HeyGen Avatar IV : faire parler un portrait avec votre propre audio

Un portrait fixe, un enregistrement de voix, et après un court rendu le visage parle. C'est toute la promesse de HeyGen Avatar IV, et elle est séduisante : un personnage pour la bande-annonce d'un jeu, un narrateur pour un cours, une figure peinte qui présente votre exposition. Il a aussi un champ de texte pour les indications, ce qui manque à la plupart des modèles de têtes parlantes. La plupart des résultats décevants viennent de la même poignée d'erreurs, et ce guide est construit autour d'elles.

Erreur 1 : un portrait qui cache la bouche

Le modèle doit animer les lèvres, la mâchoire et les yeux à partir d'une seule image. Donnez-lui un visage qui regarde à peu près vers l'objectif, la bouche entièrement visible, un éclairage uniforme et rien devant : pas de main sous le menton, pas de micro, pas de cheveux sur les lèvres. Un cadrage tête et épaules marche mieux qu'un plan en pied où le visage ne fait que quelques pixels de large. Les portraits générés fonctionnent aussi ; si le vôtre a l'air cireux, corrigez d'abord la peau avec les conseils du guide sur la peau plastique, car l'animation ne le fera pas.

Erreur 2 : laisser les indications vides

Le prompt est facultatif, et c'est justement pour cela qu'on le saute. Sans lui, le visage fait ce que l'audio suggère. Avec lui, vous pouvez demander une humeur, une manie, un geste. Écrivez-le comme des notes à un acteur : ce que ressent la personne, où elle regarde, ce que fait la tête et ce qu'elle ne doit pas faire.

Erreur 3 : pousser l'expressivité à fond

L'expressivité règle l'ampleur des mouvements du visage et de la tête : basse (par défaut), moyenne ou haute. La haute est amusante pour un dessin animé ou un héros de jeu, mais trop pour une explication posée, où la personne peut sembler incapable de tenir en place. Les vrais visages en photo rendent généralement mieux en basse ou en moyenne ; gardez la haute pour les personnages dont le style exagère déjà.

Erreur 4 : imposer un format qui contredit la photo

Le format est facultatif ici. Laissé vide, le modèle utilise le format pris en charge le plus proche de votre image, ce qui conserve le cadrage que vous avez choisi. Ne le fixez (16:9, 9:16, 1:1, 5:4 ou 4:5) que si la destination l'exige, et recadrez alors vous-même le portrait à cette forme avant de l'importer, pour que ce soit vous qui décidiez ce qui est coupé, et non le modèle. Une image d'arrière-plan est disponible dans les réglages avancés si le fond d'origine ne convient pas.

Erreur 5 : utiliser un visage sans en avoir le droit

Une vidéo parlante d'une personne réelle disant quelque chose qu'elle n'a jamais dit peut lui nuire, et les conditions interdisent les deepfakes d'une personne réelle et identifiable. Utilisez votre propre visage, un personnage fictif que vous avez généré ou un portrait pour lequel vous avez une autorisation claire. Pour animer une photo sans parole, transformer une photo en vidéo est la voie la plus douce.

Quand choisir autre chose

Avatar IV s'occupe du visage et de la voix. Il ne fera pas traverser une scène à la personne, ne changera pas ses vêtements, et il plafonne à 1080p. Si vous n'avez pas de portrait du tout et qu'il vous faut un présentateur dans une vraie pièce, Avatar V utilise des avatars prêts à l'emploi jusqu'en 4K ; le guide d'Avatar V l'explique. Tous les autres modèles d'avatars parlants et de synchronisation labiale sont sur la page des modèles.