HeyGen LiveAvatar + v3 Video API
Avatar temps réel (Custom/LITE ou FULL), HeyGen Voice (octobre 2026) et pipeline v3 asynchrone
Latence TTFR
~300ms
temps réel
Coût / minute
à partir de $0.090/min
selon l'abonnement souscrit
Qualité visuelle
9/10
score estimé
Protocoles
WebRTC, REST, LiveKit, WebSocket
Two separate developer surfaces
HeyGen expose deux clés incompatibles. LiveAvatar (api.liveavatar.com) gère le temps réel, FULL ou Custom/LITE. HeyGen v3 (api.heygen.com) gère la vidéo asynchrone, HeyGen Voice (heygen-voice-1 et turbo) et les workflows. Où est Ava ? teste Custom/LITE pour garder sa voix ; HeyGen Voice est un candidat TTS, pas le remplacement de Gradium. Les inserts passent par v3.
LiveAvatar
Docshttps://api.liveavatar.com
Streaming avatar temps réel — FULL ou Custom/LITE, WebRTC via LiveKit/Agora
HeyGen v3
Docshttps://api.heygen.com
Vidéo asynchrone — Video Agent, Avatar V, HeyGen Video, Cinematic, HyperFrames, traduction
HeyGen Voice
Docshttps://api.heygen.com
TTS du même compte v3 — heygen-voice-1 et turbo, WAV 44,1 kHz ou flux SSE
Pilotage mise en scène via API
Comparaison directe entre le flux temps réel (LiveAvatar) et la génération vidéo async (HeyGen v3). C'est la question clé pour Où est Ava ? et Dilemme Plastique.
| Aspect | Temps réel (LiveAvatar) | Async (HeyGen v3) |
|---|---|---|
| Background / décor | ✗ Fixed by avatar training video — no API parameter | ✓ background (color/image), remove_background on Direct Video |
| Camera / cadrage | ✗ Not controllable | ✓ Cinematic Avatar prompt (handheld, documentary, etc.) — async only |
| Body motion / gestures | ✗ Emergent from model — not programmable | ✓ motion_prompt (Avatar IV) · Cinematic prompt · Video Agent prompt |
| Facial expressiveness | ✗ Automatic from training | ✓ expressiveness: high|medium|low (Avatar IV photo/image only) |
| Multi-avatar scenes | ✗ Single avatar per session | ✓ Cinematic Avatar: 1–3 looks in one shot |
| Personality / dialogue | ✓ Context object (FULL) or external LLM (LITE) | ✓ script (Direct) or agent-written (Video Agent) |
| Reference media / brand assets | ✗ | ✓ files[] in Video Agent · references[] in Cinematic · style_id |
| Voix et acoustique | LITE : audio externe. FULL : voix HeyGen. Pas de mode Adaptive/Exact dans la session live | API : expressiveness_boost (instant) ou seed/vitesse/pitch (pro). Adaptive et Exact sont des réglages Studio, pas des champs POST /tts |
| Real-time lip-sync to custom TTS | ✓ Custom/LITE — vidéo streamée au-dessus de votre pile vocale | ✗ Async render only (3–8s+ per clip in benchmarks) |
Produits API HeyGen v3 + LiveAvatar
LiveAvatar Custom (LITE)
Contrôle faibleTTFF <300 ms annoncé par le fournisseur — mesure de dialogue Où est Ava ? à réaliserPOST /v1/sessions/token + /sessions/start
Meilleur mode à tester pour GamiWays : conserver STT/LLM/RAG/TTS et l’orchestration, LiveAvatar ne rendant que la vidéo synchronisée. LiveKit est fourni par défaut ; une infrastructure LiveKit ou Agora propre est possible.
- →avatar_id — apparence visuelle, catalogue ou avatar custom (fixé par le matériau d’entraînement)
- →quality — very_high (1080p) | high (720p) | medium (480p) | low (360p)
- →encoding — H264 recommandé (VP8 déprécié)
- →activity_idle_timeout / disable_idle_timeout
- →No background, camera, gesture, or expression API — apporter la direction vocale via votre TTS
LiveAvatar FULL
Contrôle faible~400–600ms TTFRPOST /v1/sessions/token (mode: FULL)
End-to-end managed pipeline (VAD + STT + LLM + TTS + video). Faster to ship, less control over conversation stack.
- →avatar_id, voice_id, context_id
- →avatar_persona.language, voice_settings (speed, stability)
- →interactivity_type — conversational | push_to_talk
- →Context: system prompt, opening text, RAG links, guardrails
- →No scene/staging parameters beyond avatar choice
Direct Video (Avatar IV/V)
Contrôle structuréAsync — seconds to minutesPOST /v3/videos (type: avatar)
Explicit script + avatar + voice. Highest structured control for talking-head async content. Avatar V takes motion_prompt; expressiveness stays on Avatar IV.
- →avatar_id, voice_id, script
- →background — solid color or image URL
- →remove_background — boolean (requires matting-enabled twin)
- →motion_prompt — corps et gestes (Avatar V et Avatar IV)
- →expressiveness — high | medium | low (Avatar IV only)
- →aspect_ratio — auto | 16:9 | 9:16 | 4:5 | 5:4 | 1:1
- →resolution — 720p | 1080p | 4k
- →voice_settings — speed, pitch, locale
- →engine — avatar_iv (défaut) | avatar_v (opt-in, jumeau numérique seulement)
- →Avatar V accepte motion_prompt et reference_look_id ; expressiveness reste Avatar IV
- →Avatar V : 0,1 crédit Enterprise/s × 0,50 $ = 0,05 $/s. L’index 0,0667 $/s de l’ancienne page self-serve (404) n’est pas retenu
HeyGen Voice
Contrôle structuréPas de TTFA officiel — ne pas inventer de millisecondePOST /v3/models/audio/tts et /tts/stream
Modèle TTS maison, octobre 2026. heygen-voice-1 parle les voix instantanées et professionnelles ; heygen-voice-1-turbo ne parle que les instantanées, à latence annoncée plus basse. Le français (fr) est dans les 39 codes. Adaptive et Exact sont des modes Studio, pas des champs de cette requête.
- →model — heygen-voice-1 | heygen-voice-1-turbo
- →voice_id — clone ACTIVE, voix publique, ou catalogue via un autre endpoint
- →text — 1 à 5 000 caractères ; langue détectée si language est omis
- →expressiveness_boost 0–1 — voix instantanées seulement, défaut API 1.0 (Studio recommande 0.5)
- →seed, speed, pitch_shift, pitch_variance et pauses break — clone professionnel seulement
- →with_timestamps — caractères ; le flux SSE peut aussi porter l’alignement
- →30 requêtes/min et par membre. Création instantanée gratuite pendant la preview
- →Synthèse annoncée à 30 $/1M caractères. Le clone pro est aussi coté 0,6 crédit API/min, unité non convertie
HeyGen Video
Prompt uniquementAsync — 5 à 15 sPOST /v3/models/videos
heygen-video-1 invente sujet, décor et son dans le même clip. Ce n’est pas un avatar de conversation : pas de script séparé ni de lip-sync sur une voix du projet.
- →mode — text_to_video | image_to_video | reference_to_video
- →résolution 480p, 768p, 1080p ou 2k ; 1080p est facturé au tarif 2k (3× le 768p)
- →jusqu’à 9 images, 3 vidéos et 3 audios en référence
Video Agent
Prompt uniquementAsync — agent plans then rendersPOST /v3/video-agents
Flagship v3 workflow: one prompt → script + avatar + scenes. Good for rapid prototyping of educational or marketing segments, less predictable output.
- →prompt (1–10,000 chars) — tone, audience, pacing, visual style
- →style_id — curated visual templates (GET /v3/video-agents/styles)
- →orientation — landscape | portrait
- →avatar_id, voice_id — optional overrides
- →files — up to 20 reference assets (slides, images, PDFs)
- →mode: chat — interactive storyboard before render
- →callback_url — webhook instead of polling
Cinematic Avatar
Mise en scène élevéeAsync — 4–15s clipsPOST /v3/videos (type: cinematic_avatar)
Strongest scene/staging control in HeyGen API — but async, no spoken voice. Prompt-driven camera, setting, mood, and motion via Seedance pipeline.
- →prompt — scene, action, camera, mood (1–10,000 chars)
- →avatar_id — array of 1–3 looks (multi-avatar shots)
- →references — up to 3 videos + 9 images for style/motion steering
- →duration — 4–15s | auto_duration
- →enhance_prompt — auto-expand short prompts
- →aspect_ratio — 16:9 | 9:16 | 1:1
- →7 crédits Enterprise / vidéo × 0,50 $ = 3,50 $. L’ancienne lecture à 7 $ n’est plus sur une page publique
HyperFrames
Mise en scène élevéeAsyncPOST /v3/hyperframes/renders
HTML/CSS/JS → motion graphics video. Useful for Dilemme Plastique data visualizations or Où est Ava ? UI overlays — not a talking avatar.
- →HTML composition input
- →1080p/30 ips : 0,1 crédit/min × 0,50 $ = 0,05 $/min ; 4K/60 ips : 0,3 crédit/min = 0,15 $/min
- →aspect_ratio — 16:9 | 9:16 | 1:1
Video Translation v3
Contrôle faibleAsyncPOST /v3/video-translations
Translate existing video into 30+ languages with voice cloning + lip-sync. Relevant for localizing Dilemme Plastique or Où est Ava ? pre-rendered segments.
- →mode — speed | precision
- →brand_glossary_id — terminology consistency
- →Proofread sessions before final render (precision mode)
Applications projet GamiWays
Où est Ava ? (Storygami) — Où est Ava ?
8/10LiveAvatar Custom/LITE + v3 Cinematic Avatar (B-roll)
Le mode Custom/LITE garde STT, LLM/RAG et la voix française du projet ; HeyGen ne rend que la vidéo. HeyGen Voice (octobre 2026) peut être testé comme cette voix, sans remplacer Gradium. Le TTFF annoncé sous 300 ms et la concurrence illimitée restent à mesurer. Les inserts passent par Avatar V, HeyGen Video ou le cinématique, hors du tour de parole.
- No real-time scene changes during conversation — staging is locked to training video
- Cinematic clips are 4–15s, voiceless — must be edited into the experience
- US hosting only — GDPR review for Swiss/EU deployment
- Interactive Avatar API closed on 31 March 2026 — LiveAvatar is the realtime surface
Le Dilemme Plastique (Edugami)
7/10LiveAvatar Custom/LITE + v3 Direct Video + Translation
Le flux pédagogique voice-first correspond au mode Custom/LITE : conserver le STT, LLM/RAG et TTS français choisis, puis ajouter la couche de lip-sync LiveAvatar. La concurrence illimitée annoncée rend le test de cohortes plus crédible, sans lever la nécessité de mesurer qualité, coûts et durées de session. La vidéo asynchrone reste adaptée aux explications scénarisées avec diapositives.
- Scientific credibility requires stable avatar — train once, reuse avatar_id
- expressiveness/motion_prompt only on Avatar IV — test quality vs Avatar V
- HyperFrames candidate for data/chart animations — separate from avatar layer
- Async segments incompatible with sub-2s turn latency target for live Q&A
Direction émotionnelle & mise en scène
LiveAvatar Custom/LITE garde la voix du projet. HeyGen Voice peut être cette voix, à tester. Le geste live reste non programmable ; Adaptive/Exact sont du Studio, pas de la session temps réel.
Contrôle limitéParamètres et mécanisme
API TTS : `expressiveness_boost` (instant) ou prosodie du clone pro. LiveAvatar : `avatar_id` + audio externe en LITE. Avatar V : `motion_prompt`. `expressiveness` reste Avatar IV.
Limite à garder visible
Ne pas confondre contrôle async et dialogue streaming : les segments mis en scène peuvent compléter, pas diriger chaque tour live. Glossaire et clonage pro ont leurs propres conditions d’accès et de consentement.
Personnalisation de l'avatar
RAG / Base de connaissances
FULL mode : contexte et connaissances fournis par LiveAvatar. Custom/LITE : votre propre RAG, vos garde-fous et votre orchestration ; LiveAvatar rend la vidéo uniquement.
Comportement & personnalité
FULL mode : voice agent, contexte, garde-fous et conversation/push-to-talk. Custom/LITE : contrôle complet via votre LLM et orchestration ; la direction émotionnelle doit venir du TTS/agent retenu, LiveAvatar n’ajoute pas de couche cognitive.
Langage corporel & gestes
Real-time: not programmable — fixed by training video, model generates natural nods/eye contact. Async: motion_prompt (Avatar IV) or Cinematic prompt for composed shots.
Expressions faciales
Real-time: automatic from training. Async Avatar IV: expressiveness high/medium/low on photo/image avatars only. No per-expression API.
Voix & clonage vocal
FULL : voice agent avec voix, contexte, langue, vitesse, style et stabilité configurables. Custom/LITE : apportez votre TTS et votre agent ; c’est la voie à tester pour une voix française et une direction émotionnelle maîtrisées dans Où est Ava ? Le glossaire sert la prononciation sur les surfaces prévues ; il n’est pas une direction de jeu. Le clonage professionnel reste une option d’accès et de consentement à vérifier.
Fine-tuning du persona
Modular : avatar_id (visuel) + voice_id (audio) + context_id (personnalité) découplés. Un même persona peut garder sa voix/agent sur des visages distincts. La personnalisation visuelle ne crée pas un contrôle de geste live par réplique ; v3 ajoute style_id aux inserts asynchrones.
Entraînement de l'avatar
Bonnes pratiques
- 01.15s listening segment (smiles, nods)
- 02.90s natural speech on any topic
- 03.15s stillness (eyes on camera, natural breathing)
- 04.Uniform lighting, no shadows — background is baked into avatar
- 05.Silent environment, stable position
- 06.Closed mouth pauses between sentences
- 07.For v3 Digital Twin: enable matting if remove_background needed
Analyse API
Protocoles
SDKs
Sessions simultanées
Free : 1 session · Starter, Essential et Business : concurrence illimitée annoncée · Enterprise : capacité et SLA dédiés
Limites de débit
La concurrence n’est plus facturée ni plafonnée sur les plans payants ; crédits, durée maximale de session et éventuels overages restent applicables.
Fonctionnalités clés
- HeyGen Voice (oct. 2026) : heygen-voice-1 et turbo, 39 langues dont le français, timestamps, 30 $/1M caractères annoncés
- LiveAvatar Custom/LITE : apportez STT, LLM, TTS et orchestration — 1 crédit/min, adapté à la pile GamiWays
- LiveAvatar FULL : ASR, LLM, TTS, voice agent et streaming gérés — 2 crédits/min
- Concurrence illimitée annoncée sur Essential et Business. Le Starter n’est plus sur la page crédits depuis le 25 septembre 2026
- Connectors: ElevenLabs Agent, OpenAI Realtime, Gemini Live
- Plugins: LiveKit, Pipecat, Agora, VisionAgents
- Plan gratuit : 10 crédits, 1 session et 2 minutes maximum par session
- Webhooks on v3 (callback_url) and LiveAvatar session events
- MCP + CLI for agent-native workflows
Contraintes API
- Two incompatible API key systems (LiveAvatar vs HeyGen Studio/v3)
- Interactive Avatar API closed 31 March 2026
- Real-time: no scene/staging API — only avatar_id + quality + encoding
- Custom/LITE : LiveKit par défaut ou infrastructure WebRTC LiveKit/Agora propre ; H264 recommandé
- Cinematic Avatar: no voice/script, 4–15s clips, 7 Enterprise credits ($3.50 at $0.50/credit)
- Avatar V : motion_prompt oui, expressiveness non (Avatar IV). Tarif retenu 0,05 $/s
- v1/v2 legacy endpoints deprecated October 31, 2026
- HeyGen Voice stream is SSE WAV, not a documented PCM feed into LiveAvatar LITE
Modèle tarifaire
| Plan | Prix | Minutes incluses | Dépassement |
|---|---|---|---|
| LiveAvatar Free | $0/mo | 10 crédits · 1 session · 2 min/session | Watermark |
| LiveAvatar Starter | $19/mo | 200 crédits · réservé aux abonnés existants depuis le 25 sept. 2026 | $0.10/crédit |
| LiveAvatar Essential | $99/mo | 1 100 crédits · 20 min/session · concurrence illimitée | $0.095/crédit |
| LiveAvatar Business | $475/mo | 6 000 crédits · 60 min/session · concurrence illimitée | $0.09/crédit |
| v3 async | Portefeuille USD | Hors crédits LiveAvatar | Avatar V 0,05 $/s · cinématique 3,50 $ · Voice 30 $/1M car. |
| Enterprise | Custom | Custom | Negotiated |
Coûts cachés / à surveiller
- FULL consomme 2 crédits/min et Custom/LITE 1 crédit/min : comparer les architectures sur une même unité
- Custom/LITE ajoute les coûts de STT, LLM, TTS, RAG, orchestration et WebRTC propres à Où est Ava ?
- L’avatar custom 720p est inclus dans Essential, le custom 1080p dans Business ; la 1080p augmente la latence
- 4K et 1080p HeyGen Video sont facturés au palier 2k, distinct des crédits LiveAvatar
- HeyGen Voice à 30 $/1M caractères n’est pas un crédit LiveAvatar ; le clone pro ajoute 0,6 crédit API/min non converti
Besoin chiffré
Combien coûte HeyGen pour ce besoin
Trois factures restent séparées : crédits LiveAvatar, portefeuille API vidéo, et HeyGen Voice au caractère. Le mode FULL inclut déjà une voix HeyGen : elle n’est pas ajoutée une seconde fois. Le slot de clone professionnel reste hors du total.
- LiveAvatar
- Essential · 60 cr · $99.00
- Voix
- $1.80
- Avatar V
- $0.00
- Cinématique
- $0.00
Total des trois factures : $100.80
Avatar V et le clip cinématique suivent la page Enterprise du 18 octobre 2026 : 0,1 crédit/s et 7 crédits/vidéo, à 0,50 $ le crédit. L’ancienne page self-serve répond 404 ; un extrait d’index à 0,0667 $/s n’est pas retenu. HeyGen Voice à 30 $/1M caractères vient de l’annonce et de l’arena Controlled Voice, pas du portefeuille LiveAvatar.
Souveraineté & Hébergement
Score de souveraineté
Hébergement
AWS US-East-1
GDPR
YesOn-premise
NoDétail souveraineté
AWS US-East only. No EU hosting. GDPR DPA available. Separate API keys for LiveAvatar vs HeyGen Studio/v3.
Contraintes & Limites
- Real-time scene/staging NOT programmable — biggest gap vs GamiWays behavioral vision
- Two separate APIs and key systems to manage
- Avatar custom créé depuis une image ou deux minutes de captation ; consentement et qualité de la source à prévoir
- AWS US hosting only — no EU option
- Strict content moderation
- Async v3 incompatible with conversational latency targets alone
- HeyGen Voice SSE is not a documented live PCM input for LiveAvatar LITE
Pertinence pour GamiWays
Score
8/10
À tester pour Où est Ava ? : LiveAvatar Custom/LITE au-dessus du STT, du LLM/RAG et d’une voix française choisie. HeyGen Voice, sorti en octobre 2026, est un candidat pour cette voix — même fournisseur, 39 langues dont le français, timestamps — sans remplacer Gradium ni devenir la latence mesurée du dialogue. Le mode FULL inclut déjà un TTS HeyGen et sort la direction de jeu du projet. Les API v3 restent les inserts : Avatar V à 0,05 $/s, HeyGen Video, cinématique à 3,50 $. Hébergement AWS US.