Crea una foto parlante con IA
Sube un retrato y la voz que quieras. La foto parlante con IA lo convierte en un video de esa cara diciendo cada palabra.
- Basta con una foto
- Cualquier pista de voz
- Hasta 1080p
- Pago por segundo
Recibes un MP4 que dura lo mismo que tu audio. La mayoría de los clips cortos tardan 3–5 minutos.
Ejemplo de foto parlante con IA
Una de nuestras propias pruebas: un solo retrato y una frase hablada, convertidos en un video que habla. Activa el sonido.
La frase que dice, en inglés: «Hi there. A minute ago this clip was silent. Now every word I say matches my lips.»
Nivel Estándar · 6,5 s de voz · 56 créditos · unos 3,5 minutos
Una foto, una frase, dos caminos
Hicimos que el mismo hombre dijera la misma frase dos veces: una con la foto parlante con IA y otra animando la foto y sincronizando después los labios.
Foto parlante con IA
1 pasoEntran foto y audio, sale un video que habla. Un solo paso, y la cabeza y la cara se mueven con la voz.
56 créditos
Animar y luego sincronizar los labios
2 pasosPrimero un clip mudo de 8 segundos a partir de la foto y después la boca redibujada para la frase. Dos pasos, y eliges el movimiento en el primero.
30 + 64 = 94 créditos
Para un solo retrato que habla, la foto parlante con IA es más barata y más sencilla. Anima primero si necesitas un movimiento concreto, una toma más larga o una escena alrededor de la cara.
¿Qué es una foto parlante con IA?
Una foto parlante con IA es un video creado a partir de una imagen fija y una pista de audio: la cara de la foto abre la boca, parpadea y mueve la cabeza al ritmo de la voz. Le das un retrato y una grabación de voz, y genera cada fotograma de esa persona hablando.
Pone cara a una voz sin necesidad de cámara. Un video explicativo de producto, la intro de un curso, una foto familiar o un personaje de IA pueden hablar en minutos en lugar de en un día de rodaje.
Cómo funciona la foto parlante con IA
El modelo lee el audio y calcula la forma de la boca para cada sonido, además de los pequeños movimientos que acompañan al habla: un asentimiento en una palabra acentuada, las cejas levantadas en una pregunta, parpadeos entre frases. Después dibuja cada fotograma a partir de tu foto y mantiene la cara, el pelo y la ropa mientras cambia la expresión.
Lo que conserva
La identidad de la persona, el peinado, la ropa, el fondo y el encuadre de tu foto.
Lo que añade
Movimiento de labios ajustado a las palabras, parpadeos naturales, pequeños movimientos de cabeza y hombros, y tu audio como banda sonora.
Cómo hacer hablar una foto en 3 pasos
Toda la foto parlante con IA se hace en tu navegador. Sin cámara y sin programas de edición.
Sube un retrato
Un JPG o PNG de una cara mirando a la cámara, de al menos 300 píxeles por lado.
Añade la voz
Una grabación MP3, WAV, M4A o AAC. Hasta 15 segundos en Estándar y HD, y 30 segundos en Cinemático.
Elige un nivel y anima
Elige la calidad, marca la casilla de consentimiento y pulsa Animar. La mayoría de los clips cortos están listos en tres a cinco minutos.
Estándar, HD o Cinemático: qué nivel elegir
Todos los niveles usan la misma foto y el mismo audio. Se diferencian en la nitidez, en cuánto puede durar la voz y en lo realista que es el movimiento.
Estándar
8 créditos por segundo
- Salida
- 720p
- Audio máximo
- 15 s
Publicaciones en redes, borradores y pruebas rápidas. Nuestro ejemplo de arriba es Estándar.
HD
16 créditos por segundo
- Salida
- 1080p
- Audio máximo
- 15 s
Presentadores, anuncios y todo lo que se vea a pantalla completa en un monitor.
Cinemático
27 créditos por segundo
- Salida
- 1080p
- Audio máximo
- 30 s
Discursos más largos, una interpretación expresiva y el movimiento de cabeza y cuerpo más realista.
Cómo es una buena foto
La foto parlante con IA solo puede animar lo que ve. Estas cinco cosas son las que más cambian el resultado.
Cara hacia la cámara
De frente o ligeramente girada. Un perfil solo muestra media boca.
Por qué importa
El modelo necesita las dos comisuras de los labios para formar cada palabra.
Boca cerrada y relajada
Una expresión neutra o una sonrisa suave le dejan margen al modelo para abrir la boca con naturalidad.
Por qué importa
Una sonrisa amplia o la boca abierta en la foto chocan con cada palabra.
Nítida y bien iluminada
Luz uniforme en la cara, sin sombras fuertes y al menos 300 píxeles por lado.
Por qué importa
El detalle alrededor de los ojos y los labios es lo que hace creíble el movimiento.
Una sola persona
Recorta las fotos de grupo hasta dejar solo la cara que quieres que hable.
Por qué importa
Con varias caras, puede empezar a hablar la que no es.
Nada delante de la cara
Sin manos, micrófonos, gafas de sol ni pelo sobre la boca.
Por qué importa
Los rasgos tapados se redibujan mal o no se redibujan.
Cómo preparar el audio
El video dura exactamente lo mismo que tu audio, y pagas esos segundos. Un poco de preparación ahorra créditos.
- 1
Recorta los silencios
Quita los segundos en silencio del principio y del final. Cuestan lo mismo que la voz.
- 2
Una sola voz clara
Graba en una habitación tranquila, cerca del micrófono. La música de fondo o una segunda voz pueden hacer que los labios sigan el sonido equivocado.
- 3
Las pausas naturales ayudan
Las pausas cortas entre frases dan tiempo a la cara para parpadear y relajarse, y eso se ve más humano.
- 4
Sirve cualquier idioma
La boca sigue los sonidos, no las palabras, así que funciona con cualquier idioma o acento.
¿Avatar parlante con IA, sincronización labial o video con voz nativa?
Tres formas de tener a una persona en pantalla diciendo tus palabras. Elige según lo que tengas para empezar.
Foto parlante con IA
- Empiezas con
- Una foto, más audio
- Ideal para
- Presentadores, avatares y personajes cuando no tienes video
- Ten en cuenta
- Solo se mueven la cabeza y los hombros; el fondo queda quieto
Precio en Imgveo
40 créditos por 5 s en Estándar
Sincronización labial con IA
- Empiezas con
- Un video, más audio
- Ideal para
- Doblar y corregir frases en un video que ya tienes
- Ten en cuenta
- Necesita una cara clara en el video
Precio en Imgveo
40 créditos por un clip de 5 s
Video con voz nativa
- Empiezas con
- Un prompt de texto con el diálogo
- Ideal para
- Escenas nuevas en las que imagen y voz se generan juntas
- Ten en cuenta
- No eliges la cara ni la voz exactas
Precio en Imgveo
Desde 30 créditos por un clip de 8 s con sonido
Los precios se leen de nuestra lista de precios actual.
Usos de la foto parlante con IA
Cualquier lugar donde una cara lo diga mejor que un texto en una diapositiva.
Presentadores y videos explicativos
Dale a una página de producto, un curso o un proceso de bienvenida una cara amable que hable.
Prueba esto
Usa el mismo retrato en todos los videos para que el público reconozca al presentador.
Personajes de IA
Deja que un personaje generado se presente, cuente una historia o responda a un fan.
Prueba esto
Genera el personaje mirando a la cámara con la boca cerrada, como en nuestro ejemplo.
Fotos familiares
Da vida a un retrato antiguo con un mensaje grabado por un familiar.
Prueba esto
Escanea la foto con nitidez y recórtala a una sola cara antes de subirla.
Mensajes en varios idiomas
Graba el mismo mensaje en varios idiomas y usa un solo retrato para todos.
Prueba esto
Haz que cada grabación dure más o menos lo mismo para que los videos se vean coherentes.
Lo que una foto parlante con IA no puede hacer
Límites honestos, para que sepas qué esperar antes de gastar créditos.
Acción de cuerpo entero
Se mueven la cara, la cabeza y los hombros. Para caminar, hacer gestos o mover la cámara necesitas un modelo de video.
Perfiles y bocas tapadas
Si media boca está oculta, el movimiento se ve mal. Usa una foto de frente.
Discursos muy largos
Estándar y HD admiten hasta 15 segundos, y Cinemático hasta 30. Divide los guiones más largos en varios clips.
La imagen de otra persona
Necesitas el derecho a usar la cara y la voz. Bloqueamos el contenido que incumple nuestras normas.
Formatos, límites y precios
Lo que acepta la foto parlante con IA, lo que devuelve y lo que cuesta.
Entrada
Foto: JPG o PNG de hasta 10 MB, de al menos 300 px y sin superar una proporción de 2.5 a 1. Audio: MP3, WAV, M4A o AAC de hasta 10 MB.
Salida
Un MP4 con la misma duración que tu audio, con tu voz como banda sonora, en 720p en Estándar y en 1080p en HD y Cinemático.
Precio
8, 16 o 27 créditos por segundo de audio, redondeado a segundos enteros. Solo en planes de pago. Los procesos fallidos se reembolsan.
Precio según la duración
| Duración del audio | Estándar | HD | Cinemático |
|---|---|---|---|
| 5 s | 40 | 80 | 135 |
| 10 s | 80 | 160 | 270 |
| 15 s | 120 | 240 | 405 |
| 30 s | — | — | 810 |
Consentimiento y uso responsable
Una foto parlante puede hacer que cualquiera parezca decir cualquier cosa, así que primero pedimos permiso. Antes de cada proceso confirmas que tienes derecho a usar la cara y la voz, y revisamos cada foto.
- Usa tu propia cara, la de una persona que da su consentimiento o un personaje que hayas generado.
- No hagas que figuras públicas, menores o particulares parezcan decir cosas que nunca dijeron.
- Etiqueta los videos de fotos parlantes como hechos con IA cuando tu plataforma lo pida.
Preguntas frecuentes sobre la foto parlante con IA
¿Quieres todos los modelos de IA en un solo lugar?
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.
Más herramientas de video
Dale una voz y luego ve más allá.
Sincronización labial con IA
¿Ya tienes un video? Sincroniza su boca con una nueva voz.
Sincronizar un videoImagen a video
Anima una foto con movimientos de cámara y una escena a su alrededor.
Animar una fotoEscalador de video IA
Lleva tu foto parlante a 2K o 4K para pantallas grandes.
Escalar un videoVeo 3.1
Genera escenas nuevas con diálogo y sonido integrados.
Probar Veo 3.1Haz que tu foto hable
Sube un retrato y una pista de voz, y la foto parlante con IA hace el resto en pocos minutos.