De una foto real a un video que habla (i2v bien hecho)

Al final de este tutorial vas a convertir una sola foto real —tuya o de alguien de tu equipo— en un clip donde esa persona habla a cámara con los labios sincronizados al audio. Es para vos si ya generaste imágenes o videos básicos con IA y querés dar el salto a presentadores para tus redes o tu negocio.

Antes de empezar

• Una foto real de buena calidad: frontal o de tres cuartos, ojos visibles, luz pareja, fondo simple. Más detalles en el Paso 1, porque acá se define la mayor parte del resultado.
• Permiso de la persona de la foto. No negociable: nunca animes ni hagas hablar la cara de alguien sin su consentimiento. Si es tu propia cara, listo; si es de otro, pedilo por escrito.
• Una herramienta con lip-sync (sincronización de labios: la boca del video se mueve siguiendo un audio). Hay varias en el mercado; casi todas son de pago y cobran por segundo de video generado, así que cada intento cuesta plata.
• Un guion corto, de 20 a 40 segundos hablados.
• El audio de la voz: grabado por vos o generado con una herramienta de voz IA.

Paso 1 — Elegí la foto correcta

La calidad del video nunca supera la calidad de la foto de partida. Buscá una que cumpla esto:

• Cara frontal o levemente girada, nunca de perfil.
• Boca cerrada o sonrisa suave, sin dientes apretados ni gestos extremos.
• Nada tapando la cara: ni lentes oscuros, ni mano, ni pelo sobre la boca.
• Luz pareja (la sombra dura sobre media cara confunde al modelo).
• Resolución decente: si al hacer zoom a la cara ya se ve pixelada, conseguí otra.

Si dudás entre dos fotos, probá con la más aburrida. Las fotos "con onda" (ángulos raros, contraluz) son las que peor animan.

Paso 2 — Escribí el guion como hablás

El guion se escribe para el oído, no para el ojo. Frases cortas. Una idea por frase. Leelo en voz alta antes de usarlo: si te trabás leyéndolo, el video va a sonar robótico. Como referencia, unas 70-80 palabras dan cerca de 30 segundos hablados. Y acordate: cada segundo de video cuesta créditos, así que un guion ajustado es también un guion barato.

Paso 3 — Resolvé el audio primero

Este orden importa. Generá o grabá el audio antes que el video, escuchalo completo y aprobalo. Si el audio tiene un error y ya generaste el video, tenés que regenerar el video entero: pagás dos veces.

Dos opciones:

• Grabarte vos con el celular en un cuarto silencioso: gratis y auténtico.
• Voz IA: escribís el texto y una herramienta de síntesis de voz lo lee. Elegí una voz en español con acento neutro o el de tu público, y escuchá que las palabras locales suenen bien.

Paso 4 — Uní foto y audio con lip-sync

Subí la foto, subí el audio, y si tu herramienta acepta un prompt de movimiento, pedí sutileza:

Habla a cámara con naturalidad. Movimiento suave de cabeza,
parpadeo normal, gestos mínimos. Sin movimientos de manos.

La tentación es pedir un presentador expresivo. Resistila: los gestos grandes son donde el modelo se rompe (manos deformes, dientes que bailan). Un busto parlante sobrio y creíble vale más que un animado defectuoso.

Paso 5 — Control de calidad de detective

Mirá el resultado dos veces antes de darlo por bueno, con pausa en estos puntos:

• Dientes y lengua: es donde más se nota el error.
• Sincronización al principio y al final del clip.
• Parpadeo: si no parpadea nunca, da miedo.
• Manos, si entran en cuadro.

Si algo falla, regenerá solo ese clip; por eso conviene trabajar en clips de 20-30 segundos y no en un video de 2 minutos de una sola pieza.

Paso 6 — Dejalo listo para publicar

Formato vertical si va a redes, subtítulos siempre (la mayoría mira sin sonido), y si el contexto lo pide —un aviso, una figura pública, un tema sensible— aclarar que es contenido generado con IA. La transparencia hoy es parte del trabajo, no un detalle.

Errores comunes

• Foto de perfil o con lentes oscuros → el lip-sync sale roto. Volvé al Paso 1 y conseguí una frontal.
• Guion de 2 minutos en un solo clip → más caro y con más probabilidad de fallas acumuladas. Partilo en clips cortos y unilos en un editor.
• Pedir gestos exagerados → manos y dientes deformes. Sutileza siempre.
• Aprobar el primer resultado sin mirarlo en detalle → los errores de dientes se te escapan en el celular y se notan en la pantalla de tu cliente.

Siguiente paso

Cuando domines un clip suelto, el siguiente nivel es la consistencia: que ese mismo presentador aparezca igual en varios videos distintos, y aprender a intercalar tomas de apoyo generadas con IA para que la pieza no sea solo una cara hablando.