Avatar de IA
Un avatar de IA es un personaje de vídeo generado, a menudo basado en una persona real, que pronuncia un guion o respuestas en directo con movimientos de cara, labios y cabeza acordes.
También llamado: talking head, digital human, AI presenter, talking avatar
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Los avatares de IA son los presentadores de vídeos de formación, explicaciones de producto y pantallas de atención al cliente que nunca necesitaron un equipo de rodaje. Eliges un avatar de catálogo o creas uno a partir de imágenes tuyas, escribes un guion y el servicio genera un vídeo del avatar diciéndolo.
Cómo funciona
Un sistema de avatares encadena varios modelos. El text-to-speech o la clonación de voz produce el audio. Después, un modelo de cabeza parlante anima una cara para que encaje. SadTalker, un modelo abierto de investigación, muestra un enfoque: predice la postura 3D de la cabeza y la expresión facial a partir del audio y luego genera un vídeo desde una sola foto. Los modelos de sincronización labial se ocupan en concreto de la boca. Los avatares en directo añaden un modelo de lenguaje y voz a voz o un pipeline rápido para poder mantener una conversación.
Dónde te lo encuentras
Servicios como Synthesia, HeyGen y Tavus ofrecen avatares de estudio y acceso por API para vídeo personalizado o interactivo.
Avatar o deepfake
La tecnología es la misma que la de un deepfake. La diferencia está en el consentimiento y la transparencia: un avatar empresarial se crea con permiso de la persona y suele estar etiquetado como IA. Los servicios serios verifican la identidad antes de clonar una cara. Las leyes sobre imagen personal y etiquetado de IA varían según el país.
Límites
Las manos, el movimiento del cuerpo y el rango emocional suelen resultar rígidos, y en las tomas largas la identidad puede desviarse.
Términos relacionados
- Sincronización labial (vídeo con IA)
- La sincronización labial con IA (lip sync) es el uso de un modelo para cambiar los movimientos de la boca de una persona en un vídeo o una imagen de modo que encajen con una pista de audio nueva, como una frase traducida o reescrita.
- Deepfake
- Un deepfake es un contenido de imagen, audio o vídeo creado o alterado con IA de forma que muestra de manera convincente a una persona, un lugar o un hecho reales tal como no ocurrieron, y que podría pasar por auténtico.
- Text-to-speech
- El text-to-speech (TTS, texto a voz) es software que convierte texto escrito en audio hablado. El TTS moderno usa redes neuronales que predicen el sonido del habla a partir del texto y luego lo generan como forma de onda.
- Clonación de voz
- La clonación de voz (voice cloning) es el uso de IA para que un sistema de text-to-speech hable con la voz de una persona concreta, aprendida a partir de una grabación de esa persona. Algunos sistemas solo necesitan una muestra corta.
- Agente de voz
- Un agente de voz (voice agent) es un agente de IA que mantiene una conversación hablada en tiempo real: escucha a una persona, decide qué decir o hacer y responde con una voz sintética, a menudo por una línea telefónica o en una app.
- Text-to-video
- El text-to-video (texto a vídeo) es la tarea de generar un clip de vídeo corto a partir de un prompt escrito. Los modelos tienen que producir fotogramas que se vean bien cada uno por separado y que además se muevan de forma coherente de uno a otro.