HeyGen Avatar IV: faça um retrato falar com o seu próprio áudio

Um retrato parado, uma gravação de voz, e depois de um render curto o rosto está falando. Essa é toda a promessa do HeyGen Avatar IV, e é uma boa promessa: um personagem para o trailer de um jogo, um narrador para um curso, uma figura pintada que apresenta a sua exposição. Ele também tem um campo de texto para instruções, algo que falta à maioria dos modelos de cabeça falante. Quase todos os resultados decepcionantes vêm do mesmo punhado de erros, então este guia foi montado em torno deles.

Erro 1: um retrato que esconde a boca

O modelo precisa animar lábios, mandíbula e olhos a partir de uma única imagem. Dê a ele um rosto olhando mais ou menos para a câmera, com a boca totalmente visível, luz uniforme e nada na frente: nada de mão no queixo, microfone ou cabelo sobre os lábios. Um enquadramento de cabeça e ombros funciona melhor que um plano de corpo inteiro em que o rosto tem poucos pixels. Retratos gerados também servem; se o seu parece de cera, corrija a pele antes com as dicas do guia da pele de plástico, porque a animação não vai corrigir.

Erro 2: deixar as instruções em branco

O prompt é opcional, e é exatamente por isso que as pessoas pulam. Sem ele, o rosto faz o que o áudio sugere. Com ele, dá para pedir um clima, um hábito, um gesto. Escreva como anotações para um ator: como a pessoa se sente, para onde olha, o que a cabeça faz e o que ela não deve fazer.

Erro 3: colocar a expressividade no máximo

A expressividade define quanto o rosto e a cabeça se mexem: baixa (a padrão), média ou alta. A alta é divertida para um desenho animado ou um herói de jogo e exagerada para um vídeo explicativo tranquilo, em que pode parecer que a pessoa não consegue ficar parada. Rostos reais em fotos costumam ficar melhores em baixa ou média; deixe a alta para personagens cujo estilo já é exagerado.

Erro 4: forçar uma proporção que briga com a foto

Aqui a proporção é opcional. Se ficar vazia, o modelo usa a proporção suportada mais próxima da sua imagem, o que mantém o enquadramento que você escolheu. Defina uma (16:9, 9:16, 1:1, 5:4 ou 4:5) só quando o destino exigir, e nesse caso recorte você mesmo o retrato nesse formato antes de enviar, para que você decida o que sai do quadro, e não o modelo. Nas configurações avançadas há uma imagem de fundo disponível, caso o fundo original não sirva.

Erro 5: usar um rosto que você não tem direito de usar

Um vídeo de uma pessoa real dizendo algo que ela nunca disse pode prejudicá-la, e os termos proíbem deepfakes de uma pessoa real e identificável. Use o seu próprio rosto, um personagem fictício que você gerou ou um retrato para o qual você tem permissão clara. Para animar uma foto sem fala, transformar uma foto em vídeo é o caminho mais suave.

Quando escolher outra coisa

O Avatar IV é sobre o rosto e a voz. Ele não faz a pessoa andar por uma cena nem troca a roupa dela, e vai no máximo até 1080p. Se você não tem nenhum retrato e precisa de um apresentador numa sala de verdade, o Avatar V usa avatares prontos em até 4K; o guia do Avatar V explica. Todos os outros modelos de avatar falante e sincronização labial estão na página de modelos.