Debes iniciar sesión para generar un vídeo. Puedes utilizar los créditos de bienvenida que tengas disponibles para probar la herramienta, pero cada tarea consume créditos. Que el saldo sea suficiente depende del modelo, la duración y las opciones de salida. Consulta la estimación antes de enviar la tarea.

Elige Fast si necesitas una salida en 480p o 720p, o si tu audio supera los dos minutos, dentro de su límite de 10 minutos. Standard es la opción predeterminada para archivos de 2–120 segundos: mantiene las especificaciones del vídeo original y permite repetir las imágenes para un audio más largo. Compara los créditos estimados y el resultado de una muestra corta con tu propio material.

Fast admite vídeos MP4/MOV de hasta 100 MB y audios MP3/WAV de hasta 50 MB, con una duración del audio de 2 segundos a 10 minutos. Standard admite vídeos MP4/MOV de hasta 300 MB y audios MP3/WAV/AAC de hasta 30 MB; tanto el vídeo como el audio deben durar entre 2 y 120 segundos. Standard también requiere vídeo codificado en H.264 o H.265, 15–60 fps y una anchura y altura de entre 640 y 2048 píxeles. Recorta o convierte los archivos antes de subirlos si es necesario.

En Standard, «Extender video» está desactivado por defecto y el resultado toma la duración del archivo más corto. Si el audio es más largo, activar esta opción repite el vídeo original alternando la reproducción hacia atrás y hacia delante hasta igualar su duración. Repite imágenes existentes; no genera tomas nuevas. Preparar archivos de duración similar antes de subirlos facilita el control del corte final.

Puedes usar una grabación o un audio creado con una herramienta de texto a voz, siempre que tengas permiso para utilizarlo. Sube aquí el audio ya preparado: esta página adapta los movimientos de los labios, pero no traduce el habla, no genera narración a partir de texto ni clona voces. Para un flujo de traducción y doblaje, prepara antes el nuevo audio o utiliza el Traductor de vídeo.

Esta página necesita un vídeo existente y un archivo de audio. Si solo tienes una foto de una persona, utiliza Avatar con IA para crear un vídeo en el que hable a partir de la foto y el audio.

Puedes probar Lip Sync Fast con una grabación cantada para sincronizar los labios en un vídeo musical. Usa voces claras y revisa cómo se mueve la boca durante las notas sostenidas y los pasajes cantados a gran velocidad. Standard está orientado a una voz hablada clara. Los rostros animados o muy estilizados pueden ser más difíciles de detectar; prueba un clip corto antes de usar cualquiera de los modelos para una secuencia completa.

Siempre que sea posible, usa un clip con un solo rostro claramente visible, iluminación estable y la boca descubierta. Los giros amplios de cabeza, los perfiles y las manos sobre el rostro pueden provocar resultados menos consistentes. Esta página no permite seleccionar una persona manualmente, por lo que no conviene depender de ella para sincronizar varios hablantes por separado.

Fast utiliza la salida de 480p o 720p que elijas. Standard mantiene la resolución, la tasa de fotogramas y la relación de aspecto del vídeo original, pero esas especificaciones no garantizan que la calidad de imagen permanezca intacta. Los detalles de la boca y el rostro pueden cambiar durante el procesamiento. Revisa el resultado al tamaño en que vayas a utilizarlo.

El tiempo depende del modelo, la duración del clip, la resolución y la carga del servicio; no hay un plazo fijo. Consulta el estado de la tarea y, al terminar, busca parpadeos, detalles faciales borrosos, movimientos de boca durante las pausas o audio que falte al final. Si hace falta, prueba material más claro o una muestra más corta. Cada nueva tarea consume créditos y otro intento no garantiza un resultado mejor.