Generador de diálogos por IA

El diálogo no es una pista de subtítulos

La mayoría de herramientas que dicen ofrecer «diálogo por IA» se refieren a subtítulos: texto que pegas sobre un clip. Aquí la frase se pronuncia. El modelo de vídeo genera imagen y audio en un solo paso, así que la boca del personaje forma esa oración, en ese idioma, con ese ritmo: no hay un archivo de voz separado pegado después ni un paso de sincronización labial que pueda fallar.

Esto tiene una consecuencia que conviene entender antes de escribir nada: la longitud de una frase decide la duración de la toma. Dilo en voz alta y cronométralo, porque el proceso hace exactamente eso.

De un vistazo

Por qué la regla del tiempo importa más de lo que parece

Una frase de dieciocho palabras en inglés necesita unos seis segundos de pantalla. Si pides al modelo de vídeo una toma de cuatro segundos y le das dieciocho palabras, pasa una de dos cosas: la interpretación se acelera hasta volverse ininteligible, o el modelo omite silenciosamente la segunda mitad de la oración. Ninguno de estos fallos se anuncia; solo lo notas al ver el montaje.

Por eso la lista de tomas calcula la duración mínima a partir de la propia frase y escribe ese número en la toma. Si las tomas de un segmento suman más de lo que el segmento puede contener, el segmento se divide en un límite de toma en lugar de comprimirse. Puedes ajustar cualquier duración manualmente; el cálculo existe para que el valor por defecto nunca falle de la forma que arruina una toma.

Notas de interpretación: dirección, no descripción literaria

Cada frase lleva una nota breve entre paréntesis, del tipo que un director daría en una mesa de lectura, no un adverbio de novelista. «Seco, ya lo ha decidido». «Intentando no mirar a la puerta». Estas notas llegan al modelo como instrucciones de interpretación y cambian la lectura de forma notable. El proceso aplica dos reglas para que sigan siendo útiles:

• La nota nunca repite la frase. Una nota que parafrasea la oración no aporta nada y consume la atención del modelo.
• Los marcadores de fuera de campo van primero. Si la frase es una voz en off, una voz al teléfono o un pensamiento interior, eso se indica antes que cualquier otra dirección, porque decide si la boca se mueve o no; equivocarse aquí es la diferencia entre una llamada telefónica y un personaje hablando solo en cámara.

Cuando el modelo devuelve frases sin notas —lo cual ocurre de forma impredecible—, un paso pequeño adicional rellena solo las que faltan, sin tocar las propias frases.

Un proyecto, un idioma de diálogo

El idioma del diálogo es un ajuste de proyecto, no de cada frase, y se elige antes del análisis porque cambia lo que se escribe, no solo cómo se renderiza. Una novela web china con diálogo en inglés produce frases en inglés con ritmo inglés, no oraciones chinas traducidas. Los nombres y los escenarios se adaptan si también estableces una región de destino.

Lo que no cambia es el precio: un segmento cuesta los mismos créditos en cualquier idioma, y los documentos de trabajo que lees se traducen gratis. Los detalles están en la guía de idioma de diálogo; diálogo nativo frente a doblaje explica por qué esto no es un paso de doblaje.

Lo que no hará

• Clonar una voz. Las voces proceden de una biblioteca preestablecida o de tu propia muestra subida. Aquí no hay forma de reproducir la voz de otra persona.
• Sincronizar labios en material que subas. El habla se genera con la imagen. No es una herramienta para poner palabras nuevas en la boca de un clip existente.
• Grabar subtítulos en el vídeo. El diálogo hablado es audio. Los subtítulos de plataforma se añaden tras la exportación.
• Mantener una conversación de cuatro personas en una sola toma. Las escenas de dos personajes son fiables; a partir de ahí, la cobertura se corta en tomas, que es lo que haría un montaje real de todos modos.

Qué cuesta

El diálogo no es un cargo separado: lo escriben las dos etapas de pago que ya ejecutas. El análisis de guion cuesta 4 créditos por 3,333 caracteres de texto en inglés; la lista de tomas de cada episodio cuesta 1 crédito por 333 caracteres de ese episodio. Reescribir una frase es gratis; volver a renderizar el segmento que la contiene cuesta el coste de vídeo del segmento, desde 10 créditos por segundo (aprox. $0.06/s en el plan precio más bajo por crédito). La coincidencia de voz no cuesta nada. Las cuentas nuevas empiezan con 50 créditos y una vista previa gratuita de hasta 5 segundos, suficiente para escuchar una frase interpretada antes de pagar nada. La tabla completa está en la página de precios.

Preguntas frecuentes

Precios·Guías·Ejemplos·Soporte·Privacidad·Términos·Aviso legal·Contacto·© 2026 SceneMixer