El video sale el viernes y no hay quien grabe: la experta está de vacaciones y al encargado de cuentas le da pánico la cámara. Un anuncio promete la salida: pegas el texto y un presentador digital lo lee en cuarenta idiomas, sin estudio ni tomas repetidas.
En parte es verdad. En 2026, la IA clona una voz con un minuto de muestra, ajusta los labios a una traducción y arma un avatar parlante con un par de minutos de video. Pero entre la demo del proveedor y un Reel que la gente ve hasta el final hay mucho trecho. El público detecta lo sintético antes de lo que crees, y las plataformas exigen etiquetarlo.
A continuación: las herramientas y su precio, dónde encaja un avatar, cómo lograr una voz que suene viva, el proceso hasta el Reel terminado, el etiquetado y cuándo es mejor grabarlo tú.
Tres tipos de herramientas: voz, avatar y doblaje
Detrás de «video con presentador de IA» hay tres tareas distintas.
| Tarea | Qué hace | Ejemplos | Precio orientativo |
|---|---|---|---|
| Voz y clonación | Lee el texto con una voz de catálogo o la tuya | ElevenLabs, texto a voz de CapCut | planes gratis, de pago desde $5 al mes |
| Avatar parlante | Un presentador lee tu guion con labios sincronizados | HeyGen, Synthesia, Captions; animar una foto: D-ID, Hedra | desde ~$29 al mes, marca de agua en planes gratis |
| Doblaje | Traduce tu video a otro idioma con tu voz | HeyGen, ElevenLabs; traducciones con Meta AI en Reels, doblaje automático de YouTube | de funciones gratis a pago por minuto |
Compara límites, no cuotas: casi todos los planes cuentan minutos de video o caracteres de texto, y un Reel de 30 segundos regenerado tres veces consume minuto y medio.
El mercado hispano tiene ventaja: la traducción de Reels con Meta AI empezó con inglés y español, con sincronización de labios opcional. No está en todos los países; revisa si te aparece al publicar.
Dónde encaja un avatar y dónde estorba
La regla es la misma que con las imágenes de IA: lo sintético sirve cuando el video transmite información y falla cuando vende confianza en una persona concreta.
| Encaja | No encaja |
|---|---|
| Resúmenes: «3 novedades de la semana» | Testimonios de clientes |
| Tutoriales: cómo pedir un reembolso | Consejos de médicos, abogados o psicólogos |
| Capacitación del equipo | La historia del fundador, videos emotivos |
| Traducir tu propio video | Humor, tendencias, el audio de moda |
| Voz en off sobre proceso o pantalla | Videos que prometen resultados |
Por ejemplo, una tienda de electrónica en Bogotá publica cada semana «Lo que llegó al almacén»: el avatar nombra cinco modelos con su precio sobre fotos de producto. Es información, y el avatar no le resta. Una «reseña de cliente feliz» con ese avatar ya es engaño.
La opción más infravalorada ni siquiera es el avatar: es tu voz clonada sobre video real de manos, proceso o pantalla. Sin cara, pero con una voz reconocible. Los formatos están en la guía de contenido sin rostro.
Una voz sin robot: seis reglas
A la voz sintética la delatan la entonación plana, los acentos mal puestos y la falta de pausas, no el timbre. Casi todo se arregla en el texto.
- Clona tu propia voz. Una clonación rápida necesita 1–2 minutos de audio limpio; una de calidad, 30 minutos o más. Graba en un cuarto con muebles blandos, el teléfono a 15–20 cm de la boca.
- Escribe para el oído. Frases cortas, una idea en cada una. No «Debido al aumento de la demanda, hemos ampliado nuestro catálogo», sino «La demanda subió. Trajimos tres modelos más».
- Números en letra. «$1.250» puede salir raro; escribe «mil doscientos cincuenta pesos».
- Elige el acento. Una voz de Madrid suena ajena en México, y al revés. Casi todos los servicios separan español de España y latinoamericano: escoge el de tu público. Si el modelo tropieza con marcas o anglicismos, escríbelos como suenan.
- Pausas con puntuación. Rayas y puntos suspensivos funcionan casi siempre, y muchos servicios aceptan una etiqueta como
<break time="0.5s" />. Una pausa antes de la idea principal vale más que un flujo parejo. - Genera frase por frase. Divide el guion en 3–5 partes y quédate con la mejor toma de cada una. Los errores se corrigen igual: regeneras una frase, no el video entero.
El ritmo para Reels es de 2–2,5 palabras por segundo: 60–75 palabras para 30 segundos. Las voces sintéticas suelen leer más rápido que una persona; bájales un 5–10 % si se puede.
Avatar: de la grabación al Reel terminado
- Material de origen. Un gemelo digital suele pedir 2–5 minutos de video: miras a la cámara y hablas con calma, sin gestos bruscos. Luz de frente, fondo liso, teléfono en trípode a la altura de los ojos. Labios y dientes deben verse bien: la sincronización se basa en ellos.
- Consentimiento. Los servicios piden una grabación en la que la persona autoriza su avatar. Si es alguien del equipo, añade un consentimiento por escrito: para qué videos, por cuánto tiempo y qué pasa cuando deje la empresa.
- Guion. 60–75 palabras, una idea y un gancho en los primeros 2 segundos como texto en pantalla. Cómo escribirlos con IA, en la guía de guiones para Reels con IA.
- Generación. Formato 9:16, la cara en el tercio superior: abajo van la descripción y los botones. Haz 2–3 versiones y míralas en el teléfono.
- Edición. No dejes al avatar en pantalla más de 3–5 segundos seguidos: corta a producto, pantalla o texto. Con menos primer plano se notan menos la mirada fija y los gestos repetidos. Añade subtítulos: mucha gente ve sin sonido.
- Revisión. Compara números, precios y nombres con el original. El modelo puede leer «3–5 días» como «tres cinco días».
Lo que delata a un avatar: el mismo asentimiento cada pocos segundos, hombros inmóviles, labios que no alcanzan al habla rápida. Y evita el «estudio» con oficina desenfocada detrás: parece capacitación corporativa.
Etiquetado, derechos y consentimiento
- Instagram, Facebook, Threads. Meta exige etiquetar video y audio realistas creados o alterados con IA, y puede poner por su cuenta la etiqueta «Información de IA» si detecta señales técnicas de generación.
- YouTube. Al subir indicas si hay contenido alterado o sintético realista; un avatar que parece persona real entra ahí. Los videos masivos y repetitivos con voz sintética no califican para el Programa de Socios.
- TikTok pide etiquetar el contenido realista hecho con IA y prohíbe usar la imagen de una persona particular sin su consentimiento.
- En España y el resto de la UE, el Reglamento de IA (AI Act) exige avisar cuando un video o audio es un deepfake: una persona que parece real diciendo algo que no dijo.
- No hagas pasar un avatar por persona. «Hola, soy Ana de soporte» de una Ana que no existe es engaño, con etiqueta o sin ella.
Voces o caras ajenas, nunca sin permiso; las de famosos y competidores, nunca. Una etiqueta honesta genera menos preguntas que un engaño descubierto.
Cuándo no funciona
- La persona es el producto. A la médica o a la estilista se va por esa persona; un avatar resta confianza.
- Hace falta emoción. Sorpresa, ironía y risa real siguen siendo puntos débiles del avatar.
- No hay sistema. El avatar ahorra grabación, pero no inventa temas. Sin plan de contenido saca tres videos y se calla.
- Apuestas por volumen. Treinta videos iguales al mes con la misma cara y voz es justo lo que las plataformas recortan como contenido no original.
Donde sí ganas es en la traducción. ¿Grabaste en español? Doblarlo al inglés con tu voz lleva minutos, no otra grabación. Cómo llevar varios idiomas sin caos, en la guía de redes sociales multilingües.
Un video terminado es la mitad del trabajo: falta publicarlo a tiempo y con buena descripción. En Repost21, tus Reels y Shorts entran al calendario de contenido en los mejores horarios y se publican en Instagram y YouTube según lo programado, y Luna escribe la descripción con la base de conocimiento de tu marca. Pruébalo gratis.