Esta prueba de lip-sync en HeyGen pone a cantar a Cléo Velly en un videoclip vertical de 30 segundos. Queremos saber cuántos créditos consume un clip así y qué pasos exige.
1. Imagen de referencia
Primero necesitamos una imagen vertical (9:16) de Cléo Velly cantando. La generamos en ChatGPT, pero antes pedimos el prompt optimizado a nuestra skill de Claude:
/generador-prompts-gpt-image-2-6-sunburst para crear una imagen en formato 9:16 del personaje Cléo Velly (rostro en la imagen de referencia 1 y atuendo en la imagen de referencia 2) cantando en un estudio de grabación. Ambiente, iluminación y estilo cinematográfico, intimista. Plano medio del personaje mirando a cámara. Mantener peinado de la imagen de referencia 1 y atuendo de la imagen de referencia 2. Ambiente e iluminación cinematográfica.
Este es el prompt que devuelve la skill:
Image 1: face and hairstyle reference for the character Cléo Velly. Image 2: outfit reference.
Result: A vertical 9:16 cinematic photograph of Cléo Velly singing in a recording studio, medium shot from the waist up, centered in the frame, looking directly into the camera.
Scene: An intimate professional recording studio at night. Behind her, acoustic foam panels and warm wooden diffusers on the walls, a pair of studio headphones hanging on a stand, out-of-focus glowing VU meters and small amber lights from the mixing room glass. Quiet, close, private atmosphere.
Subject: Cléo Velly with the exact face, facial features, skin tone and hairstyle of image 1, wearing the exact outfit of image 2. She stands in front of a large-diaphragm condenser microphone with a round pop filter, positioned slightly to the side and below her chin so her whole face stays visible. Lips parted mid-note, relaxed and emotional expression, eyes looking straight into the lens. One hand lightly touching one side of her closed-back headphones over her ear.
Details: Photorealistic, cinematic film still look. Low-key lighting: a soft warm key light from the front-left sculpting her face, a subtle cool rim light separating her hair from the background, deep shadows, gentle haze in the air catching the light. Warm amber and muted teal palette. Shallow depth of field with creamy bokeh behind her, sharp focus on her eyes. Fine film grain, natural skin texture.
Constraints: Keep the face, features and hairstyle identical to image 1. Keep the outfit identical to image 2 in garments, colors, fabrics and details. Do not let the microphone or pop filter cover her face. No text, no logos, no watermarks, no extra people.
El prompt trabaja con dos imágenes de referencia:
Imagen 1: cuadrícula con el rostro de Cléo Velly en varios ángulos.
Imagen 2: Cléo Velly con el atuendo que queremos reproducir en el clip.
Subimos ambas a ChatGPT junto al prompt. Este es el resultado:
2. Lip-sync en HeyGen con el modelo Avatar VI
En HeyGen elegimos el modelo Avatar VI y subimos la imagen del paso 1 como nuevo aspecto del personaje.
En la configuración del motor de movimiento marcamos «Movimiento más expresivo». En «Aplicar movimiento personalizado» escribimos: «cantar con un tono entusiasta y enérgico».
Por último, subimos el audio de 30 segundos de la canción.
El lip-sync en HeyGen de este clip consume solo 24 créditos. Si la calidad acompaña, tenemos un método barato para producir los videoclips de Cléo Velly.
3. Resultado de la prueba
El primer clip tiene un fallo visible: una mano con seis dedos. Habrá que afinar el texto de «Aplicar movimiento personalizado».
4. Cómo corregir los errores
Los fallos de movimiento, de expresividad o de anatomía (como una mano con seis dedos) se corrigen con un prompt más preciso en el motor de movimiento. Conviene además retocar un poco la imagen del avatar, para que HeyGen haga una generación nueva de verdad y no repita el error.
Este es el clip tras aplicar las correcciones:
Imagen destacada generada con IA (ChatGPT).