Socio oficial de BytePlusBytePlus, una empresa de ByteDance
Socio oficial de BytePlus · OmniHuman 2.0
Lip sync con IA: una foto y una voz se convierten en un video que habla
Sube una foto, añade una voz y Lip Sync de KreatorFlow hace que la persona de la imagen diga o cante cada palabra, con gestos y expresiones naturales. Funciona con OmniHuman 2.0, el modelo guiado por audio de ByteDance, y una sola toma puede durar hasta 5 minutos.
- Hasta 5 minutos
- Habla, canto y rap
- Personas, personajes y mascotas
- 720p o 1080p
- 0,18 € (0,20 US$)/s en 720p
Lip Sync es una herramienta de pago. Dos formas de empezar con poco: una prueba de 48 horas por 2,64 € (3 US$) (60 créditos, unos 15 segundos en 720p; después sigue el plan Creator a 16,73 € (19 US$) el primer mes y 22,02 € (25 US$) al mes, salvo que canceles dentro de esas 48 horas) o un paquete de créditos desde 7,05 € (8 US$) (160 créditos, unos 40 segundos en 720p, un solo pago y sin suscripción).
Última actualización:
1 · Foto“¡Buenos días! El pan ha salido del horno a las seis de la mañana. Si llegas pronto, todavía está calentito.”
En esta página
- Qué hace el lip sync con IA
- Lo que no hace: anima una foto, no un video
- Cómo hacer un video de lip sync en tres pasos
- Qué puedes hacer con él
- De dónde sale la voz
- Cuánto cuesta un video de lip sync
- Usos más comunes
- Consejos para un resultado natural
- Consentimiento y uso responsable
- Preguntas sobre el lip sync con IA
- Sigue explorando
Qué hace el lip sync con IA
Un lip sync con IA toma dos cosas, la imagen de alguien y algo que decir, y devuelve un video de esa persona diciéndolo. Lip Sync de KreatorFlow lo hace con OmniHuman 2.0, el modelo de video guiado por audio más reciente de ByteDance. KreatorFlow es un socio oficial de BytePlus, una empresa de ByteDance y usa el modelo a través de BytePlus.
Guiado por audio quiere decir que manda el sonido. La boca va con las palabras, las cejas y la cabeza reaccionan al énfasis, las pausas parecen pausas y una canción se interpreta, no solo se vocaliza. La indicación de texto, opcional, solo añade lo que el audio no dice: una sonrisa, un gesto con la cabeza o un acercamiento lento de cámara.
Lo que no hace: anima una foto, no un video
Para ser claros: Lip Sync parte de una foto fija. No dobla ni vuelve a sincronizar un video que ya tienes, y no cambia la boca de un clip grabado. Si quieres que alguien de un video diga otra cosa, usa un fotograma nítido de ese video como foto y genera un video nuevo con la voz nueva. Tampoco hace conversaciones entre dos personas en un mismo trabajo: cada video es una foto y una voz.
Cómo hacer un video de lip sync en tres pasos
- 1
Sube una foto
Una foto nítida de una persona, un personaje o una mascota: tuya, de tus generaciones o de tus personajes guardados. Funciona mejor con una sola cara, mirando más o menos a la cámara y con la boca a la vista.
- 2
Añade la voz
Sube tu propio MP3 o WAV (una grabación, una canción o una frase hecha en el estudio de Audio, también con una voz clonada) o escribe un guion y elige una voz. La pista puede durar de 4 segundos a 5 minutos.
- 3
Genera y descarga
Elige 720p o 1080p, añade si quieres una indicación de gestos o cámara y pulsa Generar. El precio aparece antes: 0,18 € (0,20 US$) por segundo en 720p (4 créditos). El video dura lo mismo que el audio y se guarda en tu biblioteca.
Qué puedes hacer con él
Hasta 5 minutos en una toma
Cualquier pista de voz de 4 segundos a 5 minutos. El video dura exactamente lo mismo que el audio.
Habla, canto y rap
Diálogo, narración, canciones y versos rápidos. La forma de los labios, la entonación y la emoción siguen la pista.
Personas, personajes y mascotas
Retratos, personajes de anime y de dibujos, personajes en 3D, criaturas fantásticas y animales.
Cualquier idioma
El modelo sigue el sonido: español de España o de América, portugués, inglés o el idioma que tengas en audio.
Dirige la interpretación
Hasta 2000 caracteres de indicaciones: gestos, emoción, movimientos de cámara.
720p o 1080p
0,18 € (0,20 US$) por segundo en 720p (4 créditos); 0,26 € (0,30 US$) por segundo en 1080p (6 créditos).
¿Quieres que la foto cante? Mira hacer cantar una foto. ¿Es un personaje dibujado o en 3D? Está el lip sync de dibujos animados.
De dónde sale la voz
Una voz en español del estudio de Audio. Escribe la frase en Texto a voz (2 créditos por cada 1.000 caracteres), elige una voz en español y luego escógela en Lip Sync. El ejemplo de arriba se hizo con la voz Lucía.
Tu propia grabación. Grábate con el móvil, exporta un MP3 o WAV y súbelo. Una voz limpia con poco ruido da el movimiento de boca más nítido.
Tu voz clonada. Clona tu voz en el estudio de Audio (clonación de voz con IA), haz una frase con ella y elígela en Lip Sync.
Las voces de la página de Lip Sync. Son en inglés: sirven si el video tiene que hablar en inglés.
Cuánto cuesta un video de lip sync
Precio por segundo empezado de audio, del mismo código con el que cobra el estudio.
Por segundo en 720p
0,18 € (0,20 US$)
4 créditos
Por segundo en 1080p
0,26 € (0,30 US$)
6 créditos
| Duración del audio | 720p | 1080p |
|---|---|---|
| 4 segundos | 16 créditos | 24 créditos |
| 10 segundos | 40 créditos | 60 créditos |
| 30 segundos | 120 créditos | 180 créditos |
| 1 minuto | 240 créditos | 360 créditos |
| 5 minutos | 1200 créditos | 1800 créditos |
Lip Sync necesita una cuenta de pago: la prueba de 48 horas, un paquete de créditos desde 7,05 € (8 US$) (pago único, sin suscripción) o un plan desde 16,73 € (19 US$) el primer mes en Creator. Los créditos de un video que falla se devuelven solos. Todos los precios están en la página de precios.
Usos más comunes
- Presentadores de producto y anuncios con una sola foto de marca
- Cursos y formaciones con el mismo presentador en cada lección
- Felicitaciones y mensajes de agradecimiento con tu propia voz
- Videoclips y cantantes virtuales a partir de un personaje y una pista de voz
- El mismo mensaje en español, portugués e inglés desde una sola foto
- Mascotas, personajes y animales que hablan para redes sociales
Consejos para un resultado natural
- Usa una foto nítida con una sola cara bien visible. Los primeros planos y planos medios funcionan mejor que las caras pequeñas en planos abiertos.
- Deja la boca y la barbilla a la vista: sin manos, micrófonos ni pelo sobre los labios.
- Usa un audio limpio. El ruido de fondo y la música alta hacen que la boca se mueva con menos precisión.
- Escribe la indicación como frases sencillas sobre el movimiento, por ejemplo «Sonríe y se inclina hacia la cámara mientras habla».
- Prueba una frase corta en 720p antes de una toma larga en 1080p.
Consentimiento y uso responsable
Usa solo fotos tuyas o de personas que te hayan dado permiso. Para hacer hablar a una persona real necesitas su consentimiento, y nunca puedes hacerte pasar por otra persona. La voz y la música también tienen que ser tuyas o con derechos de uso. Nada de contenido sexual ni nada con menores de 18 años. Al publicar un video realista de una persona real, indica que está generado con IA. Las reglas completas están en la política de uso aceptable.
Preguntas sobre el lip sync con IA
¿Qué es el lip sync con IA?
Es convertir una foto fija y una pista de audio en un video donde la persona de la foto dice o canta ese audio. En KreatorFlow funciona con OmniHuman 2.0, el modelo de video guiado por audio de ByteDance: los labios siguen cada palabra, y la cara, la cabeza y los hombros se mueven con el ritmo y la emoción de la voz.
¿Puede sincronizar los labios de un video que ya tengo?
No. Lip Sync anima una foto, no un video que ya existe: crea un video nuevo a partir de una imagen fija y una voz, y no cambia la boca de un clip grabado. Si tienes un video de la persona, saca un fotograma nítido en el que mire a la cámara y úsalo como foto.
¿Cuánto cuesta?
0,18 € (0,20 US$) por segundo en 720p (4 créditos) y 0,26 € (0,30 US$) por segundo en 1080p (6 créditos), por segundo empezado y con un mínimo de 4 segundos. Un clip de 10 segundos son 40 créditos en 720p y un minuto, 240 créditos. Ves el precio exacto antes de generar, y si el video falla, los créditos vuelven solos.
¿Necesito un plan de pago?
Sí, Lip Sync es de pago. Puedes empezar con la prueba de 48 horas o con un paquete de créditos desde 7,05 € (8 US$) sin suscripción, o con cualquier plan, desde 16,73 € (19 US$) el primer mes en Creator. Las dos resoluciones están en todas las cuentas de pago.
¿Funciona en español?
Sí. El modelo sigue el sonido, así que la voz puede estar en cualquier idioma o acento. Las voces que trae la página de Lip Sync son en inglés; para el español, crea la frase en Texto a voz del estudio de Audio (2 créditos por cada 1.000 caracteres) o sube tu propia grabación. El ejemplo de esta página se hizo así, con la voz Lucía.
¿Cuánto puede durar un video?
Lo mismo que tu audio: de 4 segundos a 5 minutos por generación. Da para una presentación, una clase, un trozo de podcast o una canción entera en una sola toma.
¿Puede cantar, no solo hablar?
Sí. OmniHuman 2.0 sigue canciones y rap rápido además del habla. Sube la pista de voz; una voz limpia con poca música de fondo da el movimiento de boca más preciso.
¿Puedo usar la foto de otra persona?
Solo con su permiso. Tienes que ser la persona de la foto o tener su consentimiento para hacerla hablar, y tener derecho a usar la voz y la música. La web te lo pide confirmar con cada foto nueva. No se permiten famosos ni personajes públicos sin permiso, ni nada sexual o con menores.
Haz tu primer video que habla
Abre Lip Sync, añade una foto y una voz, y mira el precio antes de generar. Con cualquier plan de pago, la prueba de 48 horas o un paquete de créditos desde 7,05 € (8 US$).