Sube un clip y la voz que quieras. La sincronización labial con IA redibuja la boca para que cada palabra encaje.
Recibes un MP4 con la nueva voz y los labios sincronizados. La mayoría de los clips cortos tardan 2–3 minutos.
Una de nuestras propias pruebas, de principio a fin. Cambia entre el clip mudo y el resultado sincronizado, con el sonido activado.
La frase que dice, en inglés: «Hi there. A minute ago this clip was silent. Now every word I say matches my lips.»

La foto de una persona que no existe: cara a la cámara, boca cerrada, luz uniforme.

Ocho segundos de parpadeos y pequeños movimientos de cabeza, generados a partir de la foto con Veo 3.1 Lite.

La sincronización labial con IA redibujó su boca en cada palabra. El resto del encuadre quedó como estaba.
La sincronización labial con IA es una herramienta que cambia los movimientos de la boca en un video para que coincidan con una nueva pista de audio. Le das un video de una persona y la voz que quieres, y redibuja los labios, la mandíbula y los dientes fotograma a fotograma hasta que las palabras y la boca encajan.
Te ahorra volver a grabar. Un anuncio doblado, el nombre de un producto corregido o un personaje de IA que necesita voz antes obligaban a filmar de nuevo o a animar a mano. La sincronización labial con IA lo hace con el clip que ya tienes.
El modelo escucha el audio y lo divide en fonemas, los sonidos del habla. Cada sonido corresponde a una forma de la boca, llamada visema: labios cerrados para la M, abiertos para la A, redondos para la O. Después, el modelo repinta la parte inferior de la cara en cada fotograma para formar esas posiciones a tiempo y las funde con la piel y la luz de alrededor.
El encuadre, el fondo, la iluminación, los movimientos de cabeza y el resto de la cara se quedan como estaban. Solo se redibuja la zona de la boca.
Los labios, los dientes y la mandíbula siguen la nueva voz, y el nuevo audio sustituye al sonido original del clip.
Toda la sincronización labial con IA se hace en tu navegador. Sin programas de edición y sin plugins.
Arrastra un MP4 o MOV de 2 a 60 segundos. Una persona de frente a la cámara, con la boca visible, da el mejor resultado.
Sube audio MP3, WAV, M4A o AAC de hasta 10 MB. Grábalo con el móvil, expórtalo desde una herramienta de voz o usa un doblaje.
Marca la casilla de consentimiento y pulsa Sincronizar. La mayoría de los clips cortos están listos en dos o tres minutos como MP4.
La sincronización labial con IA solo puede redibujar una boca que encuentra. Estos cinco factores deciden si la encuentra.
De frente o un poco girada funciona mejor. Un perfil completo oculta la mitad de los labios.
El modelo necesita las dos comisuras de la boca para colocar cada forma.
Usa al menos 720p en los primeros planos. Las caras muy pequeñas o borrosas dan labios blandos y emborronados.
Más píxeles alrededor de la boca significan más detalle que redibujar.
Mantén una sola cara clara en el plano. Con un grupo, la sincronización puede caer en la persona equivocada.
La herramienta anima una sola cara por clip.
Las manos, los micrófonos, las mascarillas y las barbas espesas sobre los labios estorban.
Lo que tapa la boca se redibuja mal o no se redibuja.
Los giros rápidos de cabeza y la luz parpadeante hacen difícil seguir la boca de un fotograma a otro.
El desenfoque de movimiento oculta la forma que el modelo intenta cambiar.
El resultado conserva la duración de tu video, y pagas por los segundos del video. Esto es lo que pasa cuando los dos archivos no coinciden.
| Tus archivos | Lo que obtienes | Consejo |
|---|---|---|
| Audio tan largo como el video | Los labios se mueven durante todo el clip | El caso ideal para doblar |
| Audio más corto que el video | La persona deja de hablar cuando termina el audio | Recorta antes el video a la duración del audio y paga menos segundos |
| Audio más largo que el video | El audio se corta donde termina el video | Acelera la frase o usa un clip más largo |
La herramienta muestra las dos duraciones antes de sincronizar, así que una diferencia nunca es una sorpresa.
Hay tres formas de conseguir un video de alguien diciendo tus palabras. La adecuada depende de lo que tengas para empezar.
Precio en Imgveo
40 créditos por un clip de 5 s
Precio en Imgveo
Desde 30 créditos por un clip de 8 s con sonido
Los precios se leen de nuestra lista de precios actual. La fila de foto parlante es exactamente el camino que seguimos en el ejemplo de arriba.
La sincronización labial con IA es el último paso de un doblaje. El mismo video puede hablar español, japonés o alemán sin volver a grabar.
Traduce la frase y léela en voz alta. Mantén una duración parecida a la del original.
Graba a un hablante nativo o exporta la frase desde una herramienta de voz como MP3 o WAV.
Recorta el silencio del principio y del final para que la voz llene el clip.
Sube el video original con el nuevo audio. Repite para cada idioma.
Algunos idiomas necesitan más sílabas para la misma idea. Si una frase en alemán queda larga, acorta el texto en lugar de acelerar la voz, que suena atropellada. La sincronización labial con IA sigue el ritmo que tenga el audio.
Cualquier caso en el que una cara en pantalla tiene que decir algo que no dijo el día de la grabación.
Cambia un precio, el nombre de un producto o una llamada a la acción sin volver a contratar al presentador.
Guarda una toma limpia del presentador mirando al objetivo para futuras ediciones.
Publica un video en varios idiomas con la boca ajustada a cada uno.
Haz primero el mercado más importante y revisa el resultado antes de seguir con el resto.
Dale a un personaje generado una voz y una frase de diálogo que encaje con tu historia.
Genera el personaje mirando a la cámara con la boca cerrada, como en nuestro ejemplo.
Cambia una palabra equivocada en una charla, un curso o un clip para redes sin volver a grabar.
Corta solo esa frase, sincronízala y vuelve a insertarla en tu montaje.
Probamos los límites con nuestros propios clips. Esto es lo que puedes esperar.

Si la cara está girada, es diminuta o está borrosa por el movimiento, la sincronización se detiene y te devolvemos los créditos.
Se sincroniza una cara por clip. Para una conversación, corta a cada persona en su propio clip.
La sincronización labial con IA ajusta la boca, no la interpretación. Una grabación plana sigue sonando plana.
Lo que acepta la sincronización labial con IA, lo que devuelve y lo que cuesta.
Video: MP4 o MOV, de 2 a 60 segundos, hasta 100 MB, al menos 360p. Audio: MP3, WAV, M4A o AAC de hasta 10 MB.
Un MP4 con la misma duración que el video, con la nueva voz como banda sonora y la boca ajustada a ella.
8 créditos por segundo de video, redondeado a segundos enteros. Solo en planes de pago. Los procesos fallidos se reembolsan.
| Duración del video | Créditos |
|---|---|
| 5 s | 40 |
| 10 s | 80 |
| 30 s | 240 |
| 60 s | 480 |
La sincronización labial con IA puede poner palabras en boca de alguien, así que primero pedimos permiso. Antes de cada proceso confirmas que tienes derecho a usar la cara y la voz.
Para profundizar: guías de nuestro blog
Abre Imgveo Studio para usar este y todos los demás modelos de vídeo e imagen con IA desde un único espacio de trabajo, con un solo saldo de créditos.
Crea el clip y luego dale voz.
Convierte un retrato en un clip corto al que sincronizar los labios.
Animar una fotoLleva tu clip sincronizado a 1080p, 2K o 4K.
Escalar un videoGenera escenas nuevas con diálogo y sonido integrados.
Probar Veo 3.1Sube un retrato y una pista de voz, y la foto parlante con IA hace el resto en pocos minutos.
Animar una fotoSube un clip y la voz que quieras, y la sincronización labial con IA hace el resto en pocos minutos.