La misma cara en otro idioma: qué tiene que cambiar de verdad
Un presentador que aparece en tus vídeos son tres capas apiladas, y solo dos dependen del idioma. Está la identidad, que es la cara, la ropa, la luz y el encuadre. Está la voz, que lleva acento, ritmo y tono. Y está el lip sync, que es el movimiento de la boca casado con el audio. Cuando coges un vídeo terminado en español y lo reconstruyes en inglés, la identidad queda intacta. La voz se regenera. El lip sync se recalcula. Nada más del presentador cambia.
Esa separación importa porque casi todo el mundo presupuesta un canal multilingüe como si cada idioma fuera una producción nueva. No lo es. El trabajo caro de cabeza, decidir el ángulo, investigar los datos, escribir el guion, elegir las escenas, montar la composición de la miniatura, se hace una vez y se reutiliza en todas las versiones. Una copia en inglés de un vídeo en español no es un segundo vídeo. Es el mismo vídeo con otra capa de audio y una boca recalculada.
Lo que sorprende es cuál de los dos costes que se repiten duele de verdad. La narración en otro idioma es barata. Recalcular la boca no lo es, porque el lip sync se cobra por segundo de cara visible en pantalla. Falla ese único número y un canal en cinco idiomas parece imposible sobre el papel cuando en la práctica cabe en el presupuesto.
- La identidad (cara, ropa, encuadre) se construye una vez y no se vuelve a pagar.
- La voz se regenera por idioma y cuesta muy poco.
- El lip sync se recalcula por idioma y es la cuenta de verdad.
- Guion, investigación y escenas se reutilizan, no se reescriben desde cero.
Quien manda en la cuenta es el segundo de cara, no la cantidad de idiomas
Estos son los números del motor real, no una estimación. El lip sync se cobra por segundo de cara en pantalla: Kling Avatar Standard cuesta 32 créditos por segundo, Kling Avatar Pro cuesta 64, HeyGen Avatar cuesta 80 y OmniHuman 1.5 cuesta 112. El crédito vale US$ 0,003133 en el plan Starter, así que un minuto de cara en el más barato son unos US$ 6,02 y en el más caro unos US$ 21,05.
Ahora aplícalo a un vídeo de 12 minutos. En modo económico el vídeo entero cuesta 1.008 créditos. Súmale 90 segundos de avatar en Kling Standard y pasa a 3.888 créditos, unos US$ 12,18. Haz los 12 minutos enteros de cabeza parlante y salta a 24.048 créditos, unos US$ 75,34. El avatar es el 74% de la primera cuenta y el 96% de la segunda. Guion, escenas, edición y render son detalle al lado de la cara.
Duplica ese mismo vídeo al inglés y solo vuelves a pagar dos cosas: la narración en el nuevo idioma, 36 créditos para 12 minutos en económico o 288 con voz premium, y los segundos de avatar, que siguen siendo 2.880 créditos por 90 segundos. Es decir, la versión en inglés cuesta unos 2.916 créditos frente a 3.888 del original. El idioma no cambió nada. El segundo de cara decidió la cuenta entera, igual que la primera vez. En FalconVid configuras esa dosis por proyecto, y por eso el mismo canal funciona en cinco idiomas sin que el presupuesto se multiplique por cinco.
- Kling Std 32 cr/s · Kling Pro 64 · HeyGen 80 · OmniHuman 1.5 112 créditos por segundo.
- Vídeo de 12 min en económico = 1.008 créditos. Con 90 s de cara = 3.888 créditos.
- Cabeza parlante los 12 minutos enteros = 24.048 créditos, unos US$ 75,34.
- Copia en inglés de la versión de 90 segundos = unos 2.916 créditos.
- Bajar la cara de 90 s a 30 s tira el coste del avatar de 2.880 a 960 créditos.
Dónde se rompe el lip sync de verdad, y la prueba de 15 segundos que cuesta 480 créditos
El lip sync no falla por igual. Empeora en sitios concretos y predecibles, y son los mismos en cualquier idioma: grupos consonánticos rápidos, palabras donde los labios tienen que cerrarse con fuerza en una oclusiva, y cualquier pasaje leído por encima de unas 175 palabras por minuto. Un idioma con muchas consonantes apiladas da menos tiempo entre una forma de boca y otra, y el desfase aparece como una boca ligeramente adelantada respecto al sonido. El espectador casi nunca sabe nombrarlo. Solo siente que algo va mal y se va.
El otro fallo es la duración. Un clip de 15 segundos casi siempre queda bien. Un plano continuo de 3 minutos de la misma cara es donde los micro errores se acumulan hasta dar ese resultado raro, porque el espectador tiene tiempo de estudiar la boca. Ese es el argumento más fuerte a favor de dosis cortas de avatar incluso antes de mirar el precio, y vale en todos los idiomas que pruebes.
La forma más barata de saber cómo se comporta un idioma es comprar 15 segundos. En Kling Standard son 480 créditos, unos US$ 1,50. Genera un clip de 15 segundos en el idioma objetivo, míralo a pantalla completa en el móvil y solo entonces decide si ese idioma lleva 90 segundos por vídeo o 30. Probar antes de comprometerte es la diferencia entre un experimento de 480 créditos y un error de 2.880 repetido durante un mes entero de publicaciones. En FalconVid puedes renderizar ese clip de prueba dentro del proyecto sin tocar la versión publicada.
- Puntos de fallo: grupos consonánticos, oclusivas fuertes, lectura por encima de 175 palabras por minuto.
- El plano corto esconde el micro error. El plano largo de cara lo expone.
- Un clip de prueba de 15 segundos cuesta 480 créditos en Kling Standard, unos US$ 1,50.
- Prueba en el móvil a pantalla completa. Ahí es donde mira tu audiencia.
La voz tiene que encajar con la cara y con el mercado, no solo con el idioma
Elegir el idioma es la parte fácil. Elegir el acento dentro de ese idioma es la parte que decide si el canal suena local o importado. El español de México y el de España no son intercambiables para el espectador, y el portugués de Brasil y el de Portugal tampoco. El problema no es entender. Es confiar: la persona oye una voz que no es de su mercado y archiva el canal como contenido extranjero antes de que acaben los primeros 30 segundos.
Hay un segundo desajuste que solo aparece cuando pones una cara. Ahora la voz tiene que ser plausible saliendo de esa persona concreta. Aspecto de 25 años con voz grave y solemne suena doblado. Ritmo tranquilo y bajo con cara agitada suena fuera de sincronía aunque el lip sync esté técnicamente bien. Cuando el mismo avatar lleva cinco idiomas, no eliges cinco voces: eliges cinco voces que tienen que parecer el mismo ser humano.
El ritmo es la tercera variable y la más ignorada. El mismo guion no dura lo mismo en todos los idiomas: un texto que da 12 minutos en inglés puede quedar bastante más largo en español o portugués, porque son lenguas menos densas por sílaba. Eso cambia cuántos segundos de cara entran en la cuenta. FalconVid regenera la narración por idioma y mantiene el perfil de voz atado a la identidad del canal, así que las cinco versiones siguen sonando a un único presentador y no a cinco desconocidos con la misma cara.
- El acento es una decisión de mercado, no de idioma.
- La voz tiene que ser plausible para la edad aparente y la energía de la cara.
- El mismo guion dura más en español y portugués que en inglés.
- Más duración significa más segundos de cara en la cuenta, así que revisa la dosis por idioma.
Cómo FalconVid duplica un proyecto a otro idioma cobrando solo la diferencia
Esta es la mecánica concreta que hace viable un canal multilingüe con avatar. Coges un proyecto terminado y lo duplicas a un segundo idioma. Investigación, estructura del guion, lista de escenas, medios y composición de la miniatura vienen intactos. Lo que se regenera es la narración en el idioma objetivo y, si el vídeo usa avatar, el lip sync de los segundos de cara que configuraste. Pagas la diferencia, no una segunda producción.
Alrededor de eso está el resto del pipeline. Los especialistas de IA, investigador, guionista, narrador, editor y diseñador de sonido, trabajan en paralelo en lugar de en cola, así que el vídeo está listo en hasta 30 minutos. FalconVid publica en YouTube, Instagram, TikTok, Rumble y Facebook, en hasta 63 idiomas, desde un calendario que apruebas una vez. Cada canal tiene su calendario, su identidad y su idioma, que es justo lo que necesita una operación de cinco idiomas: cinco canales que no se contaminan entre sí.
Toda función de creación está en todos los planes. Lo que cambia es volumen, cuántos canales, cuántas generaciones simultáneas, el Analista Sénior (desde Pro, con 7 días de prueba en Starter) y el nivel de soporte. Starter de US$ 47 da 15.000 créditos, 1 canal y 2 generaciones simultáneas. Pro de US$ 97 da 30.000 créditos, 5 canales y 5 simultáneas. Scale de US$ 997 da 320.000 créditos con 50 canales y 50 generaciones simultáneas, que es donde acaba una operación seria en varios idiomas.
- Duplica un proyecto a otro idioma y paga solo narración más los segundos de avatar.
- Los especialistas trabajan en paralelo, así que el vídeo está listo en hasta 30 minutos.
- 5 redes, hasta 63 idiomas, un calendario que apruebas.
- Toda función de creación en todos los planes. Lo que cambia es volumen, canales, el Analista Sénior y el soporte.
- Starter US$ 47 / 15.000 cr / 1 canal · Pro US$ 97 / 30.000 cr / 5 canales · Scale US$ 997 / 320.000 cr / 50 canales.
La dosis que sobrevive a cinco idiomas: cuatro apariciones en vez de cabeza parlante
El patrón que funciona entre idiomas no es un presentador hablando 12 minutos. Son cuatro apariciones cortas, puestas donde el espectador necesita a un humano. El gancho, unos 20 segundos en la apertura, donde la cara compra atención. Una transición a mitad, unos 20 segundos, donde el vídeo cambia de dirección y el presentador lo reancla. El veredicto, unos 30 segundos, donde la conclusión necesita a alguien que la asuma. Y la llamada final, unos 20 segundos. Son 90 segundos en total.
En Kling Standard esos 90 segundos cuestan 2.880 créditos por versión de idioma. Quita la transición y la llamada y te quedas en 50 segundos, que son 1.600 créditos. Deja solo el gancho y son 640 créditos. Esas tres configuraciones producen tres cuentas mensuales completamente distintas para el mismo canal, y la diferencia de retención entre ellas es mucho menor que la diferencia de precio. La mayoría gasta de más en tiempo de cara porque nadie escribió nunca cuánto cuesta cada segundo.
Una vez que la dosis está bien en el idioma de origen, se copia limpia. Las cinco versiones comparten la misma estructura de cuatro apariciones, así que el presupuesto por idioma es predecible y puedes planificar un mes en lugar de adivinar. En FalconVid, un vídeo con 90 segundos de cara cuesta 3.888 créditos en modo económico, así que Pro de US$ 97 con 30.000 créditos cubre unos 7 al mes, y Business de US$ 297 con 95.000 cubre unos 24. Mezclar vídeos con avatar y vídeos económicos puros de 1.008 créditos es como la mayoría cierra el mes de verdad.
- Cuatro apariciones: gancho 20 s, transición 20 s, veredicto 30 s, llamada 20 s. Total 90 s.
- 90 s = 2.880 créditos · 50 s = 1.600 · 20 s = 640, por versión de idioma.
- La dosis se copia limpia entre idiomas, así que el presupuesto es predecible.
- Pro de US$ 97 cubre unos 7 vídeos con 90 segundos de avatar al mes en económico.
Qué medir antes de abrir un quinto idioma
No abras idiomas en paralelo. Abre uno, déjalo 30 días y lee tres números antes de decidir el siguiente. El primero es la duración media de visualización comparada con el idioma de origen: si el nuevo retiene bastante menos, el problema suele ser la voz o el ritmo, no el tema. El segundo es el idioma de los comentarios: si la gente comenta en una variante distinta de la que elegiste, la decisión de acento estaba mal. El tercero es el RPM, porque un idioma con RPM más bajo todavía puede compensar si la competencia es más floja, pero necesitas saber qué intercambio estás haciendo.
El error que mata a los canales multilingües es abrir cuatro de golpe, ver que los cuatro van mal y no poder decir si la causa fue el idioma, la voz, la dosis de avatar o el tema. Una variable cada vez es más lento durante dos meses y mucho más rápido durante un año. También protege la caja: un idioma que no funciona te cuesta 30 días de créditos en lugar de 120.
El límite honesto de hacer esto a mano es real. Reescribir, volver a narrar, resincronizar y republicar un vídeo en cinco idiomas es un día entero de trabajo de una persona, y por eso casi nadie lleva un canal faceless multilingüe con avatar más allá de tres idiomas. Ese techo es del trabajo MANUAL. Con FalconVid la copia es una acción del proyecto, los especialistas trabajan en paralelo y las generaciones simultáneas van de 2 en Starter a 50 en Scale, así que la cantidad de idiomas deja de ser una pregunta de mano de obra y pasa a ser una cuenta de créditos que calculas antes.
- Abre un idioma cada vez y dale 30 días.
- Lee la duración media de visualización frente al idioma de origen.
- Lee el idioma y la variante que se usan en los comentarios.
- Lee el RPM, y acepta un RPM menor solo cuando la competencia sea más floja.
- El trabajo manual multilingüe con avatar se atasca cerca de tres idiomas. El automatizado no.