how-tos

HeyGen Avatar 6 API, texte vers avatar : vidéos de présentateur à partir d’un script, sans fichier audio

Poyo.ai Team
10 min read
Share:

HeyGen Avatar 6 API, texte vers avatar : une vidéo de présentateur à partir d’un script

La HeyGen Avatar 6 API peut créer une vidéo de présentateur à partir d’un simple script. En mode avatar public, vous indiquez l’un des 1,248 looks prêts à l’emploi de HeyGen, envoyez jusqu’à 1,000 caractères de text, choisissez l’une des 102 voix, et heygen-avatar-6 (ou heygen-avatar-6-turbo) renvoie un MP4 synchronisé sur les lèvres. Pas de photo, pas d’enregistrement, pas d’étape de synthèse vocale de votre côté. Ce tutoriel explique comment choisir un look et une voix dans le catalogue, diriger les gestes avec prompt, choisir le format du cadre, et ce que coûte une requête texte. Vous pouvez aussi parcourir les looks sur la page du modèle HeyGen Avatar 6.

La requête texte vers avatar

Voici le corps documenté pour le mode avatar public avec du texte :

{
  "model": "heygen-avatar-6-turbo",
  "input": {
    "avatar": "Abigail Office Front",
    "text": "Hello and welcome to this demonstration of HeyGen Avatar 6.",
    "voice": "Warm Pro Narrator",
    "prompt": "Speak with calm confidence and nod slightly at the end.",
    "aspect_ratio": "16:9",
    "resolution": "1080p"
  }
}
ChampObligatoireRègle
avatarOuiL’un des 1,248 noms de looks
textOui (à la place de audio_url)1–1,000 caractères
voiceNonL’un des 102 noms ; par défaut Warm Pro Narrator
promptNonJusqu’à 1,200 caractères de direction
aspect_ratioNon16:9 (par défaut), 9:16, 1:1, 4:5, 5:4
resolutionNon1080p (par défaut) ou 2K

C’est la présence d’avatar qui sélectionne ce mode. N’envoyez pas en plus image_urls ou video_url ; utilisez les entrées d’un seul mode par requête. Soumettez à POST https://api.poyo.ai/api/generate/submit et interrogez /api/generate/status/{task_id} comme dans le guide de la HeyGen Avatar 6 API.

Choisir un look d’avatar dans le catalogue

PoYo publie tous les noms sur la page Avatars and Voices et sous forme de catalogue JSON. Le catalogue comporte cinq clés :

CléContenu
modelsheygen-avatar-6, heygen-avatar-6-turbo (les mêmes noms fonctionnent sur les deux)
default_voiceWarm Pro Narrator
avatarsLes 1,248 noms de looks, en liste plate
avatars_by_personLes mêmes looks regroupés sous 156 personnes
voicesLes 102 noms de voix

Chaque personne a un ou plusieurs looks, et chaque look est une valeur d’avatar distincte. Abigail en a cinq (Abigail (Upper Body), Abigail Office Front, Abigail Office Side, Abigail Sofa Front, Abigail Sofa Side) ; Annie en a 54 ; huit personnes n’ont qu’un seul look. Les noms décrivent le décor, la tenue et l’angle de caméra, ce qui suffit généralement pour choisir sans aperçu :

Vous voulezCherchez des noms commeExemples
Présentateur face caméraFrontAbigail Office Front, Bryan Suit Front
Angle de trois quartsSideAbigail Office Side
Assis, décontractéSofa, Sitting, LoungeAnnie Sofa Sitting Front
Un rôle ou un décorDoctor, Nurse, Yoga, Tech ExpertAnn Doctor Standing, Adriana Nurse Front, Amelia Yoga Front, Bryan Tech Expert

Environ 480 noms contiennent Front et environ 430 contiennent Side. Pour une série de vidéos explicatives, choisissez une personne et restez sur ses looks Front, afin que le présentateur reste le même d’une vidéo à l’autre. Utilisez le look Side correspondant pour les plans de coupe.

Les noms sont reconnus indépendamment de la casse et des espaces superflus : abigail office front sélectionne donc Abigail Office Front. PoYo vérifie avatar par rapport à la liste à la soumission : une faute de frappe renvoie donc immédiatement un 400 plutôt qu’une tâche échouée. Validez d’abord dans votre propre code :

import requests

catalog = requests.get(
    "https://docs.poyo.ai/api-manual/video-series/heygen-avatar-6-catalog.json", timeout=30
).json()

def norm(name: str) -> str:
    return " ".join(name.split()).lower()

AVATARS = {norm(a): a for a in catalog["avatars"]}
VOICES = set(catalog["voices"])

def build_request(model, avatar, text, voice=None, prompt=None, aspect_ratio="16:9", resolution="1080p"):
    if norm(avatar) not in AVATARS:
        raise ValueError(f"unknown avatar: {avatar!r}")
    if not 1 <= len(text) <= 1000:
        raise ValueError("text must be 1-1,000 characters")
    if voice is not None and voice not in VOICES:
        raise ValueError(f"unknown voice: {voice!r} (copy the exact name from the catalog)")
    if prompt is not None and len(prompt) > 1200:
        raise ValueError("prompt must be at most 1,200 characters")
    body = {"avatar": AVATARS[norm(avatar)], "text": text,
            "aspect_ratio": aspect_ratio, "resolution": resolution}
    if voice:
        body["voice"] = voice
    if prompt:
        body["prompt"] = prompt
    return {"model": model, "input": body}

La vérification de la voix utilise volontairement les noms exacts ; la section suivante explique pourquoi.

Choisir une voix

voice détermine qui lit text. Si vous l’omettez, vous obtenez Warm Pro Narrator. Les 102 voix comprennent des prénoms simples (Andrew, Ivy, Jessica Anne Bogart), des noms descriptifs (Calm Chloe, Professor Dean, Radio Rick, Chill Brian) et certains avec une indication de style dans le nom.

Trois points piègent souvent :

  • Les espaces finales peuvent compter. La documentation signale que Hope et Hope (avec une espace finale) sont deux voix différentes. Archer , Cassidy , Adam Stone , Spuds Oxley et Andrew Rizz se terminent aussi par une espace dans le catalogue. Copiez les noms depuis le JSON plutôt que de les retaper.
  • Certains noms contiennent des emoji ou des suffixes qui ressemblent à des noms de fichiers, comme Cute Chloe - Friendly 😊 ou Brenda - UGC - 1.mp4. Ces caractères font partie du nom. Envoyez le corps de la requête en JSON UTF-8 et le nom passera sans modification.
  • La voix n’est pas liée à l’avatar. N’importe laquelle des 102 voix peut lire pour n’importe lequel des 1,248 looks. Choisissez une voix adaptée à la personne à l’écran ; nos tests du jour du lancement ont associé Bryan Tech Expert à Andrew et Abigail Office Front à Jessica Anne Bogart.

voice ne s’applique que lorsque vous envoyez text. Si vous envoyez audio_url à la place, l’avatar prononce votre enregistrement et voice n’est pas utilisé.

Diriger les gestes avec prompt

prompt accepte jusqu’à 1,200 caractères de direction pour les gestes, l’expression et la posture. Le rapport technique de HeyGen décrit la technique : « Écrivez l’action à côté des mots. Avatar 6 l’exécute pile au bon moment. » Son exemple : « Pharmacien sympathique. Sur “Hello”, levez le pouce. Sur “the counter on the left”, désignez le côté avec l’index. »

Un modèle qui suit ce format :

{
  "model": "heygen-avatar-6",
  "input": {
    "avatar": "Bryan Tech Expert",
    "text": "Hello! Today I will show you three settings that make your dashboard faster. First, open the menu on the left.",
    "voice": "Andrew",
    "prompt": "Friendly product expert. On 'Hello', wave once. On 'three settings', hold up three fingers. On 'the menu on the left', point to his left side. Keep a relaxed posture and smile between sentences.",
    "aspect_ratio": "16:9",
    "resolution": "1080p"
  }
}

Conseils pour des prompts utiles :

  • Citez les mots exacts de text sur lesquels chaque action doit tomber, pour que le signal soit sans ambiguïté.
  • Décrivez d’abord un rôle ou une humeur (« Friendly product expert »), puis les signaux.
  • Omettez prompt si vous n’avez pas de signaux précis. La page de lancement d’Avatar 6 de HeyGen indique que le modèle « accorde de lui-même les gestes, l’émotion et l’expression à votre script ».

Choisir le format selon l’emplacement

aspect_ratio n’existe qu’en mode avatar public ; les modes photo et vidéo de référence conservent la forme de l’entrée.

Emplacementaspect_ratio
Site web, YouTube, cours sur un LMS16:9 (par défaut)
Shorts, Reels, TikTok, stories9:16
Publication carrée dans un fil, carte dans une application1:1
Publication portrait dans un fil4:5
Publication paysage dans un fil5:4

resolution est un paramètre distinct : 1080p ou 2K, quel que soit le format. Le 2K coûte plus cher à la seconde : générez donc les brouillons en 1080p.

Durée de la vidéo et coût

Avec du texte, la vidéo dure le temps que met l’avatar à le lire, jusqu’à 1,000 caractères. Vous êtes facturé sur la durée de la vidéo finale, arrondie à la seconde entière supérieure. Les crédits sont réservés à la soumission et ajustés aux secondes réelles à la fin de la tâche.

Nos tests du jour du lancement sur l’API de production, le 19 novembre 2026 (16:9, 1080p) :

ModèleAvatar / voixScriptSortieCoût aux prix actuelsTemps écoulé
heygen-avatar-6-turboAbigail Office Front / Jessica Anne Bogart27 mots10.16 s110 crédits ($0.55)Environ 2.4 min
heygen-avatar-6Bryan Tech Expert / Andrew21 mots6.88 s140 crédits ($0.70)Environ 2 min

Cela représente environ 2.7 et 3.1 mots par seconde sur ces deux exécutions : utile pour un budget approximatif, mais sans garantie, car le débit varie selon la voix et le script. Tarifs à la seconde : Turbo 10 crédits ($0.05) en 1080p ou 18 ($0.09) en 2K ; Avatar 6 20 crédits ($0.10) ou 29 ($0.145). Voir Prix de la HeyGen Avatar 6 API pour plus de détails.

Comme les tâches texte retiennent une réservation pendant leur exécution, en lancer beaucoup à la fois peut renvoyer HTTP 200 avec un code 402 dans le corps (insufficient_credits_error). Lors de notre test, une troisième requête a été refusée avec : « this request needs at least 252 credits, and 344 credits are already reserved by your unfinished HeyGen Avatar 6 text tasks. » Mettez les tâches texte en file d’attente, ou gardez un solde qui couvre les réservations en cours. Utilisez Turbo pendant les itérations ; la comparaison Avatar 6 vs Turbo indique quand basculer.

Questions fréquentes

La HeyGen Avatar 6 API peut-elle transformer du texte en vidéo d’avatar parlant ?

Oui. En mode avatar public, envoyez avatar, jusqu’à 1,000 caractères de text et, en option, voice. Aucun fichier audio n’est nécessaire.

Où trouver la liste des avatars et des voix de la HeyGen Avatar 6 API ?

Sur la page Avatars and Voices de la documentation PoYo, et dans un catalogue JSON téléchargeable avec les clés avatars, avatars_by_person et voices.

Quelle est la voix par défaut de la HeyGen Avatar 6 API ?

Warm Pro Narrator, utilisée lorsque voice est omis.

Puis-je utiliser ma propre photo avec du texte au lieu d’un avatar prêt à l’emploi ?

Non. text ne fonctionne qu’en mode avatar public. Pour votre propre photo, utilisez le mode photo avec image_urls et un audio_url ; générez d’abord l’audio avec un modèle TTS si nécessaire.

Quels formats d’image le mode texte vers avatar de HeyGen Avatar 6 prend-il en charge ?

16:9, 9:16, 1:1, 4:5 et 5:4, en 1080p ou en 2K.

Comment une requête texte de la HeyGen Avatar 6 API est-elle facturée ?

Selon la durée de la vidéo finale, arrondie à la seconde entière supérieure, au tarif à la seconde du modèle. Les crédits sont réservés à la soumission et ajustés à la fin de la tâche.

Share: