Lip sync con IA: cómo hacer que una foto hable (Hedra, Kling, HeyGen)
Lip sync con IA paso a paso: cómo hacer una foto que habla con Hedra, Kling Lip Sync, HeyGen o sync., cuánto cuesta por segundo y qué dice la ley.
En esta página
Para hacer lip sync con IA, es decir, que una foto o un personaje hable, necesitas dos cosas: una imagen o un video con la cara bien visible y un audio con la voz. Una herramienta como Hedra Character-3, Kling Lip Sync, Kling AI Avatar o los avatares de HeyGen mueve la boca, la mandíbula y parte de la cara al ritmo de ese audio. Si el video ya existe y solo quieres cambiar lo que dice, la opción especializada es sync., que cobra unos 3 USD por minuto. Si lo que quieres cambiar es la cara y no lo que dice, eso es un face swap en video.
En animación tradicional el lip sync se dibuja fonema a fonema sobre una hoja de exposición. La IA lo resuelve en segundos, pero hereda los mismos problemas de siempre: las bilabiales (p, b, m), los perfiles y las bocas tapadas. Esta guía compara herramientas, costes y límites con datos oficiales de octubre de 2026.
¿Qué es el lip sync con IA y qué tipos hay?#
El lip sync es la sincronización entre la boca de un personaje y lo que se oye. Con IA hay tres caminos distintos, y elegir mal es la causa número uno de resultados raros:
- Foto más audio. Subes un retrato y una pista de voz y obtienes un “busto parlante”. Es lo que la gente busca como foto que habla. Herramientas: Hedra, Kling AI Avatar, HeyGen.
- Video existente más audio nuevo. El modelo reescribe solo la zona de la boca de un video grabado. Sirve para corregir una frase o doblar. Herramientas: sync., Kling Lip Sync, HeyGen Video Translate.
- Generación con audio nativo. El modelo crea imagen y voz a la vez a partir del prompt. Herramientas: Kling 3.0, Seedance, Veo 3.1 y Gemini Omni.
Si tu objetivo es solo que una foto se mueva, sin voz, el flujo correcto es animar una foto con IA.
Hay un cuarto caso que mezcla los anteriores: el presentador recurrente, un mismo personaje que habla en muchos videos. Ahí el reto pasa de la boca a la identidad: que la cara y la voz sean idénticas cada semana. Kling resuelve parte con Elements que guardan la voz, y HeyGen con un avatar propio creado a partir de una grabación de unos 15 segundos. Lo explicamos en personaje consistente con IA y, si el objetivo es un perfil en redes, en influencer virtual con IA.
¿Qué herramienta de lip sync elegir?#
| Herramienta | Tipo | Precio de entrada | Límite clave |
|---|---|---|---|
| Hedra Character-3 | Foto + audio | Basic 20 USD/mes (2 000 créditos) | Gratis con marca de agua según terceros |
| Kling Lip Sync | Video + audio o texto a voz | 1 crédito por segundo | Solo humanos (reales, 3D o 2D) |
| Kling AI Avatar v2 | Foto + audio | Créditos de Kling | Hasta 5 min según terceros |
| HeyGen | Avatar o photo avatar + guion | Gratis (3 videos/mes) o Creator 29 USD/mes | Free hasta 1 min por video |
| sync. | Video + audio | 5 USD/mes + 0,05 USD/s | Hobbyist: videos de hasta 1 min |
| DomoAI Talking Avatar | Foto + audio | Basic 13 USD/mes | 20 s en Basic, 60 s en Pro |
Fuentes: páginas de precios de Hedra, sync., HeyGen y DomoAI, y guía oficial de Kling (octubre de 2026). Hedra y HeyGen son los más rápidos para una foto que habla; sync. es el más preciso para cambiar el diálogo de un video real. La ficha de HeyGen detalla sus planes y avatares, y la de Hedra, sus modelos Character-3 y Hedra Avatar (hasta 10 minutos).
Cómo hacer una foto que habla paso a paso#
- Prepara el audio primero. La boca sigue a la voz, así que todo empieza ahí: voz limpia, sin música debajo, frases cortas. Si generas la voz, recuerda que el plan gratis de ElevenLabs no incluye licencia comercial; el Starter de 6 USD al mes sí. Otras opciones, en la comparativa de generadores de voz IA.
- Elige la imagen. Cara frontal o en tres cuartos, boca visible y cerrada o neutra, buena luz. Nada de manos, micrófonos o barba tapando los labios.
- Sube imagen y audio a la herramienta (en Hedra, Character-3; en Kling, AI Avatar; en HeyGen, photo avatar).
- Genera en baja resolución primero. En Hedra, 540p cuesta la mitad de créditos que 720p según terceros.
- Revisa las bilabiales. En la p, la b y la m los labios deben cerrarse; si no lo hacen, la ilusión se rompe.
- Exporta y monta. Añade subtítulos si va a redes; la guía de subtítulos automáticos cubre las opciones gratis.
Cómo Hacer que una Foto Hable con HEDRA AI | TUTORIAL paso a paso
Tutorial en español del flujo foto + audio en Hedra, el caso más buscado de foto que habla.
¿Cuánto cuesta el lip sync por segundo?#
| Herramienta | Coste aproximado por segundo | Cómo se calcula |
|---|---|---|
| Kling Lip Sync | ~0,015 USD + el video base | 1 crédito/s con plan Standard (10 USD / 660 créditos) |
| Hedra Character-3 540p | ~0,03 USD | 3 créditos/s con Basic (20 USD / 2 000 créditos) |
| Hedra Character-3 720p | ~0,06 USD | 6 créditos/s con Basic |
| HeyGen Avatar V (API) | 0,05 USD | Precio oficial de mayo de 2026 |
| sync. (Hobbyist o Creator) | 0,05 USD + cuota mensual | Precio oficial; Scale baja a 0,04 USD/s |
Cálculos propios sobre precios oficiales y de terceros (octubre de 2026). En Kling hay que sumar el coste del video sobre el que haces el lip sync: según la guía oficial de Kling Lip Sync, 5 segundos cuestan 5 créditos y 10 segundos, 10. Para comparar con otros modelos, consulta el índice de precios de video IA.
Lip sync en español: qué modelos lo hablan#
Los modelos de lip sync puros trabajan sobre el audio, así que sincronizan cualquier idioma. El reto está en generar la voz. Kling 3.0 es el modelo con documentación oficial de diálogo nativo en español, junto a chino, inglés, japonés y coreano, y permite mezclar idiomas en el mismo video. Seedance 1.5 Pro también incluye español según terceros.
Para acentos regionales, ElevenLabs admite variantes como es-MX en su doblaje, y el doblaje automático de YouTube incluye el español entre los 8 idiomas de Expressive Speech, que traslada tono y energía del original. En Kling, el texto a voz de Lip Sync permite ajustar la velocidad de 0,8x a 2x: útil cuando una frase en español es más larga que el plano.
Si tu proyecto es una canción, el flujo cambia un poco; lo explicamos en video musical con IA.
Doblar un video existente con lip sync#
Cuando el video ya está grabado y quieres que diga otra cosa o hable otro idioma, el lip sync se convierte en doblaje. sync. ofrece los modelos sync-3, lipsync-2-pro y react-1, con planes desde 5 USD al mes (videos de hasta 1 minuto) hasta Scale, a 249 USD al mes (hasta 30 minutos). HeyGen Video Translate traduce y sincroniza en más de 175 idiomas y dialectos en sus planes de pago.
En Synthesia el doblaje con lip sync consume el doble: 80 créditos por minuto frente a 40 sin él. YouTube, por su parte, prueba un lip sync experimental para canales seleccionados, que se activa en YouTube Studio dentro de la configuración avanzada del canal. El flujo completo está en traducir y doblar videos con IA.
Dónde falla el lip sync#
| Síntoma | Causa | Solución |
|---|---|---|
| La boca no cierra en p, b, m | Audio con ruido o habla muy rápida | Limpia la voz y baja el ritmo |
| El audio se corta al final | Audio más largo que el video | Kling recorta lo que sobra: alarga el video o divide el audio |
| Dientes o labios deformes | Imagen de baja resolución o perfil | Usa un retrato frontal nítido |
| No funciona con tu mascota | El modelo solo admite humanos | Kling Lip Sync excluye animales; prueba otra herramienta |
| Mirada fija y cuerpo rígido | La herramienta solo anima la boca | HeyGen Avatar V Custom Motion dirige mirada y gestos |
Un límite honesto: el lip sync con IA engaña bien en planos cortos y frontales, pero se delata en primeros planos largos. Si te interesa detectarlo, revisa las señales de cómo saber si un video es IA.
¿Es legal hacer hablar a una persona real?#
Depende del consentimiento. En México, las reformas publicadas en el DOF el 14 de mayo de 2026 exigen autorización expresa, previa e informada para usar la voz o la imagen de una persona mediante IA. En España, el proyecto de ley de 2026 sobre el honor y la propia imagen considera intromisión ilegítima hacerlo con fines comerciales, e incluye recreaciones de personas fallecidas.
En la UE, el artículo 50 del AI Act obliga desde el 2 de agosto de 2026 a declarar los deepfakes; las directrices de la Comisión citan como ejemplo los avatares de IA de directivos y no exigen intención de engañar. HeyGen, además, pide un video de consentimiento para crear un avatar de una persona. Más contexto en qué es un deepfake y, para ver el resto de herramientas y flujos, en la guía de cómo crear videos con IA.