HeyGen Avatar IV: haz hablar un retrato con tu propio audio

Un retrato fijo, una grabación de voz, y tras un breve render la cara está hablando. Esa es toda la promesa de HeyGen Avatar IV, y es buena: un personaje para el tráiler de un juego, un narrador para un curso, una figura pintada que presenta tu exposición. Además tiene un campo de texto para indicaciones, algo que a la mayoría de los modelos de cabeza parlante les falta. Casi todos los resultados decepcionantes vienen del mismo puñado de errores, así que esta guía está construida a su alrededor.

Error 1: un retrato que tapa la boca

El modelo tiene que animar labios, mandíbula y ojos a partir de una sola imagen. Dale una cara que mire más o menos a la cámara, con la boca bien visible, luz uniforme y nada delante: ni una mano en la barbilla, ni un micrófono, ni pelo sobre los labios. Un encuadre de cabeza y hombros funciona mejor que un plano de cuerpo entero donde la cara mide pocos píxeles. Los retratos generados también sirven; si el tuyo parece de cera, arregla primero la piel con los consejos de la guía de la piel plástica, porque la animación no lo hará.

Error 2: dejar vacías las indicaciones

El prompt es opcional, y justo por eso la gente se lo salta. Sin él, la cara hace lo que sugiere el audio. Con él, puedes pedir un estado de ánimo, un hábito, un gesto. Escríbelo como notas para un actor: cómo se siente la persona, adónde mira, qué hace la cabeza y qué no debe hacer.

Error 3: subir la expresividad al máximo

La expresividad define cuánto se mueven la cara y la cabeza: baja (la predeterminada), media o alta. La alta es divertida para un dibujo animado o un héroe de videojuego y demasiado para un vídeo explicativo tranquilo, donde puede parecer que la persona no se está quieta. Las caras reales de las fotos suelen verse mejor en baja o media; deja la alta para personajes cuyo estilo ya exagera.

Error 4: forzar una relación de aspecto que choca con la foto

Aquí la relación de aspecto es opcional. Si la dejas vacía, el modelo usa la relación admitida más cercana a tu imagen, lo que conserva el encuadre que elegiste. Fíjala (16:9, 9:16, 1:1, 5:4 o 4:5) solo cuando el destino lo pida, y en ese caso recorta tú el retrato a esa forma antes de subirlo, para que decidas tú qué se corta y no el modelo. En los ajustes avanzados hay una imagen de fondo disponible si el fondo original no encaja.

Error 5: usar una cara que no tienes derecho a usar

Un vídeo de una persona real diciendo algo que nunca dijo puede hacerle daño, y los términos prohíben los deepfakes de una persona real e identificable. Usa tu propia cara, un personaje ficticio que hayas generado o un retrato para el que tengas un permiso claro. Para animar una foto sin habla, convertir una foto en un vídeo es el camino más suave.

Cuándo elegir otra cosa

Avatar IV se centra en la cara y la voz. No hará que la persona camine por una escena ni le cambiará la ropa, y llega como máximo a 1080p. Si no tienes ningún retrato y necesitas a un presentador en una sala real, Avatar V usa avatares listos hasta 4K; la guía de Avatar V lo explica. Todos los demás modelos de avatar parlante y sincronización de labios están en la página de modelos.