En una feria industrial de Santiago la pantalla del stand tiene que decir el guion que el folleto ya prometió, y el visitante se queda poco si esa boca no se mueve. La foto oficial del vocero ya está impresa al lado del equipo. Lo que falta es que esa misma cara, nítida y de frente, pronuncie el audio que el área técnica aprobó. Por eso el área comercial trata Lip sync ai como la herramienta capaz de ese aviso: la pantalla habla con la foto clara, y el pasillo deja de depender de que alguien repita el párrafo a cada persona que se detiene.
El equipo llega con el retrato del vocero y con la pista ya grabada. El trabajo fuerte no es improvisar un set en el hotel. El trabajo fuerte es que la boca del aviso coincida con un guion de unos dos minutos que ya existe. Lipsync Studio parte de esa foto y de ese audio. Pide un retrato donde la cara se vea entera, y pide la pista hablada. La pantalla del stand es el destino de esa pieza, no un reemplazo menor de otra cosa.
La pantalla del pasillo pide una boca
Una lámina en silencio obliga al personal a repetir el mismo párrafo cada vez que alguien se detiene. Ese cuello de botella se nota a media mañana, cuando hay cola y el vocero está en una reunión de pasillo. La pantalla puede sostener el guion. Si solo muestra un logo, el visitante espera una persona. Cuando la foto clara habla, la persona del aviso está en la pantalla aunque el vocero esté en otra reunión.
El costo viejo es concreto. Alguien graba con el teléfono, la boca sale cortada, y el archivo vuelve al computador del stand para un retrabajo que nadie presupuestó. Una tarde entera se va en repetir la toma porque el nombre del equipo no se entiende, no porque faltara una idea. La foto oficial ya existía. El audio del guion también. Unirlos en un video que el reproductor puede dejar en loop es el paso que la feria sí necesita, y es el paso para el que esta herramienta está armada.
El retrato nítido ya es el material
El camino de una sola imagen es corto, y el orden importa porque la cara es el material, no un adorno. Una foto de feria útil muestra la cara entera, con luz pareja, sin un micrófono tapando la boca y sin un giro de espaldas. El audio entra como voz hablada. Los formatos de entrada que el escritorio acepta incluyen MP3, WAV y AAC, así que el guion grabado en el computador del stand no tiene que convertirse a otro contenedor por costumbre de agencia. La salida es un video. El stand lo copia al reproductor.
Hay dos topes de duración, y se elige por la foto. El modelo de imagen con control de expresión y de movimiento se queda en 5 minutos, y corresponde cuando la cabeza tiene que moverse un poco, no solo la boca, o cuando la foto trae texto, como el nombre del equipo escrito al lado de la cara. El modelo con control de quién habla acepta hasta 10 minutos, y corresponde cuando en la foto hay más de una persona y solo una debe decir el guion. Un aviso de dos minutos cabe en cualquiera de los dos. Se elige por lo que la foto ya muestra. Las piezas de habla en este escritorio pueden exportarse hasta en 4K, que es la lectura que pide una pantalla de pasillo cuando el nombre del producto está junto a la cara. El formulario de imagen puede abrir en 480p: eso alcanza para oír si el guion está bien cortado. La versión que se deja en loop conviene generarla en 1080p o en 4K.
Tres pasos para que la foto hable
Conviene seguir el orden publicado. Si se salta el retrato nítido, el resto no tiene cara a la cual obedecer, y la pantalla vuelve a ser un logo.
- Subir un retrato donde la cara se vea entera, con luz pareja y sin un micrófono tapando la boca.
- Subir el audio del guion ya grabado, con la frase completa y sin música encima de la voz.
- Generar el video y recién entonces mirar si la boca acompaña las sílabas.
Suba primero un retrato de cara entera
La foto de vocero que ya está en el folleto suele servir, siempre que la cara no quede chica ni de perfil. Si el encuadre trae el logotipo o una línea de texto pegada a la mejilla, el modelo de expresión y de movimiento es el que el escritorio indica para imágenes con texto, y el tope de 5 minutos sigue sobrando para un aviso de dos. Guardar esa foto en el computador del stand, con el nombre del archivo claro, evita que alguien suba el recorte del banner donde la boca quedó a un costado. La claridad de la cara es la ventaja de este camino. El modelo está hecho para partir de ella.
El audio trae solo la voz del guion
La pista tiene que ser la que el área técnica ya aprobó: el nombre del equipo, la frase del folleto, la duración que cabe en el loop. Si encima de la voz hay música de fondo, la boca persigue un compás que el guion no pidió. MP3 alcanza. No hace falta una sesión nueva para «mejorar» el tono. Cuando el audio y la foto ya dicen lo mismo, generar es el paso que produce el archivo. Mirar la boca antes de generar, sobre una foto quieta, no dice nada: la sílaba aparece en el video.
La máscara blanca marca al que habla
Muchas fotos de equipo traen a dos ingenieros. El audio es de uno solo. La herramienta no reparte las voces por adivinar el encuadre, y esa precisión es parte de lo que hace bien. Si más adelante el mismo stand quiere que esa cara cante un jingle corto, el escritorio también abre un AI music video generator que parte de una pista y de referencias visuales. El aviso del pasillo no espera ese plan de estrofas. Con la foto clara y el guion grabado, la boca ya cumple el trabajo que el visitante se detiene a oír. La máscara es el control de este aviso.
Lipsync Studio separa esa marca del texto libre. Los personajes que hablan no se controlan escribiendo una orden. Blanco significa que esa persona habla. Negro significa que no habla. La marca blanca tiene que cubrir labios, cara y cuerpo de quien dice el guion, no un puntito en la boca. Si la marca se queda corta, la boca equivocada se mueve, y el aviso dice el guion con la cara que el cliente no vino a oír.
Pinte de blanco al vocero completo
La máscara se dibuja después de que la foto ya subió. Antes no hay superficie fiable. En una foto de feria típica, el vocero está a la izquierda y un colega mira el equipo a la derecha. Se pinta de blanco al vocero completo. Se deja en negro al colega y al fondo. Esa es la regla de aprobación antes de gastar una generación: si el blanco no tapa la cara entera, no se genera. Corregir la máscara cuesta menos que aceptar un video donde habla la persona equivocada delante de un cliente. Cuando la boca se deforma al girar, o abre en una palabra que el audio no dijo, el archivo no pasó la revisión. Se guarda la foto. Se descarta esa generación.
También existe el caso de una sola pista sobre una foto de dos. La persona asociada a esa pista habla, y la otra permanece callada, como quien escucha en una visita de stand. No hace falta fabricar un segundo audio mudo si el guion es de una sola voz. Hace falta no subir, por error, la grabación de la reunión completa, donde las dos voces se pisan. Cada pista debe traer solo la voz que le corresponde. Si las voces se montan, las dos bocas se mueven a la vez y el aviso no sirve para el pasillo. Con una pista limpia, la foto de dos se queda en calma y solo habla quien el guion nombró.
Qué aviso puede quedar en el stand
La revisión de mesa, antes de copiar el archivo al reproductor, se hace al lado de la foto original. Se escucha el guion. Se mira la boca. Si en el teléfono la sílaba parecía bien, pero en la pantalla grande no coincide con el audio, esa versión se descarta. No se tapa con un rótulo. El visitante lee la boca antes que el título. Hay que entrar a la cuenta para recibir los créditos diarios de prueba. La generación sigue si se cierra la página, así que el equipo puede volver al plano de la feria sin quedarse mirando una barra. No conviene enviar la misma tarea dos veces: las dos pueden terminar, y nadie sabrá cuál se copió al pendrive. Las generaciones anteriores quedan en My Creations, y desde ahí se descarga la que sí pasó la mesa.
Este aviso encaja en Lipsync Studio cuando la empresa ya tiene la foto nítida del vocero y el guion grabado, y la pantalla del stand necesita que esa boca diga ese texto en loop. Un aviso de dos minutos, con una sola voz y la cara entera, es el caso en el que el producto se ve más capaz: la foto oficial habla, el personal deja de repetir el párrafo, y el archivo sale del computador hacia el reproductor antes de que abran las puertas. Una toma de espaldas no entra en este camino, porque el modelo de imagen parte de un retrato donde la cara se ve. Con esa cara a la vista, la pantalla del stand hace el trabajo para el que se armó el aviso.
Equipo Prensa
Portal Innova
