GamiWays
commercialSouveraineté 1/5

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

Docs

https://api.liveavatar.com

Streaming avatar temps réel — FULL ou Custom/LITE, WebRTC via LiveKit/Agora

HeyGen v3

Docs

https://api.heygen.com

Vidéo asynchrone — Video Agent, Avatar V, HeyGen Video, Cinematic, HyperFrames, traduction

HeyGen Voice

Docs

https://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.

AspectTemps 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 acoustiqueLITE : audio externe. FULL : voix HeyGen. Pas de mode Adaptive/Exact dans la session liveAPI : 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 réaliser

POST /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
Documentation

LiveAvatar FULL

Contrôle faible~400–600ms TTFR

POST /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
Documentation

Direct Video (Avatar IV/V)

Contrôle structuréAsync — seconds to minutes

POST /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
Documentation

HeyGen Voice

Contrôle structuréPas de TTFA officiel — ne pas inventer de milliseconde

POST /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
Documentation

HeyGen Video

Prompt uniquementAsync — 5 à 15 s

POST /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
Documentation

Video Agent

Prompt uniquementAsync — agent plans then renders

POST /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
Documentation

Cinematic Avatar

Mise en scène élevéeAsync — 4–15s clips

POST /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
Documentation

HyperFrames

Mise en scène élevéeAsync

POST /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
Documentation

Video Translation v3

Contrôle faibleAsync

POST /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)
Documentation

Applications projet GamiWays

Où est Ava ? (Storygami) — Où est Ava ?

8/10

LiveAvatar 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)

7/10

LiveAvatar 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 limité

Paramètres 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

Vidéo requise Oui
Durée2 minutes (1 take) for custom LiveAvatar
Résolution1080p minimum
FormatMP4
Consentement requis Oui (obligatoire)
Temps de traitement~24 h annoncées pour un LiveAvatar custom · asynchrone pour la création v3

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

RESTWebRTC (LiveKit)WebSocketWebhooks

SDKs

@heygen/liveavatar-web-sdk (NPM)HeyGen CLI (npx heygen)HeyGen MCP server (OAuth)heygen-com/skills agent skills
Webhooks Yes

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

Modèle : LiveAvatar credits (real-time) + v3 per-operation (async)
PlanPrixMinutes inclusesDépassement
LiveAvatar Free$0/mo10 crédits · 1 session · 2 min/sessionWatermark
LiveAvatar Starter$19/mo200 crédits · réservé aux abonnés existants depuis le 25 sept. 2026$0.10/crédit
LiveAvatar Essential$99/mo1 100 crédits · 20 min/session · concurrence illimitée$0.095/crédit
LiveAvatar Business$475/mo6 000 crédits · 60 min/session · concurrence illimitée$0.09/crédit
v3 asyncPortefeuille USDHors crédits LiveAvatarAvatar V 0,05 $/s · cinématique 3,50 $ · Voice 30 $/1M car.
EnterpriseCustomCustomNegotiated
Offre gratuite
Cloud uniquement
Tarif Enterprise

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

1/5

Hébergement

AWS US-East-1

GDPR

Yes

On-premise

No

Détail 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.