Convierte un retrato estático y un archivo de audio en un vídeo de avatar parlante. La foto aporta la apariencia del personaje y la grabación aporta las palabras y la voz. Puedes crear presentaciones, explicaciones y otros contenidos grabados sin filmar una nueva toma.

Esta página necesita un archivo de audio. Graba el texto o prepara el audio con otra herramienta de voz y súbelo junto con el retrato. Las indicaciones de interpretación guían las expresiones y los movimientos; no convierten texto en voz ni crean una voz a partir de la foto.

VidGen AI Avatar 1.0 Standard admite 480p y 720p con grabaciones de hasta 10 minutos. Kling AI Avatar 2.0 admite 720p y 1080p con grabaciones de hasta 5 minutos. Elige Kling si necesitas 1080p, o Standard si el audio supera los 5 minutos. Puedes comparar el resultado de tu retrato con un clip corto.

Ambos modelos admiten retratos JPG, PNG, BMP y WebP de hasta 10 MB, con un ancho y una altura de entre 400 y 7000 píxeles. Standard acepta audio WAV o MP3 de 5 a 600 segundos y hasta 50 MB. Kling acepta MP3, WAV, AAC, M4A y OGG de 5 a 300 segundos y hasta 100 MB.

Sí. Puedes conservar la descripción de habla natural, expresiones faciales y movimientos suaves de la cabeza, o sustituirla por tus propias indicaciones. Por ejemplo, describe una expresión relajada y movimientos sutiles. Mantén una descripción de movimiento en el campo; las palabras y la voz siguen procediendo del audio.

El avatar sigue el audio que subas en su idioma original. Esta página no traduce la voz, así que prepara primero el audio en el idioma que necesitas. La sincronización puede variar según la pronunciación, la calidad de la grabación y el modelo; revisa un clip corto antes de crear una versión larga.

Elige un retrato nítido, con el rostro visible y bien iluminado, y una grabación clara de una sola persona. El ruido de fondo, las voces superpuestas y un rostro parcialmente tapado pueden afectar al resultado. Revisa el vídeo con sonido y comprueba la sincronización labial, la mirada y los movimientos de cabeza antes de utilizarlo.

Las cuentas nuevas reciben créditos iniciales. Que el saldo sea suficiente depende del modelo, la resolución y la duración del audio. Consulta los créditos necesarios antes de generar; una grabación más larga o una resolución mayor puede requerir más créditos que tu saldo inicial.

AI Avatar parte de un retrato estático y crea un vídeo en el que el personaje habla. La herramienta de sincronización labial con IA utiliza un vídeo existente y otra pista de audio para sincronizar los labios. Elige AI Avatar si tienes una foto, y sincronización labial si ya tienes un vídeo.

Puedes crear una presentación personal, la explicación de una lección, una demostración de producto o una publicación breve para redes sociales. Graba primero el mensaje y elige un retrato adecuado. Para preparar varias versiones, reutiliza la foto con otro audio y revisa cada resultado generado.