Una fábrica de video con avatares de IA: de guion a video terminado, en serie

No todos nuestros casos son de clientes. Este es un producto propio: una fábrica de video con avatares de IA que La Agencia AI construyó y opera. Convierte una foto de retrato en un presentador digital con voz consistente, y un guion en videos terminados —locución, lip-sync, subtítulos y control de calidad automático incluidos—, listos para clonarse por persona y por idioma. En corridas de producción interna, el pipeline ha generado más de 60 videos en 5 idiomas, alrededor de 11 por idioma en 2 a 3 horas (cifra de capacidad de nuestro pipeline, no resultado de cliente).

El problema que ataca

El video corporativo no escala por el lado humano. Grabar exige la agenda del vocero, un set decente y volver a empezar con cada corrección de guion, cada variante y cada idioma. El costo real nunca es el primer video; es el número cuarenta.

Las herramientas de avatar “listas para usar” resuelven la cara, pero no la fábrica. Nadie verifica que la voz dijo el guion completo. Nadie alinea subtítulos. Nadie clona cuarenta variantes sin equivocarse en alguna. Esa capa de producción es la que construimos.

Cómo funciona, en tres actos

Acto 1 — Nace el presentador. Todo empieza con una foto de retrato. De ahí se genera una réplica digital y se le asigna una voz elegida a propósito: género, acento, idioma. El personaje queda definido una sola vez —misma cara, misma voz— y cada video posterior lo respeta. La identidad no se renegocia en cada producción.

Acto 2 — El guion se vuelve video. Escribes el guion y el pipeline hace el resto. Genera la locución y la coteja palabra por palabra contra el texto usando reconocimiento de voz: si el modelo se comió el final o metió una muletilla, se corrige antes de gastar un solo render. Después sincroniza los labios con el audio, quema subtítulos alineados automáticamente y entrega el mp4 con una URL publicable.

Acto 3 — La serie. El mismo guion admite un saludo personalizado por destinatario y se clona por persona o por idioma con una sola orden. Donde un flujo tradicional produce un video, este produce la campaña completa: misma calidad, misma identidad, decenas de variantes.

Cómo se construyó

La fábrica está hecha de decisiones aprendidas en producción, no de demos. Cada render cuesta dinero real de API, así que el pipeline entero está diseñado para no desperdiciar ninguno. Es reanudable: si algo falla a la mitad, retoma exactamente donde quedó sin pagar dos veces. Antes de gastar, un modo de simulación muestra el plan completo —imagen, voz, escenas, costo estimado— sin tocar las APIs.

El control de calidad tampoco depende de que alguien revise cuarenta videos a ojo. La verificación de locución contra guion es automática; hay palabras obligatorias que deben aparecer, y los subtítulos se queman con márgenes seguros para que el recorte en pantallas móviles no se coma el texto. Son reglas pequeñas, y son la diferencia entre una demo y una línea de producción.

Qué significa para ti

Seamos precisos: las cifras de esta página salen de producción interna, no de un proyecto facturado a un cliente. Preferimos esa precisión a un caso maquillado. Lo que sí puedes tomar como dato duro es que la fábrica existe, está probada y es la que ponemos a trabajar cuando un proyecto necesita video en volumen: onboarding, ventas, marketing multilingüe, mensajes personalizados por destinatario.

¿Necesitas video en serie?

Si tu equipo produce video de uno en uno y el cuello de botella siempre es grabar, agenda una sesión de 30 minutos. Te enseñamos la fábrica funcionando, con tus guiones sobre la mesa.