HeyGen Video 1: quando usar o modelo de vídeo com fala e som

O HeyGen Video 1 é o modelo do estúdio para clipes em que alguém fala: a fala, o som do ambiente e os efeitos sonoros já saem dentro do vídeo, sem montar áudio depois. Você escreve a fala entre aspas no pedido. Um clipe de 5 segundos em 480p custa 7 créditos, e em 768p, 12 créditos.

O que é o HeyGen Video 1

No cartão do estúdio, o resumo do modelo é este: "Clipes com fala, ambiente e efeitos sonoros já no vídeo. Escreva a fala entre aspas." Ele cria a cena inteira a partir da sua descrição.

Um ponto que muda o jeito de usar: o HeyGen Video 1 sempre gera com som. Mesmo que a opção Áudio gerado fique desmarcada, o vídeo sai com áudio. Se você quer um clipe mudo para colocar a sua própria trilha, ele não é o modelo certo.

Não confunda com a Foto que fala, que usa outro modelo, o HeyGen Avatar IV, para animar uma foto que você envia. O HeyGen Video 1 fica em Criar vídeo e inventa a cena e a voz a partir do texto.

O que ele aceita

Em Imagens (opcional), você escolhe entre Personagens e referências e Primeiro quadro. É um ou outro no mesmo pedido: ou o vídeo começa numa imagem sua, ou o modelo usa as imagens como referência de personagens, objetos e cenário.

No plano Free, vídeos acima de 1080p são entregues em 1080p, com marca d'água. Para receber o 2K na resolução cheia, use créditos comprados ou um plano pago.

Quanto custa

Preços do estúdio em 17/out/2026. O custo exato da sua geração aparece antes de clicar em Gerar vídeo, já calculado com a duração, a resolução e as imagens que você escolheu.

Repare na última linha: com imagens de referência a tarifa sobe. O mesmo clipe de 480p e 5 s passa de 7 para 29 créditos quando entram duas imagens. Use referências quando precisar manter um personagem ou um objeto específico; para testar uma ideia, comece só com texto.

Se a geração falhar, os créditos voltam para o saldo sozinhos. O tempo varia com a fila do momento; você pode fechar a página, porque avisamos por e-mail quando o vídeo fica pronto.

Um exemplo testado

No teste de 17/out/2026, pedimos um vendedor de feira gritando "Olha a laranja fresquinha, freguesa!" com som de feira ao fundo. A fala saiu no vídeo, junto com o ambiente. Um pedido no mesmo formato:

Feira livre de manhã, bancas cheias de laranjas, bananas e abacaxis. Um vendedor sorridente de avental olha para a câmera e grita: "Olha a laranja fresquinha, freguesa!". Ao fundo, som de feira: gente conversando, sacolas de plástico, outros feirantes chamando clientes. Câmera parada na altura do rosto.

Um teste mostra que o caminho funciona, não que toda fala sai perfeita. Ouça o resultado antes de publicar.

Quando escolher o HeyGen Video 1

• Cena curta com uma fala. Bordão, chamada de promoção, esquete de humor, personagem que cumprimenta o público.
• Quando o som do lugar importa. Feira, cozinha, praia, oficina: o ambiente vem junto, sem procurar efeito sonoro depois.
• Para testar ideias gastando pouco. Em 480p, 5 segundos custam 7 créditos. Dá para rodar várias versões de uma piada antes de escolher a final em 768p ou 2K.
• Personagem que se repete. Com até 7 imagens de referência, você leva o mesmo personagem, objeto ou cenário para vídeos diferentes, pagando a tarifa com referência.

Quando escolher outro modelo

• Você quer que uma foto específica fale, com a sua voz. Use Foto que fala. O passo a passo está em como fazer uma foto falar com IA.
• Você quer o vídeo sem som. O HeyGen Video 1 sempre gera com áudio. O Runway Gen-4.5, por exemplo, sai sem som.
• Você quer que o vídeo termine numa imagem escolhida. O HeyGen Video 1 não tem Imagem final. Modelos como o Wan 3.0 Prime e o FLUX 3 Video aceitam primeiro e último quadro.
• Você precisa de mais de 15 segundos num clipe só. O Wan 3.0 e o Wan 3.0 Prime vão até 30 s.

Como escrever o pedido

• Fala entre aspas, sempre. É a instrução do próprio cartão do modelo. Tudo que está entre aspas é o que a pessoa diz.
• Fala curta para clipe curto. Em 5 segundos cabe uma frase curta. Para uma fala maior, aumente a duração.
• Diga quem fala e como. "Um vendedor sorridente grita", "uma avó fala baixinho", "um locutor animado anuncia". O tom ajuda a voz a combinar com a cena.
• Descreva o som do ambiente. "Som de chuva no telhado", "buzinas ao fundo", "panela chiando". Sem isso, o modelo escolhe sozinho.
• Com dois personagens, diga quem fala o quê. "O homem de chapéu pergunta: '...'. A mulher de vermelho responde: '...'."
• Escreva em português. O pedido em português funciona, inclusive a fala. Mais detalhes em prompt em português funciona? e em como escrever prompt de vídeo com IA.

Comparação honesta com outros modelos do estúdio

Só com o que foi medido e publicado pelo GenBrasil:

• HeyGen Video 1 x Veo 3.1 Lite. No teste de 10/out/2026 do Comparar modelos, o Veo 3.1 Lite custou 13 créditos por 4 s em 720p com áudio. O HeyGen Video 1 custa 12 créditos por 5 s em 768p, e 7 em 480p. O Veo 3.1 Lite aceita primeiro e último quadro, mas não aceita imagens de referência; o HeyGen Video 1 aceita até 7 referências, mas não tem imagem final.
• HeyGen Video 1 x HeyGen Avatar IV. O Avatar IV cobra por segundo de fala: um texto de cerca de 100 caracteres vira 7 a 9 segundos e custa cerca de 30 créditos. Ele serve quando o rosto tem de ser o da foto enviada. O Video 1 serve quando a cena inteira pode ser criada pelo modelo.

Nenhum desses números diz qual imagem vai agradar mais. Para decidir, rode o mesmo pedido curto nos dois e compare.

Regras para vídeos com fala

Os Termos de Uso proíbem usar o rosto ou a voz de pessoa real sem consentimento, inclusive famosos e políticos, e fazer alguém "dizer" o que não disse de um jeito que engane quem assiste. Propaganda política ou eleitoral com pessoa real é proibida. Use personagens criados por você. Para uso comercial, é preciso ter créditos comprados ou plano pago, e recomendamos avisar que o vídeo foi feito com IA.

Para começar, crie uma conta: o plano Free dá 20 créditos por mês e, na primeira compra, 100 créditos por R$ 9,90, sem cartão, em qualquer modelo.

Perguntas frequentes

O HeyGen Video 1 fala em português?

No nosso teste de 17/out/2026, a fala em português escrita entre aspas saiu no vídeo, junto com o som da feira. Ouça cada resultado antes de publicar e simplifique a frase se alguma palavra sair estranha.

Qual a diferença entre HeyGen Video 1 e HeyGen Avatar IV?

O HeyGen Video 1 cria a cena inteira, com fala, ambiente e efeitos, a partir do texto. O HeyGen Avatar IV, na opção Foto que fala, anima uma foto que você envia, com uma voz do estúdio (Kore ou Orus) ou com o seu áudio.

Dá para gerar no HeyGen Video 1 sem som?

Não. Ele sempre gera com som, mesmo com a opção de áudio desmarcada. Se precisar do vídeo mudo, tire o áudio no seu editor ou escolha um modelo que gera sem som.