Cómo crear avatares virtuales parlantes

Instrucciones paso a paso

1. Escribir guión y plan de rodaje.

   Un guión breve hablado dividido en escenas (gancho, cuerpo, CTA).

   Cómo hacerlo:

   • Defina un espectador objetivo y una acción deseada (seguir, hacer clic, comentar, comprar).
   • Escriba un guión de 20 a 60 segundos utilizando lenguaje hablado, no el estilo de un blog.
   • Divida el guión en bloques de escena: gancho (0-3), valor (3-20), CTA (últimos 3-5).
   • Cree una lista de tomas que asigne cada línea a un fondo visual o una señal de material adicional.

   Controles de calidad:

   • Léelo en voz alta una vez. Elimine las líneas que suenen antinaturales.
   • Mantenga una idea por oración; Evite frases largas y con varias cláusulas.
   • Objetivo: ritmo equivalente a 120-160 palabras por minuto.

   Herramientas: ChatGPT , Claude

2. Crea o elige una voz

   Voz de narración natural (stock o clonada) alineada con el tono de la marca.

   Cómo hacerlo:

   • Elija el perfil de voz por audiencia: autorizada, amigable, tutorial o ventas.
   • Genere voz en fragmentos cortos (1 o 2 oraciones) para volver a tomarlos más fácilmente.
   • Ajuste la velocidad, la estabilidad y el estilo hasta que la pronunciación sea consistente.
   • Exporta WAV/MP3 limpio sin música de fondo.

   Controles de calidad:

   • Normalice el volumen a un nivel constante antes de la generación del avatar.
   • Corregir nombres/marcas con ortografía fonética si se pronuncian mal.
   • Escuche la cadencia robótica en oraciones largas y divida si es necesario.

   

   Audio de salida de muestra (Qwen3 TTS):

   Archivo directo: cómodoui-qwen3-tts-sample.mp3

   Herramientas: ElevenLabs , Murf , Piper TTS (local) , ComfyUI TTS (local)

3. Crear cara/personaje de avatar

   Un retrato/imagen de personaje limpio para impulsar la animación parlante.

   Cómo hacerlo:

   • Genere un retrato de frente con expresión neutra y una mandíbula clara.
   • Utilice un fondo simple e iluminación uniforme para lograr un mejor seguimiento de los labios y la barbilla.
   • Cree de 3 a 5 variantes y elija una con la mejor simetría facial y claridad ocular.
   • Exporte una imagen de alta resolución (al menos 1024 px en el lado más corto).

   Controles de calidad:

   • Evite ángulos laterales pronunciados, gafas de sol o cabello que cubra la boca.
   • Evite estilizaciones extremas que distorsionen la zona de los labios y los dientes.
   • Mantenga el aspecto del avatar coherente con la marca de su canal.

   

   Herramientas: Midjourney , Leonardo AI , Adobe Firefly , ComfyUI (local)

4. Generar video de avatar parlante

   Avatar sincronizado con los labios que habla tu guión/audio.

   Cómo hacerlo:

   • Cargue la pista de voz final y la imagen de la cara seleccionada al generador de avatar.
   • Establezca el encuadre (espacio libre, recorte de hombros, línea de ojos) para el formato de plataforma.
   • Represente primero un clip de prueba corto (5-10 segundos) y luego el guión completo.
   • Si la sincronización de labios varía, vuelva a renderizar con fragmentos de oraciones más cortos.

   Controles de calidad:

   • Compruebe el cierre de la boca en consonantes duras (P/B/M) y vocales largas.
   • Verifique la frecuencia del parpadeo y el movimiento de los ojos para detectar artefactos no naturales.
   • Rechace las salidas con jitter evidente o deformación del marco.

   Herramientas: HolaGen , síntesis , D-ID , tavus

5. Ruta de avatar local/gratuita (opcional)

   Flujo de trabajo de retratos parlantes autohospedado o sin conexión.

   Cómo hacerlo:

   • Prepare el entorno local (controladores de GPU, entorno de Python, activos del modelo).
   • Primero ejecute un flujo de trabajo de referencia en LivePortrait o SadTalker.
   • Utilice plantillas de ComfyUI si desea iteraciones basadas en gráficos reutilizables.
   • Guarde los ajustes preestablecidos de trabajo para resolución, velocidad de fotogramas y sincronización de audio.

   Controles de calidad:

   • Valide el uso de VRAM antes de ejecutar el lote.
   • Mantenga los recursos de origen en una estructura de carpetas predecible para ejecuciones repetidas.
   • Versione el JSON de su flujo de trabajo para que los resultados sean reproducibles.

   

   Herramientas: Retrato en vivo , SadTalker , ComfyUI

6. Editar, subtítulos y exportar

   Vídeo listo para plataforma con subtítulos y ritmo ajustado para la retención.

   Cómo hacerlo:

   • Corta las pausas y recorta los primeros 0,3-0,8 segundos para empezar más rápido.
   • Agregue subtítulos grabados con alto contraste y tamaño grande apto para dispositivos móviles.
   • Inserte material adicional, capturas de pantalla o notas de texto para enfatizar.
   • Exporte variantes separadas para cortos/carretes/TikTok y feeds horizontales.

   Controles de calidad:

   • Revise los primeros 3 segundos: gancho claro, texto legible, movimiento inmediato.
   • Compruebe la variación del tiempo de los subtítulos en frases rápidas.
   • Confirme los márgenes seguros finales para que el texto no quede oculto en la interfaz de usuario de la plataforma.

   Herramientas: Descript , CapCut , VEED

Herramientas necesarias (matriz rápida)

Pila inicial mínima

• Ruta en la nube más rápida: ChatGPT + ElevenLabs + HeyGen + CapCut.
• Ruta local de menor costo: Ollama + Piper TTS + LivePortrait/SadTalker + ComfyUI.
• Ruta equilibrada: generación de avatar en la nube + edición local y proceso de control de calidad.

Páginas relacionadas: servicios de avatares virtuales · Alternativas a HeyGen · Alternativas a ComfyUI