Crear vídeos con avatares parlantes para TikTok, Instagram Reels y YouTube Shorts requiere mucho más que animar una cabeza estática de forma genérica. En los feeds de vídeo vertical, los espectadores tardan menos de dos segundos en deslizar si detectan un movimiento artificial y acartonado. Para producir anuncios UGC (contenido generado por el usuario) y publicaciones orgánicas de alto rendimiento, los creadores de contenido y profesionales del marketing necesitan dominar dos factores esenciales: pistas de audio personalizadas que aporten una voz creíble con el ritmo adecuado, y un encuadre de retrato optimizado que retenga la atención sin chocar con la interfaz de las aplicaciones móviles.
Hedra ofrece dos métodos de trabajo integrados: la colaboración guiada mediante su agente conversacional en Spaces y el control directo de parámetros en sus herramientas manuales de vídeo. A continuación, se detalla paso a paso cómo importar pistas de voz personalizadas, configurar el encuadre vertical 9:16 y editar piezas finales listas para publicar.
1. Preparación e importación de pistas de audio personalizadas
En el motor de avatares de Hedra, el audio funciona como la partitura coreográfica de la animación. El modelo analiza los fonemas, la energía vocal y las pausas para calcular la apertura labial, el parpadeo y los movimientos naturales de inclinación de la cabeza. Una pista de audio deficiente se traduce de inmediato en una sincronización labial defectuosa.
Estándares de preparación del audio
- Aislar la voz limpia (sin música): Es fundamental utilizar pistas de voz completamente secas. La música de fondo, el eco de la habitación o el ruido ambiental confunden al algoritmo de sincronización labial, provocando temblores y aperturas de boca erráticas. Si el audio contiene música o efectos, aísle la voz antes de subirla.
- Respetar las pausas naturales: El habla humana contiene microinterrupciones entre frases. El modelo de Hedra aprovecha estos silencios para simular la respiración, el parpadeo natural y leves asentimientos de cabeza. No comprima en exceso los silencios salvo que busque un ritmo de locución deliberadamente acelerado.
- Pronunciación y ritmo: Si genera la locución con herramientas de síntesis de voz (como ElevenLabs o la herramienta Speech integrada en Hedra), escriba los acrónimos fonéticamente y utilice saltos de línea para marcar la cadencia adecuada de la locución.
Dos formas de importar audio personalizado
Opción A: Mediante el Agente en Spaces (Asistido por IA)
- Abra un Space e inicie el flujo de trabajo con la habilidad presenter o ugc.
- Haga clic en Add reference asset y suba su archivo de audio (formatos habituales como MP3, WAV o M4A).
- Adjunte en el mismo espacio la imagen del retrato que servirá de avatar.
- Escriba las directrices de interpretación para el agente (por ejemplo: «Anima este personaje hablando con un tono cercano y enérgico de creador, siguiendo el audio adjunto y manteniendo contacto visual constante con la cámara»).
- El agente generará propuestas en el lienzo, permitiéndole solicitar ajustes específicos manteniendo los elementos visuales aprobados.
Opción B: Herramienta Video manual (Modo Avatar)
- Diríjase a Manual tools → Video y seleccione la pestaña Avatar.
- Abra el selector de modelos en vivo para elegir el modelo de avatar adecuado según el límite de duración y la resolución deseada (como Hedra Avatar u otros modelos especializados).
- En el panel de referencias ubicado sobre la caja de texto, cargue su pista de audio en la casilla de audio y la imagen del retrato en la casilla de fotograma inicial/imagen.
- Escriba las indicaciones de actuación, elija la relación de aspecto vertical (9:16) y la resolución de salida, y pulse Generate.
Consejo sobre la duración: Aunque los modelos más recientes de Hedra admiten pistas de audio de varios minutos, en redes sociales es preferible generar fragmentos modulares de 15 a 30 segundos. Los clips cortos consumen menos créditos, permiten corregir con rapidez el gancho inicial (hook) y facilitan el montaje en postproducción.
2. Optimización del encuadre del retrato para formato vertical (9:16)
El encuadre determina si el avatar parece un creador real grabando con su smartphone o un recorte digital postizo. En las plataformas sociales verticales, la composición debe interactuar con las zonas cubiertas por los botones y textos de la aplicación.
La escala de plano ideal: Plano medio corto / Busto (Chest-Up)
La escala de encuadre más sólida y realista es el plano de busto (desde el pecho hacia arriba):
- ¿Por qué evitar el primerísimo primer plano? Encuadrar únicamente el rostro corta el recorrido de la mandíbula al hablar. Si el mentón se encuentra pegado al borde inferior, se producen artefactos y deformaciones visuales en las palabras acentuadas.
- ¿Por qué evitar los planos generales o de cuerpo entero? En pantallas móviles, un plano amplio reduce el rostro a un porcentaje de píxeles demasiado bajo. Los labios, los dientes y los ojos pierden nitidez, lo que destruye la precisión de la sincronización labial.
- Las ventajas del plano de busto: Incluir el cuello y la línea superior de los hombros proporciona al modelo anclajes anatómicos creíbles. Esto permite que el avatar incline la cabeza, cambie el peso del cuerpo y respire de manera orgánica sin distorsionar el fondo.
Diseño adaptado a las zonas seguras de las interfaces móviles
Al trabajar en formato 9:16, es imprescindible organizar los elementos visuales respetando los elementos superpuestos:
+-----------------------------------+
| 10-15% superior: Aire | <- Libre de barras de estado y búsqueda
| |
| +---------------------------+ |
| | | |
| | Zona de ojos y cara | | <- Tercio superior/medio (foco de atención)
| | | |
| +---------------------------+ |
| |
| Pecho y hombros | <- Lateral derecho: botones de interacción
| |
| 20-25% inferior: Margen UI | <- Libre de subtítulos, usuario y comentarios
+-----------------------------------+
- Ojos en el tercio superior: Sitúe la línea de la mirada a un tercio de distancia desde el borde superior. Los usuarios dirigen su atención de manera instintiva a esa altura de la pantalla.
- Aire superior (Headroom) del 10% al 15%: Deje espacio libre por encima del cabello. Si la cabeza toca el límite superior, cualquier leve inclinación hacia arriba quedará cortada.
- Margen de seguridad inferior (20%–25%): Jamás sitúe la boca o el mentón en el cuarto inferior de la pantalla. Los subtítulos automáticos, el nombre de usuario, la descripción del vídeo y la barra de comentarios cubrirían los labios del avatar.
- Centrado horizontal riguroso: Las aplicaciones ubican en el lateral derecho los iconos de me gusta, comentarios, guardar y compartir. Si el avatar está desplazado a la derecha, estos botones taparán parte de su rostro.
Lista de control para la imagen de origen
Antes de renderizar el vídeo, compruebe que el retrato base cumpla estos requisitos:
- Iluminación equilibrada: Luz suave y frontal, evitando sombras intensas en los labios o en uno de los lados de la cara.
- Rostro despejado: Sin manos en la barbilla, sin micrófonos cubriendo la boca y sin gafas de sol oscuras que tapen la mirada.
- Ángulo neutro a la altura de los ojos: Evite planos picados o contrapicados pronunciados, ya que dificultan el cálculo de perspectiva al girar la cabeza.
- Resolución nítida: Emplee archivos PNG o JPG sin compresión excesiva; cualquier grano o desenfoque previo se multiplicará al animar la imagen.
3. Coherencia del avatar de marca con Hedra Elements
En campañas publicitarias, cuentas corporativas o series de contenido, cambiar el rostro del presentador en cada publicación destruye la identidad de marca. Intentar recrear la misma cara mediante descripciones de texto produce variaciones inevitables.
Hedra resuelve este problema mediante Elements:
- Vaya a Library → Elements y pulse Create element.
- Suba hasta 10 imágenes de referencia nítidas de su personaje con diferentes ángulos y luces.
- Clasifique el elemento como Character y asígnele una etiqueta identificativa (por ejemplo,
@BrandSpokesperson). - En cualquier Space o instrucción de la herramienta manual, invoque la etiqueta
@BrandSpokespersonjunto con la nueva pista de audio importada.
De este modo se asegura una estructura facial, vestuario y estilo idénticos a lo largo de toda la campaña.
4. Edición y ensamblaje final en Composer
Un clip de avatar generado rara vez debe publicarse tal cual. En redes sociales, el dinamismo visual es decisivo para mantener al usuario enganchado.
El editor de línea de tiempo integrado en Hedra, Composer (Manual tools → Edit Video), permite finalizar la pieza sin salir de la plataforma:
- Importar tomas generadas: Arrastre los clips 9:16 del avatar a las pistas de la línea de tiempo.
- Ajustar el ritmo (Trim): Recorte los fotogramas vacíos al inicio de cada frase para que el gancho empiece en el primer segundo y medio.
- Música de fondo en pista secundaria: Inserte una pista musical a volumen moderado (entre -18 dB y -24 dB respecto a la voz) para dar energía sin entorpecer el mensaje.
- Intercalar recursos visuales (B-Roll): Alterne el plano del avatar con planos de detalle de productos, capturas de pantalla o textos destacados cada 3 a 5 segundos para romper la monotonía visual.
- Exportación: Renderice el vídeo final en formato vertical 1080p, listo para su distribución directa.
Resumen de producción y lista rápida de control
| Fase | Práctica recomendada | Error frecuente a evitar |
|---|---|---|
| Audio | Pista de voz limpia y seca, con pausas de respiración naturales. | Subir voces con música integrada o eco de sala, que causan espasmos en los labios. |
| Importación | Modo Avatar para control de parámetros; Spaces para iteración creativa. | Superar el límite de duración del modelo en una sola generación. |
| Encuadre | Plano de busto 9:16, ojos en el tercio superior y 10–15% de aire superior. | Primeros planos excesivos que cortan el mentón o planos lejanos sin detalle. |
| Zonas seguras | Boca y gestos fuera del 25% inferior y del margen derecho. | Subtítulos e iconos de TikTok tapando la sincronización labial del avatar. |
| Postproducción | Pulir cortes, balancear audio e intercalar B-roll en Composer. | Publicar tomas continuas en plano fijo sin ritmo de edición. |
Al combinar pistas vocales limpias con un encuadre vertical adaptado a las interfaces de las redes sociales, los creadores y marcas pueden transformar Hedra en un sistema de producción ágil y rentable para sus vídeos verticales.