HeyGen Avatar V: um vídeo com apresentador a partir de uma gravação de voz

Você tem uma locução e ninguém para ficar na frente da câmera. O HeyGen Avatar V preenche essa lacuna: você escolhe um dos apresentadores prontos, envia uma gravação de fala e recebe um vídeo desse apresentador dizendo as suas palavras, com os lábios sincronizados, em até 4K. Não há caixa de prompt nem rosto para enviar. Duas entradas, algumas configurações, e todo o trabalho está em acertá-las.

Passo 1: escolha o apresentador pelo nome, pela postura e pelo ângulo

A lista de avatares tem centenas de opções, e os nomes parecem uma lista de planos de filmagem: um primeiro nome, depois se a pessoa está sentada ou em pé, depois o cenário (um escritório, um sofá, uma cozinha, um tapete de ioga, um piquenique) e por fim o ângulo da câmera, de frente ou de lado. Assim, 'Annie, escritório, sentada, de frente' e 'Annie, escritório, sentada, de lado' são a mesma apresentadora na mesma sala vista por duas câmeras.

Isso torna possível uma edição barata com duas câmeras. Renderize a mesma gravação duas vezes, uma na versão de frente e outra na versão de lado do mesmo apresentador, e corte entre elas nas pausas entre as frases. Fica parecendo uma entrevista filmada em vez de um único plano parado.

Passo 2: prepare o áudio

O áudio comanda tudo: a boca, as pausas, o ritmo da cabeça. Uma gravação limpa num cômodo silencioso vale mais que um roteiro perfeito lido numa cozinha com eco. Se preferir não gravar a própria voz, crie uma com um modelo de texto para fala da página de modelos e envie esse arquivo. Escreva o roteiro para o ouvido: frases curtas, uma pausa onde um slide mudaria, números escritos do jeito que você quer que sejam falados.

Passo 3: escolha o enquadramento pelo lugar onde vai passar

A proporção pode ser 16:9 (a padrão), 9:16, 1:1, 5:4 e 4:5. Decida pelo destino, não pelo gosto: 16:9 para um site ou uma apresentação, 9:16 para clipes verticais curtos, 4:5 ou 1:1 para o feed. O guia de proporções explica essa escolha com mais detalhes.

A resolução é 720p, 1080p (a padrão) ou 4K. 1080p serve para quase tudo o que as pessoas assistem no celular ou no navegador. Guarde o 4K para uma tela grande ou para material que você vai recortar depois.

Passo 4 (opcional): troque o fundo

Nas configurações avançadas dá para adicionar uma imagem de fundo. Cada avatar já vem com a própria sala, então você só precisa disso quando a sala não combina com a sua marca: a sua loja, o seu escritório, uma cor lisa atrás de um tutorial. Use uma imagem com a mesma altura de câmera e um pouco de desfoque, ou o apresentador vai parecer colado por cima.

Avatar V ou um dos vizinhos?

• Avatar V: um apresentador de catálogo, o seu áudio, até 4K. Melhor quando você precisa de uma pessoa na tela e não se importa que não seja você.
• Avatar IV: a sua própria foto de retrato no lugar de um apresentador de catálogo, com instruções escritas para as expressões. O guia do Avatar IV explica.
• Avatar V Digital Twin: funciona a partir de texto ou de áudio e pode remover o fundo para um vídeo transparente.

O que ele não faz

Aqui você não pode usar o próprio rosto nem dirigir a atuação: não há prompt, então os gestos e as expressões vêm só do áudio e do avatar escolhido. Se o apresentador precisa parecer surpreso numa palavra específica, grave essa palavra com essa energia ou escolha um modelo com um campo de instruções. Para outras formas de colocar uma pessoa em movimento na tela, veja como escolher um modelo de vídeo com IA.