SceneMixer
Español
Regístrate gratis

Personajes que hablan

Vídeo con IA de personajes que hablan

Actualizado el 15 de noviembre de 2026

Respuesta rápida: el habla se genera junto con la imagen en un solo paso, no se sincronizan los labios sobre un render mudo. Cada plano contiene la frase literalmente, el personaje que habla vinculado a una voz estable de la biblioteca, una indicación breve de interpretación y una nota explícita de que todos los demás personajes en plano mantienen los labios cerrados. Los planos con diálogo tienen una duración mínima: tres palabras por segundo en inglés, así que ninguna frase se comprime en un plano demasiado corto para ella.
Imagen de “El velo del alba”, un drama corto con IA generado de principio a fin por SceneMixer (6 personajes, 1 episodio)
EjemploEl velo del albaHD Digital1 episodioProducido de principio a fin por SceneMixer a partir del guionVer los episodios
SceneMixer de un vistazoQué obtienes
Precio del videoDesde 0,06 $ por segundo (10 créditos) en el nivel predeterminado, hasta 0,47 $ por segundo en el nivel superior; cada precio se muestra antes de pulsar el botón
Duración del clipHasta 30 segundos por segmento generado; un episodio se compone a partir de sus segmentos a 1 crédito por segundo
Un episodio, calculadoUn episodio de 60 segundos en el nivel predeterminado cuesta unos 660 créditos (video más composición), unos 4,11 $ al precio de crédito más bajo; una serie de 10 episodios de 90 segundos a partir de una novela de 30.000 caracteres cuesta unos 10.026 créditos, unos 62 $
DiálogoSe habla dentro del propio video, con una voz por personaje, en cualquiera de 15 idiomas
Formatos9:16 vertical o 16:9 horizontal; de 480P a 1080P, más un nivel 2K
Gratis para empezar50 créditos al registrarte, 15 imágenes de configuración gratuitas, un storyboard gratis para el primer episodio y una vista previa de video gratuita de 5 segundos
Quién lo usaMás de 2900 creadores han generado con SceneMixer (cuentas con al menos una generación, contadas en noviembre de 2026)
EntradaUn guion, una novela o una idea en una línea; subida de archivos .txt, .docx y .md

La voz sale de la misma generación que la imagen

Hay dos formas de hacer que un personaje hable en pantalla. Una es renderizar un vídeo mudo y luego mover la boca con una pista de audio: la vía de la sincronización labial, que requiere un recorte del rostro y un archivo de audio de referencia, y produce una cara que se mueve correctamente pero un cuerpo que no actúa. La otra es generar imagen y sonido a la vez, de modo que la interpretación y la boca son una sola decisión.

SceneMixer hace lo segundo. El nivel de vídeo predeterminado es audiovisual: el modelo recibe la línea, quién la dice, cómo se dice y una referencia de voz, y devuelve un plano con la línea dicha. Nada se añade después.

De un vistazo

Qué se envía con un plano de habla
La fraseLiteral, una sola vez. Se dice exactamente como está escrita: sin parafrasear, sin reajustar el tiempo.
Quién la diceCon nombre, y vinculado a la referencia de voz de ese personaje para que la misma persona suene igual en todos los episodios.
Cómo se diceUna indicación corta entre corchetes: entre dientes, todavía sonriendo, forzando un tono plano. Es dirección de interpretación, no subtítulo.
Quién más está en planoMarcado con labios cerrados, para que quienes escuchan no muevan la boca al compás.
Habla fuera de planoSe marca primero en el corchete — voz en off, al teléfono, por el interfono — y luego se describe a todos los visibles con la boca cerrada.
TiempoUn plano con diálogo nunca es más corto de lo que la frase necesita: tres palabras por segundo en inglés, cinco caracteres por segundo en chino.

Las voces se emparejan, no se sintetizan por personaje

En SceneMixer, a cada personaje se le asigna una voz de una biblioteca de voces de sistema prediseñadas: escuchas una muestra de tres a ocho segundos antes de elegir, puedes volver a asociarla, elegir otra en el selector o subir tu propia grabación. La razón de asociar en lugar de diseñar una voz por personaje es el coste y la estabilidad: las voces diseñadas derivan entre generaciones y se cobran por carácter, mientras que una voz de biblioteca es la misma en el episodio uno que en el doce.

Si un personaje no tiene voz asignada, el plano recurre a una descripción escrita de la voz — edad, textura, registro — que el modelo interpreta. Ese es el valor predeterminado para proyectos nuevos; asignar voces es un paso deliberado, no algo que ocurre automáticamente con cada personaje.

La regla de tiempo y por qué existe

Un plano de cuatro segundos no puede contener dieciséis palabras en inglés. O la dicción se apresura hasta volverse ininteligible, o la línea se corta. Por eso los planos de diálogo de SceneMixer tienen un mínimo derivado de la línea: número de palabras dividido entre tres para el inglés, número de caracteres dividido entre cinco para el chino, y las líneas cortas reciben una pausa adicional en lugar de quedar aplastadas a su mínimo teórico. Los planos que resultan demasiado cortos para su línea se marcan y se corrigen antes de renderizar, lo que cuesta menos que descubrirlo en el resultado.

Idioma

El idioma del diálogo es un ajuste del proyecto, elegido una vez, y se aplica donde se escriben las frases por primera vez en lugar de traducirse después; así la interpretación se crea en ese idioma en lugar de ser un doblaje. Hay quince idiomas de interfaz disponibles y el diálogo se admite en todos ellos; un par de idiomas pronuncian mal alguna que otra palabra en el nivel de modelo predeterminado, y el selector lo indica cuando ocurre. La página de voces de personajes lo trata con detalle.

Lo que no hará

Cuánto cuesta

El habla está incluida en el precio del vídeo: no hay cargo de audio separado. El vídeo empieza en 10 créditos por segundo de salida (aprox. 0,06 $/s en el precio más bajo por crédito) y llega a 0,47 $/s en el nivel más nítido; el montaje cuesta 1 crédito por segundo. El emparejamiento de voz desde la biblioteca es gratuito. Las cuentas nuevas reciben 50 créditos y una previsualización gratuita de hasta 5 segundos: suficiente para oír hablar a un personaje antes de decidir. Las tarifas están en la página de precios.

Idiomas

Diálogos nativos en 15 idiomas

Cada serie a continuación se ha producido con el mismo flujo de trabajo de SceneMixer y el reparto habla ese idioma de forma nativa: la interfaz, los documentos de trabajo y las líneas habladas están en un mismo idioma, y no hay doblaje. Abre una para escucharlo.

Ver los 15 idiomas

SceneMixer frente a unir herramientas sueltas

La mayoría de los flujos de trabajo de dramas con IA son cinco o seis herramientas encadenadas. Aquí tienes dónde ocurre cada paso y qué sustituye.

PasoEn SceneMixerA mano, con herramientas separadas
Guion y plan de episodiosPega un guion o una novela, o escribe una sola línea: se lee y se convierte en un reparto, localizaciones, objetos de escena y un esquema de episodios que puedes editarUn modelo de chat escribe el guion; tú lo divides en episodios y pasas el texto de una herramienta a otra
Rostros de personajes y lugaresCada personaje, localización y objeto se dibuja una sola vez como hoja de referencia y se adjunta a todos los planos en los que apareceUn modelo de imagen, una hoja cada vez; tú subes la referencia correcta a cada clip
PlanosUn storyboard por episodio con planos numerados y segundos; el video se genera segmento a segmento en 9:16 o 16:9 con las mismas hojas de referenciaUn modelo de video, un clip por instrucción, describiendo a las mismas personas una y otra vez
Voces y diálogoLas líneas se interpretan dentro del propio video, con una voz por personaje, en cualquiera de 15 idiomasUna herramienta de texto a voz para cada línea y después una pasada de sincronización labial en cada clip
Corregir un planoEdita el texto de ese plano y regenera solo el segmento; el resto del episodio queda intactoRegenera el clip y vuelve a montar la línea de tiempo
AcabadoLos segmentos se componen en un único archivo de episodio con su banda sonora; los miembros descargan sin la insignia de IAUn editor de video para unir los clips, añadir música y subtítulos y exportar
PublicaciónSubes el episodio terminado a TikTok, YouTube, Instagram o a cualquier otro sitio; no se publica nada por tiSúbelo a mano, igual que aquí

Preguntas frecuentes

¿Esto es sincronización labial?

No. SceneMixer genera imagen y voz juntas en una sola pasada, así que la boca y la interpretación son la misma decisión. No hay una pista de audio aparte que se ajuste a un render mudo, ni forma de dirigir una foto o un vídeo subido.

¿Puedo usar mi propia voz?

Puedes subir una grabación a SceneMixer como referencia de voz de un personaje. La voz de otra persona solo con su permiso.

¿Los personajes que escuchan en el plano mueven la boca?

No deberían: SceneMixer marca explícitamente a cada personaje en campo que no habla, con los labios cerrados; es la instrucción que impide que un oyente mueva la boca con la línea.

¿Qué pasa con la voz en off y las llamadas telefónicas?

SceneMixer escribe primero la marca fuera de campo en la nota de interpretación, y luego describe a todos los visibles en el plano con la boca cerrada: así la línea se oye sin que nadie parezca decirla.

¿Por qué mi plano con diálogo es más largo de lo que escribí?

Porque la línea necesita tiempo. SceneMixer da a los planos con diálogo un mínimo de unas tres palabras por segundo en inglés y cinco caracteres por segundo en chino, con una pausa añadida para las líneas muy cortas. Un plano demasiado corto para su línea se corrige antes del render, no después.

Escucha a un personaje antes de comprometer un episodio

La vista previa gratuita dura lo suficiente para una línea de diálogo.

Prueba SceneMixer gratis

Paquetes de créditos desde 1,49 $ · Pro 7,99 $/mes · No necesitas tarjeta de crédito para empezar