Crear avatar con inteligencia artificial

Los avatares digitales son representaciones virtuales de personas que, generadas mediante inteligencia artificial, pueden ser estáticas o animadas. Su uso se ha expandido notablemente en numerosos sectores, como los videojuegos, las redes sociales, el ámbito educativo y las aplicaciones empresariales.

Estos avatares, capaces de replicar la apariencia, el lenguaje e incluso las emociones humanas, constituyen una herramienta poderosa y versátil para diversas funciones que exploran el límite entre la interacción humana y la virtual.

Después de probar varias herramientas, en noviembre de 2024, me decanto por Heygen y Eleven Labs para la creación de avatares.

Ventajas de los avatares digitale

• Reducción de costes: El uso de avatares digitales elimina la necesidad de contratar actores o equipos de grabación, lo que supone un ahorro considerable, especialmente para empresas que deben generar contenido de manera constante.
• Mayor rapidez: La creación de mensajes mediante avatares digitales es mucho más eficiente, lo que permite responder rápidamente a las demandas de comunicación tanto internas como externas.
• Flexibilidad y personalización: Los avatares digitales pueden ajustarse al tono y estilo adecuados para cada público, asegurando la coherencia del mensaje en diferentes segmentos y culturas.
• Escalabilidad: Gracias a los avatares digitales, una empresa puede crear diversas versiones de un mismo mensaje, adaptándolo a distintos públicos sin tener que producir múltiples vídeos.

Ejemplos de uso

• Avatares digitales en la atención al cliente: La atención al cliente es crucial para la satisfacción y fidelización de los usuarios. Aunque los chatbots ya se emplean para este fin, los avatares digitales añaden un nivel superior de personalización y realismo, haciendo la interacción más fluida y envolvente.
• Creación de contenido sin necesidad de producción: La creación de contenido tradicional puede consumir muchos recursos y tiempo. Los avatares digitales permiten generar contenido de alta calidad sin la necesidad de contratar actores o equipos de grabación.
• Comunicaciones multilingües: Los avatares digitales pueden traducir un mensaje a varios idiomas, facilitando el acceso de la empresa a un público global y diverso.
• Creación de vídeos personalizados masivos: El marketing personalizado permite una conexión más directa con el cliente. Los vídeos personalizados son una de las formas más eficaces de captar la atención de la audiencia, y los avatares digitales facilitan la producción de estos videos a gran escala.
• Formación y capacitación: Los vídeos de entrenamiento internos son fundamentales para el aprendizaje organizacional. Un avatar digital ofrece una presentación homogénea de los contenidos y garantiza un acceso continuo para todos los empleados.
• Mensajes institucionales: Los mensajes emitidos en nombre del CEO o la directiva pueden ser transmitidos por un avatar personalizado, lo que amplía su alcance y asegura una experiencia visual coherente.

Heygen

HeyGen es una plataforma online que emplea inteligencia artificial para crear avatares digitales y generar contenido audiovisual de alta calidad.

Con avanzadas herramientas para la creación de avatares, edición de vídeos y clonación de voces, HeyGen se ha consolidado como una opción accesible y versátil, tanto para usuarios individuales como para equipos empresariales.

Básicamente consiste en elegir:

1. Un avatar.
2. Una voz.
3. Un entorno.

Planes y precios

• Plan gratuito:
  • Puedes crear 3 vídeos al mes.
  • Vídeos con una duración máxima de 3 minutos.
  • Calidad de vídeo en 720p.
  • 1 avatar de vídeo.
  • Con marca de agua.
• Plan creador:
  • 29 € / mes, o 24 € / mes comprando un año
  • Puedes crear vídeos infinitos.
  • Vídeos con una duración máxima de 5 minutos.
  • Calidad de vídeo en 1080p.
  • 1 avatar de vídeo.
  • Sin marca de agua.
• Plan equipo / teams:
  • 89 € / mes, o 64 € / mes comprando un año
  • Puedes crear vídeos infinitos.
  • Vídeos con una duración máxima de 30 minutos.
  • Calidad de vídeo en 1080p.
  • 3 avatares de vídeo.
  • Sin marca de agua.
• Personalizado, consultar al equipo.

Interfaz de HeyGen

La interfaz de HeyGen es intuitiva y está diseñada para facilitar el acceso rápido a las diversas herramientas y secciones. La barra lateral presenta una estructura clara que permite gestionar proyectos y crear contenido de manera eficiente.

Descripción de la Interfaz: Las principales secciones de la interfaz de HeyGen son:

• Home: La página principal, que muestra los proyectos recientes, estadísticas de uso y accesos rápidos a las herramientas más comunes.
• Projects: Sección para crear y gestionar proyectos de vídeo, centralizando la organización del contenido en producción.
• Templates: Biblioteca de plantillas de vídeo prediseñadas que se pueden personalizar con avatares y voces, agilizando la creación de contenido.
• Avatars: Biblioteca de avatares, tanto prediseñados como personalizados, para elegir el estilo visual más adecuado para cada proyecto.
• AI Voice: Área para crear y gestionar voces sintéticas, con opciones de tono, acento y emoción.
• Brand Hub: Herramienta para gestionar la identidad de marca, donde se almacenan y editan logos, colores, tipografías, imágenes y vídeos asociados a la marca.
• Uploads: Sección para subir archivos multimedia (imágenes, vídeos, audios) que pueden utilizarse en los proyectos.
• Integrations: Acceso a las integraciones de HeyGen con otras plataformas, facilitando la creación de contenido interconectado con otras herramientas de marketing y diseño.
• Labs: Espacio experimental donde los usuarios pueden probar funciones en desarrollo, como avatares interactivos o vídeos personalizados.

Tipos de avatares y voces sinteticas

HeyGen ofrece una plataforma intuitiva para crear y personalizar avatares digitales que pueden ser utilizados en vídeos (Desde sección «Avatars»). Con una amplia variedad de opciones, puedes adaptar los avatares al estilo que mejor se ajuste a tu proyecto.

• Avatares de stock: Son avatares prediseñados, listos para usarse directamente desde la biblioteca de HeyGen en cualquier proyecto.
• Avatares personalizados: Permiten crear un avatar único a partir de una imagen o vídeo del usuario, logrando una representación fiel y personalizada.
• Avatares casuales: Estos avatares tienen un estilo más relajado e informal, ideales para contenido menos formal y más cercano.
• Avatares profesionales: Diseñados con una estética corporativa y formal, perfectos para vídeos empresariales y de presentación.
• Avatares V3: La última generación de avatares de HeyGen, que destacan por sus detalles realistas y movimientos naturales, mejorando la calidad visual y la interacción.

Además, HeyGen incluye potentes herramientas para la creación de voces sintéticas (Desde sección «Ai Voice»), permitiendo personalizar el tono, acento y emoción de la voz del avatar, lo que da lugar a una experiencia más inmersiva y adaptable a diferentes contextos.

• Clonar voces: Permite replicar la voz del usuario a partir de una grabación de audio,logrando un nivel de personalización sin precedentes.
• Cargar voces de otras herramientas: Ofrece la posibilidad de importar voces generadas en otras plataformas de inteligencia artificial.
• Biblioteca de voces: Colección de voces sintéticas pregrabadas, listas para ser utilizadas en los proyectos.
• Filtros de idioma, acento y emoción: Herramientas para personalizar la voz según el idioma, el acento,

Crear un avatar personalizado

Para crear un avatar es necesario la personalización del avatar según las necesidades (Desde «Avatars => Crear avatar»).

HeyGen ofrece diferentes métodos para crear un avatar:

• Avatar desde una imagen: Permite subir una imagen de alta calidad de la persona que se desea convertir en avatar.
• Avatar desde un vídeo: Mediante la subida de un vídeo corto, HeyGen puede generar un avatar más preciso, capturando las expresiones faciales y sincronizando los labios con mayor naturalidad.
• Avatar prediseñado: La plataforma ofrece una biblioteca de avatares prediseñados, que pueden ser personalizados para adaptarse a distintos estilos y requerimientos.

Te sugiero que guardes como favoritos los que más te gusten, haciendo clic en el corazón.

Una vez seleccionado el tipo de avatar, HeyGen permite al usuario personalizar su apariencia y sus expresiones:

• Apariencia: Es posible seleccionar distintos tipos del mismo avatar, como por ejemplo, variando su vestimenta o el entorno en el que se encuentra.
• Diferentes tonos: Es posible ajustar los tonos de voz del avatar como pro ejemplo, emocionado, amigable, serio, etc.
• Modificar aspecto: HeyGen permite mostrar el avatar en un círculo, simulando un comentarista, y ajustar la velocidad de la voz, ya sea aumentándola o reduciéndola.

Generando vídeos con HeyGen

Una vez que el avatar está personalizado, el siguiente paso es la creación del video. HeyGen proporciona herramientas intuitivas para generar videos de alta calidad de manera rápida y eficaz, desde «Crear vídeo» empecemos eligiendo «Avatar vídeo» y el formato del vídeo (LandScape para vídeos tipo YouTube o Portrait para formatos TikTok).

• Plantilla: Podemos elegir una plantilla y ajustar sus detalles según nuestras necesidades, lo que permite crear videos de manera rápida y eficiente.
• Avatar: Es posible cambiar el avatar y probar diferentes versiones del mismo. Si seguiste mi recomendación y guardaste tus opciones favoritas, te será mucho más fácil seleccionar el que mejor se adapte a tu proyecto.
• Script: Son los textos que el avatar leerá y reproducirá.
• Text: Permite agregar texto o imágenes al video, funcionando de manera similar a un programa de edición como Canva.
• Element: Ofrece la opción de incorporar elementos visuales que aparecerán en el video. El funcionamiento es igual que un editor de vídeos.
• Asset: Se refiere a los elementos cargados o registrados como parte de la identidad de la marca.
• Preview: Nos permite visualizar cómo se reproducirá el video, aunque los textos no se sincronizan con los movimientos de los labios del avatar en esta fase; esa sincronización se realiza posteriormente.

Esta es mi primera prueba. Obviamente, con más tiempo y dedicación se pueden obtener resultados mucho más interesantes, pero la sincronización de los labios es realmente buena.

Doblaje y traducción

HeyGen ofrece una avanzada función de traducción de videos que permite doblar y traducir contenidos existentes a múltiples idiomas, lo que los hace accesibles para audiencias globales.

Utilizando inteligencia artificial, esta herramienta transcribe el audio original, lo traduce al idioma seleccionado y genera una nueva pista de audio perfectamente sincronizada con los movimientos labiales del video.

Gracias a este proceso, se consigue un doblaje realista, lo que facilita a los creadores de contenido ampliar su audiencia sin necesidad de recurrir a un doblaje profesional.

Para crear una traducción en HeyGen, sigue estos pasos:

• Acceso a la función: Vete a la opción «Create Video» y selecciona «Translate Video» en el menú principal.
• Subir el vídeo: Carga el vídeo que deseas traducir desde tu dispositivo o mediante una URL.
• Selección de idioma original: Elige el idioma original o permite que HeyGen lo detecte automáticamente.
• Idioma de traducción: Selecciona el idioma al que deseas traducir el vídeo.
• Número de hablantes: Indica cuántas personas hablan en el vídeo para ayudar a la plataforma a separar las voces correctamente.
• Voz de ,arca (opcional): Si has configurado una voz de marca personalizada, selecciona esta opción para mantener la coherencia en la identidad de marca.
• Duración dinámica (opcional): Activa esta opción para ajustar la velocidad del vídeo, de modo que coincida con la duración de la traducción y evitar desfases entre audio y movimiento de labios.
• Traducir sin sincronizar labios (opcional): Si no es necesario sincronizar los labios con el audio, puedes seleccionar la opción para traducir solo el audio.
• Incluir subtítulos (opcional): Agrega subtítulos en el idioma de destino para mejorar la accesibilidad del vídeo.

Opciones Avanzadas:

• Mejorar la voz (Enhance voice): Optimiza la calidad de la voz generada.
• Usar características del vídeo original: Mantiene la resolución y otros aspectos del vídeo original.
• Eliminar música de fondo: Suprime la música de fondo para que el audio traducido sea claro.
• Traducir texto en el vídeo: Traducir texto visual del vídeo original, aunque esta función aún está en desarrollo y podría presentar algunas limitaciones.

Ejemplo:

¡Es impresionante! Aunque el vídeo aún no está editado y debería recortarse para que se ajuste mejor, la sincronización labial es increíble.

Conclusión HeyGen

Diría que es una herramienta muy poderosa para crear avatares de inteligencia artificial, ya que ahorra tiempo y dinero, permitiendo generar contenido de calidad bastante buena. Sin embargo, se nota que funciona mucho mejor en inglés. Es importante aclarar que no es un generador de vídeos con avatares, sino que, a una persona que cede sus derechos, se le puede asignar una voz y hacer que diga un texto específico, sincronizando los labios.

Eleven labs

Elevenlabs es una plataforma de audio impulsada por inteligencia artificial (IA) que se distingue por su capacidad para generar voces sintéticas con un notable realismo y calidad.

Gracias a su tecnología avanzada, ha logrado consolidarse como líder en su sector, alcanzando una valoración superior a mil millones de dólares. Su participación en la aceleradora de Disney, un programa que respalda a startups innovadoras, ha reforzado su posicionamiento en la industria del entretenimiento y la producción audiovisual.

Planes y precios

Elevenlabs ofrece planes de suscripción con créditos mensuales para generar contenido de audio y acceder a herramientas de producción, adaptados a usuarios y empresas con diferentes necesidades.

• Plan gratis:
  • 10,000 créditos al mes (aproximadamente 10 minutos de audio).
  • Generación de voz en 29 idiomas utilizando miles de voces de la galería.
  • Creación de contenido con voces sintéticas.
  • Generación de efectos de sonido.
  • Acceso a la API para integrar Elevenlabs con otras aplicaciones.
• Plan starter:
  • 5 € / mes o 4,17 contratando 1 año.
  • Clonación de voz a partir de una muestra de audio de 1 minuto.
  • Acceso al Dubbing Studio para doblaje y ajuste de voces en vídeos.
  • Licencia para uso comercial del audio generado.
• Plan creator:
  • 22 € / mes o 18,33 contratando 1 año.
  • 100,000 créditos al mes (equivalente a aproximadamente 2 horas de audio).
  • Clonación de voz profesional, con mayor control y realismo en la réplica digital de la voz.
  • Proyectos con múltiples voces en un solo proyecto.
  • Audio Native para añadir narración en páginas web y blogs.
  • Calidad de audio mejorada a 192 kbps.
• Plan pro:
  • 99 € / mes o 82,5 contratando 1 año.
  • 500,000 créditos al mes (aproximadamente 10 horas de audio).
  • Mayor calidad de audio, con hasta 382 kbps.
• Plan scale:
  • 330 € / mes o 275 contratando 1 año.
  • 2,000,000 créditos al mes (equivalente a aproximadamente 40 horas de audio).
  • Soporte prioritario para resolver incidencias rápidamente.
• Plan business:
  • 1320 € / mes o 1100 contratando 1 año.
  • 11,000,000 créditos al mes (aproximadamente 180 horas de audio).
  • Acceso al Turbo Model (millón de créditos adicionales) para generación rápida de contenido.
  • 3 voces profesionales incluidas.
  • Soporte prioritario y mayor personalización de los servicios.

Interfaz de Elevenlabs

La interfaz de Elevenlabs es intuitiva y fácil de usar, con secciones claramente organizadas que permiten acceder rápidamente a todas las herramientas para crear y editar contenido de audio.

Crear / Create

En esta sección se encuentran las herramientas principales para generar contenido de audio:

• Text to speech (TTS): Convierte texto en voz de forma natural y personalizable.
• Voice changer: Modifica las características de una voz, ajustando tono, velocidad y otros aspectos.
• Sound efffects: Genera efectos de sonido para mejorar la calidad y dinamismo del contenido.
• Voices: La sección «Voices» permite gestionar las voces disponibles:
  • My voices: Guarda las voces creadas por el usuario.
  • Community: Accede a voces generadas por otros usuarios para referencia o inspiración.
  • Default: Galería de voces prediseñadas listas para usar.

Workflows

«Workflows» es una herramienta avanzada con diversas funcionalidades:

• Projects: Gestiona y organiza proyectos de audio, combinando voces y efectos.
• Voiceover studio: Añade voces a vídeos, sincronizando audio e imágenes.
• Dubbing studio: Permite ajustar la voz y sincronizarla con los labios en vídeos.
• Audio native: Integra narraciones en blogs y páginas web.
• Conversational AI: Crea chatbots y asistentes de voz con respuestas naturales en tiempo real.

Tools

En «Tools» se encuentran herramientas adicionales que complementan las funciones principales de Elevenlabs:

• Voice isolator: Disponible también en Workflows, elimina ruidos no deseados para una mejor calidad de audio.
• AI speech classifier: Detecta si un clip de audio se creó con ElevenLabs.

Funciones Principales

Elevenlabs es reconocida por sus avanzadas herramientas para transformar texto, modificar voces y generar efectos de sonido innovadores. Estas se organizan en categorías, cada una diseñada para necesidades específicas en la creación de contenido de audio.

Text to Speech (TTS)

La herramienta principal de Elevenlabs convierte texto en audio con voces sintéticas de alta calidad. Los usuarios seleccionan una voz de la galería, que incluye una amplia variedad de estilos, idiomas y acentos, permitiendo una gran flexibilidad según el tono y propósito del proyecto.

• Amplia selección de idiomas y acentos: Soporta 29 idiomas y varios acentos para adaptarse a audiencias globales.
• Naturalidad en la entonación: Las voces sintéticas tienen una entonación realista y cadencia natural, mejorando la experiencia auditiva.

Ejemplo:

Voice Changer

Esta herramienta permite transformar una voz existente mediante efectos de audio y ajustes tonales. Los usuarios pueden grabar su voz o subir un archivo y aplicar cambios para obtener resultados variados.

• Transformación de personajes: Ideal para audiolibros, videojuegos o animaciones.
• Efectos especiales: Modifica tono, velocidad y reverberación para crear efectos únicos.
• Flexibilidad en edición: Los usuarios pueden ajustar parámetros para obtener una voz específica, desde cambios leves hasta transformaciones completas.

Ejemplo:

Galería de Voces

La galería de voces se organiza en tres categorías:

• My voices: Guarda las voces clonadas por el usuario, permitiendo crear réplicas digitales con una muestra de audio de al menos un minuto.
• Community: Voces generadas por otros usuarios, filtradas por idioma, estilo y tono.
• Library: Contiene una amplia gama de voces predefinidas clasificadas por categorías como narración, publicidad, entretenimiento, etc.

Sound Effects
Genera efectos de sonido a partir de descripciones textuales, como «lluvia suave sobre una ventana» o «pisadas en el bosque».

• Simplicidad en la creación: Solo se requiere una breve descripción, haciendo el proceso accesible a todos.
• Potencial creativo: Los efectos generados por IA ofrecen una herramienta valiosa para enriquecer proyectos sin depender de bancos de sonido externos.

Ejemplo de perro ladrando,

Trucos para mejorar los audios con ElevenLabs

Para optimizar el realismo y naturalidad de las voces sintéticas, es recomendable usar algunos trucos y técnicas de ajuste:

• Comando de pausa: El comando permite agregar pausas de duración específica, lo que ayuda a controlar el ritmo y a enfatizar ciertas partes del texto.
• Puntuación estratégica: Usar guiones y puntos suspensivos puede hacer que el modelo haga pausas más naturales y refuerce el impacto de ciertos fragmentos.

Clonar nuestra voz

Podemos añadir nuestra propia voz y luego usarla para crear otras grabaciones. Para ello vamos a «Voices -> Add a new voice -> Instant Voice clone» y desde hay debemos:

1. Añadir nombre a la voz.
2. Grabar o cargar 25 muestras de voz. Por ejemplo audios de WhastsApp.
3. Añadir algunas características tuyas. Tipo de voz, etc.
4. Añadir una breve descripción, esto para que el modelo pueda entrenar con un poco más de contexto.

Conclusión

En conclusión, tanto HeyGen como Elevenlabs ofrecen herramientas avanzadas para la creación de contenido de audio y video, facilitando la personalización y mejorando la calidad de la producción mediante inteligencia artificial.

Son opciones ideales para quienes buscan optimizar la experiencia y expandir su alcance sin necesidad de intervención profesional.