Оживляет портрет по аудиозаписи: человек на фото говорит и двигается в такт голосу, мимику можно подсказать заданием, а фон — заменить своей картинкой. Цена — 15 ₽ за секунду видео.
HeyGen Avatar IV — нейросеть HeyGen, которая умеет оживить и озвучить фото: из одного портрета и записи голоса делает говорящее видео, где губы попадают в слова, голова и плечи двигаются, а мимику можно подсказать заданием. Отдаёт ролик до 1080p в пропорциях под любую ленту.
Всех героев мы выдумали. Ведущую, бабушку, повара и экскурсовода нарисовала GPT Image 2, менеджера и тренера — Nano Banana 2.1, библиотекаря — Nano Banana 2 Lite. Реплики библиотекаря читала озвучка сайта «Мега», остальных — ElevenLabs v4; все голоса синтетические. Все восемь роликов с настройками собраны во вкладке «Примеры».
Поле «Выразительность» решает, насколько живым будет лицо. Ведущую новостей с одной записью на 10 секунд мы запустили дважды: сначала со значением «Сдержанная» и пустым заданием, потом с «Яркой» и заданием:
Ведущая говорит уверенно и доброжелательно, на словах о парке слегка разводит руками, в конце улыбается в камеру.
HeyGen Avatar IV · «Сдержанная», без задания · 15 ₽/сек.
HeyGen Avatar IV · «Яркая», с заданием · 15 ₽/сек.
Губы в обоих роликах попадают в слова, лицо не плывёт, причёска и пиджак остаются на месте. «Яркая» добавила улыбок и наклонов головы, а вот руки так и пролежали сложенными на столе: просьбу развести их на словах о парке нейросеть в нашей пробе не выполнила. Похоже, задание здесь сильнее влияет на настроение, чем на жесты. Оба ролика пришли через две с небольшим минуты в настоящем 1920×1080.
Для сравнения мы взяли фото и запись из статьи про OmniHuman 2.0: обе нейросети получили одинаковые файлы и пустое задание.
OmniHuman 2.0 · без задания · 15 ₽/сек.
HeyGen Avatar IV · без задания, 1080p · 15 ₽/сек.
Обе держат руки на столе и говорят почти одинаково точно. Разница в картинке: у OmniHuman ролик около 0,9 мегапикселя, у HeyGen можно выбрать 1080p и получить полный Full HD с тем же фото. В этот раз и ждали меньше: чуть больше двух минут против трёх с лишним у соседа, хотя по одной паре запусков о скорости судить рано.
Экскурсовод на вертикальном фото стоит в музейном зале у картины. Мы загрузили в поле «Фон» картинку с ночным городом за панорамным окном, выбрали 16:9 и среднюю выразительность. Задание:
Экскурсовод говорит спокойно и показывает рукой в сторону.
HeyGen Avatar IV · с картинкой в поле «Фон», 1080p 16:9, голос 10 с · 15 ₽/сек.
Обстановку за спиной героини картинка не заменила: стена зала и картина в золотой раме остались на месте, а город с окнами и растениями занял поля слева и справа, которые появились, когда вертикальное фото уложили в 16:9. В нашей пробе «Фон» сработал как подложка под широкий кадр. С горизонтальным фото, где полей не будет, мы это поле не проверяли, поэтому о замене фона судить рано. Жест рукой есть, но короче, чем хотелось бы.
Повар стоит у плиты на вертикальном фото. Мы выбрали 9:16, 720p и среднюю выразительность, в задании попросили поднимать взгляд в камеру и улыбаться.
HeyGen Avatar IV · фото 9:16, 720p, голос 11 с · 15 ₽/сек.
Получился ролик 720×1280 на 10,5 секунды, где повар помешивает лопаткой в сковороде, смотрит то в сковороду, то в камеру и под конец смеётся. Это единственная проба, где руки двигались заметно, и просить об этом в задании не пришлось: нейросеть сама обыграла предмет в руках.
Фото библиотекаря вытянуто вертикально почти как 9:16. Мы попросили 4:5 при 1080p и короткую фразу на 4 секунды. Для бабушки взяли квадрат 1:1 и 720p.
HeyGen Avatar IV · 4:5 из вертикального фото · 15 ₽/сек.
HeyGen Avatar IV · 1:1, 720p · 15 ₽/сек.
Из библиотекаря вышло 1080×1350, из бабушки — ровный квадрат 720×720. В обеих пробах нейросеть кадрировала сама и лицо не обрезала. Бабушка при этом растроганно улыбается и кивает ровно так, как мы написали в задании.
Две пробы не удались. Поющего енота у микрофона и рисованный стаканчик кофейни, которых спокойно оживляла OmniHuman 2.0, здесь закончились ошибкой: судя по всему, нейросети нужно лицо человека. Деньги за оба запуска вернулись на баланс.
Загрузите в Фото снимок с одним человеком лицом к камере: JPG, PNG, WebP, HEIC или HEIF. В Аудио положите речь или песню до 5 минут в MP3, WAV, M4A, AAC, FLAC, OGG или OPUS. Записи у вас нет? Её можно собрать в разделе «Озвучка текста», а потом скачать и загрузить сюда. Перевода нет: на каком языке запись, на том герой и заговорит.
Остальное по желанию. Задание подсказывает настроение и мимику, Фон принимает свою картинку (как она ложится в кадр, видно в пробе с экскурсоводом), а Разрешение, Соотношение сторон и Выразительность по умолчанию дают 1080p, пропорции фото и сдержанную мимику. Ролик длится столько же, сколько запись, цена видна на кнопке Отправить до запуска. Готовое видео появится под формой, в Моих результатах оно хранится 7 дней; чтобы оставить дольше, скачайте файл или сохраните в библиотеку.
| Поле | Что даёт | Как лучше |
|---|---|---|
| Задание | настроение, мимика, иногда жесты | одна-две фразы о характере речи и мимике |
| Фото | герой и исходные пропорции | одно лицо, открытое, без очков с бликами; для жестов — кадр по пояс |
| Аудио | слова, интонация и длина ролика | обрежьте тишину по краям: неполная секунда считается целой |
| Фон | своя картинка в кадре | у нас с вертикальным фото при 16:9 заполнила поля по бокам, обстановка на снимке осталась |
| Разрешение | размер кадра от 360p до 1080p | цена одна, поэтому 1080p для публикации, 480p для черновика |
| Соотношение сторон | кадрирование под площадку | «Как у фото» для портрета, 9:16 для вертикальных лент |
| Выразительность | сила мимики и движений головы | «Сдержанная» для новостей и обучения, «Яркая» для поздравлений и рекламы |
Разрешение на цену не влияет, мы проверили это на 480p и 1080p. Разница в размере файла: семисекундный ролик менеджера в 480p весит в два с половиной раза меньше девятисекундного ролика ведущей в 1080p.
Формула простая: как говорит + что с лицом + чем заканчивает. Слова, которые герой произносит, задание не задаёт, их берут из записи.
Говорит спокойно и доброжелательно, слегка улыбается, в конце кивает.
Бабушка говорит тепло и растроганно, мягко улыбается и слегка кивает головой.
Повар говорит весело, иногда поднимает взгляд в камеру и улыбается.
Частые ошибки:
Платите за каждую секунду записи. Разрешение, пропорции, задание и фон на цену не влияют.
| Запись | Цена |
|---|---|
| 5 с | 75 ₽ |
| 10 с | 150 ₽ |
| 30 с | 450 ₽ |
| 1 мин | 900 ₽ |
| 5 мин | 4 500 ₽ |
Для первой пробы хватит фразы на 5 секунд: по ней уже видно, как ложится речь на ваше фото. Запуск, который закончился ошибкой, не оплачивается.
У HeyGen Avatar V своего фото нет совсем: там выбирают одного из готовых персонажей в готовой сцене и получают ролик до 4K. Avatar IV, наоборот, работает с вашим снимком и даёт до 1080p. Старая Heygen 720p того же разработчика берёт только фото и запись до минуты без каких-либо настроек. Все нейросети HeyGen на сайте мы сравнили в обзоре HeyGen.
| Нейросеть | Цена | Чем отличается | Когда брать |
|---|---|---|---|
| HeyGen Avatar IV | 15 ₽/сек. | своё фото, задание, фон, 360p–1080p, пропорции, выразительность | нужен ролик из своего портрета в Full HD или под формат ленты |
| HeyGen Avatar V | 23 ₽/сек. | готовые персонажи и сцены вместо фото, до 4K | нет своего фото или нужен «студийный» ведущий |
| Heygen 720p | 1 ₽/сек., от 30 ₽ | только фото и запись до минуты, 720p | короткий ролик без настроек |
| OmniHuman 2.0 | 15 ₽/сек. | задание с жестами, запись 4–300 секунд, оживляет и рисованных героев | нужен жест по слову или мультяшный персонаж |
| Kling AI Avatar 2 | от 10 ₽/сек. | задание, две модели на выбор, запись до 5 минут | хочется сравнить с другим разработчиком |
| Pruna AI P-Video Avatar | от 4 ₽/сек. | задание, 720p или 1080p, запись до 10 минут | запись длиннее пяти минут |
Описание обновлено 16 октября 2026 г.
Тренер в осеннем парке зовёт на разминку
Вертикальный кадр 9:16, 720p и выразительность «Яркая»: руки двигаются по заданию. Загруженный фон с офисом модель в этой пробе не применила — остался парк.
Промпт: Говорит спокойно и доброжелательно, слегка улыбается, делает плавный вдох и разводит руки.
Менеджер в кофейне отвечает клиенту
Разрешение 480p для быстрого черновика: цена та же, что у 1080p, файл легче. Выразительность «Сдержанная», 16:9.
Библиотекарь напоминает вернуть книгу
Короткая запись и пропорции 4:5 при 1080p: модель сама кадрирует фото под вертикальную ленту, сдержанная мимика.
Экскурсовод на фоне вечернего города
Поле «Фон»: окружение заменено на картинку с ночным городом, 1080p, 16:9. Картина рядом с героиней при этом осталась в кадре.
Промпт: Экскурсовод говорит спокойно и показывает рукой в сторону.
Повар у плиты ведёт кулинарный ролик
Вертикальное фото и пропорции 9:16, 720p: рука с лопаткой двигается, взгляд в камеру и улыбка по заданию.
Промпт: Повар говорит весело, иногда поднимает взгляд в камеру и улыбается.
Бабушка поздравляет внучку с днём рождения
Квадрат 1:1, 720p, выразительность «Средняя»: тёплое поздравление, которое подойдёт для сторис или видеооткрытки.
Промпт: Бабушка говорит тепло и растроганно, мягко улыбается и слегка кивает головой.
Та же ведущая с заданием и яркой мимикой
Те же фото и аудио, но с заданием про жесты на словах о парке и выразительностью «Яркая»: больше улыбок, движений головы и рук.
Промпт: Ведущая говорит уверенно и доброжелательно, на словах о парке слегка разводит руками, в конце улыбается в камеру.
Ведущая новостей читает вечернюю сводку
Фото ведущей и запись речи без задания: 1080p, пропорции как у фото, сдержанная выразительность. Базовая проба, с которой удобно сравнивать остальные настройки.