J’ai maintenant réalisé des avatars parlants avec quatre modèles ouverts : FlashHead Pro, MiniMax H3, LTX-2.5 et LongCat. Tous les quatre font le même travail : un portrait et une voix off en entrée, une vidéo synchronisée sur les lèvres en sortie.
Une minute de vidéo terminée coûte entre environ 4 cents et environ 4 $, un écart de 100×, et la qualité varie tout autant. J’y ai consacré environ 300 $ de mon propre temps GPU, en faisant tourner mes propres projets pendant des heures, donc cette comparaison repose sur de vrais rendus longs. Chaque modèle a son propre guide et un template gratuit ; cette page sert à choisir entre eux.
En bref
- Le moins cher : FlashHead Pro, environ 0,04 $ la minute, mais le visage seulement.
- Mon préféré : LTX-2.5, un présentateur en buste complet pour environ 0,19 $ la minute, qui peut tourner pendant des heures.
- La meilleure qualité : LongCat, mi-corps avec les mains, mais environ 1 à 4 $ la minute et jusqu’à une heure de rendu par minute.
- À éviter pour les avatars : MiniMax H3. Mauvais respect du prompt, zooms aléatoires et une licence qui exclut les États-Unis, l’UE, le Royaume-Uni et la Corée du Sud.
- Face aux outils payants : FlashHead Pro est environ 100× moins cher que HeyGen ; LongCat coûte à peu près autant.
Les chiffres côte à côte
Mes rendus sur RunPod, prix à la demande, octobre 2026, par minute de vidéo terminée :
| Modèle | Sortie | GPU | Temps de rendu par minute | Coût par minute | Vidéo de 10 minutes |
|---|---|---|---|---|---|
| FlashHead Pro | Visage, 512 × 512 | RTX 5090 | ~1,8 min | ~0,04 $ | ~0,40 $ |
| MiniMax H3 | Buste, 768 × 768 | RTX 5090 | ~6,6 min | ~0,13 $ | ~1,30 $ |
| MiniMax H3 | Buste, 768 × 768 | RTX A5000 | ~16 min | ~0,07 $ | – |
| LTX-2.5 | Buste | RTX 5090 | ~9 min (estimation) | ~0,19 $ | ~1,90 $ |
| LongCat | Mi-corps, 960 × 960 | H100 | ~1 h | ~4 $ | 10 à 40 $ |
| LongCat | Mi-corps, 960 × 960 | RTX PRO 4500 | ~2,7 h | ~2 $ | |
| LongCat | Mi-corps, 640 × 640 | RTX PRO 4500 | ~1,4 h | ~1 $ |
Les besoins matériels varient tout autant. FlashHead Pro culmine à 6,4 Go de VRAM et tourne sur n’importe quelle carte RTX 30, 40 ou 50 de 8 Go ou plus ; je l’ai testé sur un GPU RTX 3080 Laptop de 8 Go. LongCat a besoin de 32 Go de VRAM plus 60 Go ou plus de RAM système.
Tous les modèles rendent par segments
La première chose que j’ai apprise en faisant ces vidéos : aucun de ces modèles ne rend une minute d’un seul coup. Ils rendent 5, 7 ou 10 secondes à la fois, et les segments sont assemblés en une seule vidéo. Mes templates se chargent de l’assemblage pour vous.
Ils rendent par segments parce que, sur une longue génération, le visage dérive et se met à buguer. La vraie différence entre les modèles, c’est donc ce qui se passe à chaque raccord.
- LTX-2.5 et MiniMax H3 reviennent à la photo d’origine à chaque segment, toutes les 5 à 7 secondes environ. Le résultat reste assez naturel.
- LongCat prolonge le mouvement du segment précédent, il est donc continu. Je ne force un redémarrage depuis le portrait que toutes les 40 à 60 secondes. Le template de FlashHead Pro rend lui aussi en continu par défaut, sans retour au portrait.
FlashHead Pro : le moins cher
FlashHead Pro est extrêmement rapide : une seconde de vidéo en environ deux secondes sur une RTX 5090, donc une minute se rend en moins de deux minutes pour environ 4 cents. Vous pouvez aussi le faire tourner en local sur une carte grand public comme une 3080 ou une 4060. C’est plus lent, peut-être 10 secondes de rendu par seconde de vidéo, mais ça reste très rapide.
Les réserves : la qualité n’est pas formidable, et il est entraîné uniquement sur des recadrages de visages en 512 × 512, donc pas d’épaules ni de mains. Mais si vous avez besoin de deux heures de présentateur dans un coin de l’écran et que la qualité importe peu, c’est le choix idéal. Guide complet : FlashHead Pro.
MiniMax H3 : celui dont on parle
MiniMax H3 attire beaucoup d’attention parce qu’il est un peu moins cher et un peu plus rapide que certains autres. Mais pour les avatars, il n’est pas bon.
- Le respect du prompt est mauvais. Il peut changer le visage ou les vêtements, il faut donc toujours les décrire dans le prompt, ce qui est rarement nécessaire avec les autres modèles.
- Il zoome sur le visage sans raison, même quand le prompt demande de ne pas zoomer et une caméra stable.
Sa licence exclut aussi les États-Unis, l’UE, le Royaume-Uni et la Corée du Sud, y compris l’endroit où tourne le pod. Il peut convenir pour des vidéos de divertissement, mais pour des avatars, je ne pense pas qu’il en vaille la peine. Guide complet, avec les solutions de contournement : MiniMax H3.
LTX-2.5 : mon préféré
LTX-2.5 est pour moi le plus intéressant. Il vous donne un présentateur cohérent qui peut tourner indéfiniment : la première et la dernière image de chaque segment sont le même visage neutre, donc l’avatar parle, revient à l’expression neutre, puis recommence à parler. Pour un présentateur, cela paraît assez naturel.
Mon template repère les pauses de votre voix off et découpe entre elles des segments de 3 à 12 secondes, puis un script assemble le tout en une longue vidéo. Les raccords ne sont pas parfaits : le bruit change un peu d’un segment à l’autre. Je peux m’en accommoder. Sur une RTX 5090, cela revient à environ 20 cents la minute, et 30 minutes de vidéo prennent quelques heures à rendre. Guide complet : LTX-2.5.
LongCat : la meilleure qualité
LongCat est entraîné spécifiquement sur des personnes qui parlent, et ça se voit : de vrais mouvements de mains et un cadrage à mi-corps complet. Il rend des segments de 3,7 secondes mais prolonge le mouvement de l’un à l’autre.
Le visage finit bien par dériver après 40, 60 ou 80 secondes, alors le template repart du portrait d’origine. Les mains sont aussi un risque : si elles sortent du cadre et reviennent, le modèle peut ajouter une montre qui n’était pas là.
Sur une H100, une minute de vidéo a demandé une heure de rendu et coûté environ 4 $. Une RTX PRO 4500 met environ trois fois plus longtemps, pour environ 2 $ la minute. C’est la meilleure qualité, mais aussi le plus lent et le plus cher, donc ce n’est pas mon choix au quotidien. Guide complet : LongCat.
Open source contre HeyGen, Hedra, Kling et Higgsfield
Les outils d’avatar propriétaires sont, à mon avis, surestimés et extrêmement chers. Voici leurs prix à la minute publiés, à côté de mes rendus :
| Outil | Prix par minute terminée | Source |
|---|---|---|
| FlashHead Pro (mes rendus) | ~0,04 $ | ce site |
| LTX-2.5 (mes rendus) | ~0,19 $ | ce site |
| LongCat (mes rendus) | ~1 à 4 $ | ce site |
| HeyGen Avatar IV API | ~3 à 4 $ | Aide HeyGen, Anam |
| Hedra Character-3 (720p) | ~3 $ | AdTestBench |
| Kling Avatar v2 | ~3,40 $ Standard, ~6,90 $ Pro | CostGoat |
| Higgsfield Speak 2.0 | ~5,50 à 12 $, selon l’offre | Aliteq |
| Seedance 2.0, 720p (un modèle vidéo généraliste) | ~9 $ (BytePlus) à ~18 $ (fal) | useapi.net, Wireflow |
Les prix des outils payants ont été vérifiés entre juillet et octobre 2026 et changent souvent.
FlashHead Pro est donc environ 80 à 110 fois moins cher à la minute que HeyGen, et LTX-2.5 environ 15 à 20 fois moins cher. LongCat coûte à peu près autant que HeyGen et Hedra, mais le pipeline vous appartient.
Mes choix
- De longues voix off, le moins cher possible : FlashHead Pro.
- Un présentateur en buste complet qui tourne pendant des heures : LTX-2.5.
- Quand j’ai vraiment besoin de la meilleure qualité : LongCat.
- MiniMax H3 : je l’éviterais pour les avatars.
Les faire tourner
Chaque modèle a un template gratuit sur GitHub et un template RunPod en un clic ; les liens sont dans chaque guide. Vous pouvez faire tourner chacun d’eux de deux façons :
- Sur RunPod, avec le template en un clic, tout configuré. Si vous débutez, commencez par mon introduction à RunPod.
- En local dans ComfyUI, si votre GPU est assez gros : demandez à Claude (ou à n’importe quelle IA) de récupérer les fichiers sur GitHub et de les installer dans l’ordre de
setup.sh.
| Modèle | GitHub |
|---|---|
| FlashHead Pro | tenitsky/flashhead-pro-avatar |
| MiniMax H3 | tenitsky/minimax-h3 |
| LTX-2.5 | tenitsky/ltx-2.5-template-files |
| LongCat | tenitsky/longcat-avatar |
Inscrivez-vous via mon lien de parrainage RunPod et vous recevrez de 5 à 500 $ de crédits RunPod. Sans lien de parrainage, pas de bonus. Je reçois le même bonus et je l'utilise pour du calcul GPU.
Voir la version vidéo (5:56)
Tout ce qui précède est aussi dans la vidéo, si vous préférez suivre à l’écran. La vidéo est en anglais.
Questions fréquentes
Quel est le modèle open source d'avatar parlant le moins cher ?
Des quatre que j'ai testés, FlashHead Pro : environ 0,04 $ par minute terminée sur une RTX 5090, avec une minute rendue en environ 1,8 minute. La sortie est un cadrage du visage en 512 × 512.
Quel modèle open source d'avatar offre la meilleure qualité ?
LongCat-Video-Avatar 1.5 : mi-corps, mouvements des mains et mouvement continu. C'est aussi le plus lent et le plus cher, environ une heure et 4 $ par minute terminée sur une H100.
Comment les modèles open source d'avatar se comparent-ils à HeyGen sur le prix ?
Face à l'API Avatar IV de HeyGen, à environ 3 à 4 $ la minute, FlashHead Pro est environ 80 à 110 fois moins cher et LTX-2.5 environ 15 à 20 fois moins cher. LongCat coûte à peu près autant que HeyGen et Hedra.
Pourquoi les modèles d'avatar rendent-ils par segments ?
Aucun d'eux ne peut générer une longue vidéo d'un seul coup, et le visage dérive et se dégrade sur les longues générations. Ils rendent donc 3,7 à 10 secondes à la fois, et les segments sont assemblés avec l'audio d'origine.
Puis-je faire tourner ces modèles sur mon propre GPU ?
FlashHead Pro tourne sur n'importe quelle carte RTX 30, 40 ou 50 de 8 Go ou plus. LTX-2.5 et MiniMax H3 demandent 32 Go de VRAM, et LongCat 32 Go de VRAM plus 60 Go ou plus de RAM système.
Anton Tenitsky est artiste 3D avec plus de 15 ans d'expérience en infographie, qui a travaillé avec Nickelodeon, Gameloft, Marvel Rivals et de nombreux autres clients. En savoir plus sur moi