• Personagem 3D de desenho animado, um rapaz de óculos, falando com a voz Orus. Um personagem como o da capa deste post.
• Foto com áudio de 5 segundos, em vez de texto.

Um texto de exemplo com cerca de 100 caracteres, o tamanho que custou por volta de 30 créditos:

Oi, eu sou o Léo. Hoje eu vou te mostrar, em poucos passos, como transformar uma ideia num vídeo curto.

Escreva como se fala: frases curtas, pontuação de conversa, nada de linguagem de documento. Ouça o resultado e ajuste o texto se alguma pausa ficar fora do lugar.

Quando escolher o HeyGen Avatar IV

• Você já tem o rosto. Seu mascote, seu personagem 3D, um desenho seu ou a sua própria foto. O modelo anima exatamente aquela imagem.
• A fala precisa ser exata. Com texto, o personagem diz o que você escreveu. Com áudio, diz o que você gravou. Bom para aviso, convite, explicação curta e apresentação.
• Você quer a sua voz. Envie a sua gravação e mantenha a mesma voz em vários vídeos.
• Você precisa de vídeo vertical para rede social. O formato 9:16 está disponível, e o enquadramento de cabeça e ombros combina com ele.

Ideias práticas: apresentador virtual para vídeos da empresa, videoaula com avatar de IA e convite e parabéns com foto que fala.

Quando escolher outro caminho

• Você quer uma cena com ação, cenário e som ambiente. O Avatar IV anima um rosto; não monta a cena. Para um vídeo criado do zero com fala, ruído e efeitos, veja o HeyGen Video 1, em Criar vídeo. No nosso teste, um vendedor de feira gritou "Olha a laranja fresquinha, freguesa!" com som de feira, por 7 créditos em 480p (5 s).
• Você quer dublar um vídeo que já existe. O estúdio não faz dublagem de vídeo; o Avatar IV trabalha a partir de uma foto.
• Não há rosto visível na imagem. Personagem de costas, de perfil ou com a boca coberta não é o caso de uso deste modelo.
• A foto é de outra pessoa e você não tem autorização. Aí não é questão de modelo: é proibido.

Avatar IV ou HeyGen Video 1

São ferramentas para tarefas diferentes. A comparação é de recursos e preço; o que funciona melhor depende do vídeo que você quer.

Como preparar a foto e a fala

• Rosto de frente, bem iluminado, boca à vista. Nos testes usamos retratos frontais com fundo liso.
• Evite óculos escuros, mãos ou objetos na frente da boca.
• Texto curto e falado. Frases de uma ideia só, com pontuação de conversa.
• Áudio limpo. Se gravar no celular, faça num lugar silencioso e sem música de fundo.
• Teste curto primeiro. Uma frase de 100 caracteres custa por volta de 30 créditos; confirme a voz e o enquadramento antes de gerar um texto longo.

O passo a passo completo está em como fazer uma foto falar com IA.

Regras: autorização a cada vídeo

Fazer um rosto falar é o tipo de recurso que pode ser usado para enganar, e por isso cada pedido exige uma confirmação: você declara que tem direito sobre a imagem e o áudio e autorização de quem aparece ou de quem é a voz. Essa declaração fica gravada no pedido.

Os Termos do GenBrasil não permitem usar rosto ou voz de pessoa real sem consentimento, e isso inclui famosos e políticos. Também é proibido fazer alguém "dizer" algo que não disse de forma a enganar, usar pessoa real em propaganda política ou eleitoral e usar o recurso em golpe ou falsa identidade. Áudios enviados ficam guardados 7 dias e são apagados. Leia mais em deepfake: o que é proibido e como usar avatar com responsabilidade e nos Termos de Uso.

Para experimentar com um personagem seu, crie uma conta. O plano Free dá 20 créditos por mês e, na primeira compra, 100 créditos por R$ 9,90, com marca d'água e sem uso comercial.

Perguntas frequentes

O HeyGen Avatar IV fala português?

Sim. Com texto, há vozes como Luana, Caio, Kore e Orus; ouça a amostra de cada uma. Com áudio, o personagem fala o que estiver na gravação que você enviar.

Quanto custa fazer uma foto falar com o HeyGen Avatar IV?

A cobrança é por segundo de fala, igual em 720p e 1080p. Em 17/out/2026, um texto de cerca de 100 caracteres saía por cerca de 30 créditos, e um áudio de 5 segundos por 20. O custo exato aparece antes de gerar.

Dá para fazer um personagem de desenho falar com IA?

Dá. No nosso teste, um personagem 3D de desenho animado falou com a voz Orus, com a boca acompanhando o texto. Desenho, 3D e anime funcionam quando o rosto está de frente e visível.