Hacer hablar una foto con IA: cualquier retrato dice tu texto
Hacer hablar una foto con IA es convertir un retrato en un video que dice el texto que escribes: el guion se lee con una voz natural y los labios de la foto se sincronizan con el audio. El guion puede tener hasta 200 caracteres, unos 13 segundos de voz. Elige entre HeyGen Avatar IV, OmniHuman 1.5 y MiniMax H3 Max Lip Sync.
Cómo funciona
Tres pasos
Sube un retrato y confirma el permiso
Elige una foto de frente con la cara bien visible. Confirma que la persona aceptó; sin eso, la generación no empieza.
Escribe el guion y elige una voz
Hasta 200 caracteres. Elige una de 8 voces.
Elige un modelo y genera
La voz y la sincronización de labios se procesan una tras otra. El video suele estar listo en uno a cinco minutos y queda en tu Biblioteca.
Modelos
Modelos que puedes usar
Los precios están en créditos y ves el costo exacto antes de generar. Los paquetes de créditos empiezan en 5 US$ por 75 créditos.
MiniMax H3 Max Lip Sync
MiniMax
Movimiento facial más natural, con opción de alta resolución.
HeyGen Avatar IV
HeyGen
La persona de la foto dice tu texto con expresiones naturales. Es rápido.
OmniHuman 1.5
ByteDance
El movimiento de cara y cuerpo más realista. Pensado para promos y anuncios.
Destacados
Por qué crearlo aquí
Voces que suenan reales
El guion lo lee un modelo de texto a voz dedicado y después se agrega al video. Por eso la voz suena natural.
Tres modelos, tres presupuestos
HeyGen Avatar IV por velocidad, OmniHuman 1.5 por el movimiento más realista y MiniMax H3 Max Lip Sync por el precio más bajo.
Sincronización de labios precisa
El movimiento de la boca sigue al audio, y tu puntuación define las pausas y la entonación.
Vertical u horizontal
HeyGen Avatar IV entrega vertical para Reels u horizontal para YouTube. Los otros dos mantienen la forma de tu foto.
Consentimiento incluido
Cada generación te pide confirmar que la persona aceptó, y la confirmación se guarda con ella.
Créditos de vuelta si algo falla
Si una generación no termina, te devolvemos los créditos automáticamente.
Modelos
Tres formas de hacer hablar una foto
La columna de créditos muestra el precio del guion más largo (200 caracteres). Los guiones más cortos cuestan menos.
| Modelo | Punto fuerte | Salida | Créditos | Espera típica |
|---|---|---|---|---|
| HeyGen Avatar IV | Expresiones naturales y rapidez. Mantiene la cara consistente. | Vertical u horizontal, 720p | 95 | 1,5 min |
| OmniHuman 1.5 | El movimiento de cara y torso más realista. Para promociones y anuncios. | 720p o 1080p | 242 | 5 min |
| MiniMax H3 Max Lip Sync | La opción económica, con movimiento facial natural. | 480p, 768p o 1080p | 77 | 3,5 min |
El precio crece con la duración de la voz, y el clip cobrable más corto es de 5 segundos. La foto que habla más barata es una frase corta en MiniMax H3 Max Lip Sync a resolución estándar: 26 créditos (0,94 US$–1,73 US$). Los 20 créditos de regalo que recibes al registrarte sirven solo para voz en off. Las fotos que hablan se activan con tu primera compra de créditos; la opción más pequeña es el paquete Mini, con 75 créditos por 5 US$. Todos los paquetes están en la página de precios.
Cómo escribir lo que dice la foto
- Tienes 200 caracteres, unos 13 segundos de voz. Si necesitas más, divide el texto y haz varios videos.
- Escribe como habla la gente. La puntuación marca las pausas: una coma es una respiración corta; un punto, una más larga.
- Escribe lo que debe leerse en voz alta: “veinte dólares” en lugar de la cifra con el signo de moneda, y “doctora” en lugar de “Dra.”.
- Funciona mejor con una persona y un solo discurso. Para una conversación, haz un video por cada persona que habla.
Frases de ejemplo:
- “Hola, soy Vale. Gracias por pasar. Te cuento qué hay de nuevo en la tienda esta semana.” (87 caracteres)
- “Feliz cumpleaños, abuela. Te extrañamos mucho y nos vemos en Navidad.” (69 caracteres)
- “Nuestra panadería abre a las seis de la mañana y el pan de masa madre sale del horno a las siete.” (97 caracteres)
Cómo elegir la foto
- Un retrato de frente, con la cara bien visible e iluminada de forma pareja.
- Una persona por foto. Las fotos grupales y los perfiles de lado rompen la sincronización de labios.
- Nada que tape la boca: ni manos, ni micrófonos, ni sombras fuertes.
¿Foto que habla, voz en off o imagen a video?
Si solo necesitas el audio, por ejemplo para una narración, la voz en off con IA te da las mismas voces en MP3, sin video. Si la persona solo debe sonreír, parpadear o saludar sin hablar, usa Imagen a video. Para que alguien presente un producto mientras lo sostiene, los videos UGC con IA combinan la foto de un presentador con la de tu producto.
Consentimiento
Haz hablar solo a quien dio su permiso
Una foto que habla pone palabras en boca de alguien, así que el consentimiento no es opcional. Antes de cada generación confirmas que la persona de la foto dio su permiso; si no, la generación no empieza, y tu confirmación queda guardada con ella. Si la persona es menor de 18 años, el permiso lo da su madre, su padre o su tutor.
- No se permiten fotos de celebridades, políticos ni funcionarios públicos.
- No uses una foto que habla para que parezca que una persona real dijo algo que no dijo.
- Cuando la publiques, di que está hecha con IA. En anuncios, acláralo también; TikTok, Meta y YouTube tienen reglas para etiquetar el contenido realista generado con IA.
Preguntas frecuentes
Dudas comunes
¿Cómo hago hablar una foto?
Sube un retrato, confirma que la persona aceptó, escribe lo que debe decir y elige una voz. Primero se genera la voz y después la boca de la foto se sincroniza con el audio. Elige un modelo y genera; el video suele estar listo en pocos minutos.
¿Hay alguna IA gratis para hacer hablar una foto?
Aquí no. Le pagamos al proveedor de IA por cada video e imagen que generamos, y las pruebas gratis dispararon ese costo. Antes de comprar, puedes ver en nuestra página de ejemplos resultados sin editar que creamos con estos mismos modelos. Los 20 créditos de regalo que recibes al registrarte y verificar tu correo sirven para voz en off. Una frase corta en MiniMax H3 Max Lip Sync cuesta 26 créditos, y la opción más pequeña es el paquete Mini, con 75 créditos por 5 US$. Pagas por video; no necesitas suscripción.
¿Cuánto cuesta una foto que habla?
Depende del modelo y del largo del guion. Una frase corta en MiniMax H3 Max Lip Sync cuesta 26 créditos (0,94 US$–1,73 US$). Un guion completo de 200 caracteres cuesta 95 créditos en HeyGen Avatar IV, 242 en OmniHuman 1.5 y 77 en MiniMax H3 Max Lip Sync. El precio aparece antes de generar.
¿Qué modelo me conviene?
HeyGen Avatar IV para un resultado rápido y equilibrado. OmniHuman 1.5 para el movimiento de cara y cuerpo más realista. MiniMax H3 Max Lip Sync para el precio más bajo y una opción en 1080p. Probar la misma foto en dos modelos es la forma más rápida de decidir.
¿Puedo usar mi propia voz?
No. No hay clonación de voz ni carga de audio; la voz sale de las voces disponibles. Eso también significa que aquí nadie puede clonar la voz de otra persona.
¿Tengo que descargar una app para hacer hablar una foto?
No hace falta descargar nada. Funciona en el navegador del celular o de la computadora, y el procesamiento ocurre en los servidores del proveedor del modelo, así que la velocidad de tu equipo no importa.
¿Puedo hacer hablar una foto antigua de la familia?
Técnicamente sí, si la cara se ve clara y de frente. Ten cuidado con las fotos de personas que ya fallecieron: pide el acuerdo de la familia y no les hagas decir cosas que no habrían dicho.
¿Es legal hacer hablar la foto de otra persona?
Lo es con el permiso de la persona y para un uso honesto. Hacer que parezca que una persona real dijo algo que no dijo puede ser ilegal y va contra nuestros términos. No se permiten fotos de celebridades, políticos ni funcionarios públicos.
¿Cuánto tarda?
Normalmente de uno a cinco minutos, porque la voz y la sincronización de labios se procesan una tras otra. HeyGen Avatar IV es el más rápido. Puedes cerrar la pestaña; el video te espera en tu Biblioteca.
- El guion tiene un máximo de 200 caracteres, unos 13 segundos. Divide los discursos largos en varios videos.
- No puedes subir tu propia grabación ni clonar una voz. Eliges una de las voces disponibles.
- Los 20 créditos de regalo del registro sirven para voz en off, no para fotos que hablan. Las fotos que hablan requieren comprar créditos, desde 26 créditos por la frase más corta en el modelo más barato.
- Las fotos de otras personas necesitan su permiso. No se pueden usar celebridades, políticos ni funcionarios públicos.
- Los perfiles de lado, las caras tapadas y las fotos con varias personas suelen salir mal.
Páginas relacionadas
- Voz en off con IALas mismas voces en MP3, sin video.
- Videos UGCUn presentador que habla con tu producto en la mano.
- Generador de personajes con IAUna cara ficticia para hacer hablar, igual en cada video.
- Imagen a videoSonreír, parpadear o saludar sin hablar.
- Efectos de video con IAPlantillas de abrazo, baile y envejecimiento.
- PreciosPaquetes de créditos y planes.
Pruébalo ahora
Registrarte es gratis. Esta herramienta se activa con tu primera compra de créditos, y los paquetes empiezan en 5 US$ por 75 créditos. No necesitas suscripción, y puedes ver los ejemplos de arriba antes de decidir.
Hacer hablar una foto