IA generativa de video con HeyGen: un avatar, siete idiomas
Mi experimento anterior clonó mi voz en cinco idiomas con ElevenLabs. Este le suma la cara: un gemelo digital de HeyGen construido desde una sola grabación de estudio, hablando idiomas que nunca filmé. La mayoría de los videos comparativos usan audio de mis clones de ElevenLabs; una demo usa mi voz clonada con el motor propio de HeyGen, y las versiones de Video Translate usan doblaje generado por HeyGen. Todos los videos de esta página son generados por IA; ninguno fue filmado en el idioma que escuchás. El lipsync también es generado: el acento y la fluidez son donde se notan las costuras, prestales atención.
Siete idiomas en total: cinco hablados por las voces clonadas (inglés, español, italiano, japonés y chino) y cinco producidos por Video Translate (español, italiano, francés, alemán y japonés), con solapamiento en el medio.
Los dos primeros planes
| Free | Creator | |
|---|---|---|
| Precio (julio 2026) | USD 0 | USD 29/mes (USD 24/mes con pago anual) |
| Videos | 3 por mes, 1 minuto cada uno, con marca de agua | 600 créditos mensuales |
| Exportación | 720p compartible | Descarga en 1080p |
| Slots de gemelo digital | 1 | 1+ (ampliable) |
| Funciones premium | Acceso de prueba | Avatar IV, translate, looks |
Los créditos son específicos por función: Avatar IV, Video Translate, el modo Precision y la generación de looks consumen a ritmos distintos. El plan Free alcanza para validar si tu gemelo se ve y se mueve como vos; yo usé Creator para las exportaciones 1080p sin marca de agua y las funciones pagas que se ven acá.
Construir el gemelo digital
El proceso es más simple de lo que suena: grabate hablando a cámara al menos 2 minutos en una sola toma continua (HeyGen recomienda hasta 5 para mejor entrenamiento), subí el material y grabá un video corto de consentimiento. HeyGen estima entre 10 y 20 minutos para procesar el avatar base (material no 4K); el tiempo real varía con la cola y el material. El resultado es un avatar que modela tus expresiones, tu lenguaje corporal y tu forma de hablar, y puede manejarse con guiones o audio compatibles, sujeto a moderación.
Esto es lo que HeyGen generó desde mi grabación:
Y este es el gemelo hablando con mi voz clonada por el propio motor de voz de HeyGen, antes de pasar a mis clones de ElevenLabs. En esta página terminan comparados tres motores de clonación: el de HeyGen y los dos niveles de ElevenLabs:
Looks: generar ambientes
Un slot de avatar admite hasta 500 looks, entre foto y video: variaciones generadas de vestuario, fondo y encuadre, para que el mismo gemelo presente desde una oficina, un estudio o donde sea sin volver a filmar. La remoción de fondo depende del tipo de avatar y del plan. Los videos de abajo usan estos looks generados; ninguno de los ambientes existe físicamente.
El emparejamiento de voces
La voz del gemelo no es de HeyGen: los videos comparativos IVC y PVC de abajo se generaron en HeyGen usando audio producido con mis clones de ElevenLabs del experimento anterior, grabados con un Shure SM58. Mismo guion por idioma; la variable principal es el método de clonado, Instant Voice Cloning (IVC) versus Professional Voice Cloning (PVC), aunque el resultado final también depende de la síntesis y del lipsync. El chino tiene solo toma PVC, tomalo como muestra y no como par.
Inglés
Español
Italiano
Japonés
Chino
HeyGen Video Translate
La última pieza no requiere crear ni administrar un clon de voz aparte. Le di a HeyGen Translate el video en inglés y le pedí cinco idiomas: transcribe el audio original, lo traduce, genera la voz doblada y resincroniza los labios. Activé los subtítulos incrustados para las versiones que se ven acá. Entra una grabación, salen cinco videos localizados. Usá los botones para cambiar de idioma; el primero es el original.
Conclusión
Dos minutos de material bien iluminado y continuo produjeron un gemelo que sobrevive a idiomas que nunca hablé frente a cámara. En mis pruebas, Instant Voice Cloning alcanzó para validar la idea; Professional Voice Cloning es lo que publicaría. Para localización pura, Video Translate fue el atajo: sin clon aparte que administrar, subtítulos a demanda. Nada es impecable, el acento y el ritmo todavía delatan la generación por momentos, pero el stack de producción de un video multilingüe a cámara quedó reducido a una grabación fuente, un set de modelos de voz reutilizables y una cola de procesamiento.