¿HeyGen o Synthesia para un canal de YouTube? Los minutos del avatar de IA se agotan en una semana

Un estudio de avatar de IA hace una cosa muy bien. Le das un guion y te devuelve un presentador realista diciendo ese texto, con lip sync, gestos y fondo limpio, en decenas de idiomas. HeyGen y Synthesia son los dos nombres que más aparecen cuando alguien busca un generador de avatar de IA, y los dos son productos serios, usados por empresas grandes en formación, ventas y comunicación interna. La pregunta aquí no es si funcionan. Es qué estás comprando exactamente cuando el objetivo es un canal de YouTube.

A la fecha de este texto, según su página de precios, Synthesia vende minutos de video. El plan Basic, gratis, da 10 minutos al mes. El Starter cuesta US$ 29 al mes, o US$ 18 al mes en el anual, con 10 minutos de video al mes. El Creator cuesta US$ 89 al mes, o US$ 64 en el anual, con 30 minutos al mes. El Enterprise es bajo consulta e ilimitado. HeyGen vende créditos. El plan Free da 3 videos al mes de hasta 1 minuto. El Creator cuesta US$ 29 al mes, unos US$ 24 en el anual, admite videos de hasta 30 minutos e incluye 600 créditos al mes. El Pro cuesta US$ 49 al mes con 1.000 créditos. El Business cuesta US$ 149 al mes más US$ 20 por asiento, admite videos de hasta 60 minutos e incluye 1.500 créditos.

Los créditos de HeyGen se consumen a ritmos distintos según el modelo de avatar y la duración del video, así que no se convierten en un número exacto de minutos, y quien te da una cifra fija está adivinando. Los precios y las cuotas en esta categoría también cambian a menudo, así que revisa ambas páginas antes de decidir. El patrón, sin embargo, es el mismo en las dos: la unidad que pagas es el presentador en pantalla, medido en minutos o en créditos que se comportan como minutos.

Esa unidad tiene todo el sentido para el trabajo para el que nacieron estas herramientas. Un módulo de bienvenida de tres minutos, un anuncio de producto de dos, un mensaje de venta personalizado de uno. Esos videos son el presentador del primer al último segundo. Si quieres el lado práctico de producir ese tipo de clip, del guion a la exportación, el paso a paso de video con avatar de IA lo cubre. Un canal de YouTube es otra cosa, y la diferencia aparece en cuanto haces la cuenta de un mes.

Toma un canal modesto. Dos videos por semana, ocho al mes, cada uno de doce minutos, una duración normal en nichos de comentario, historia, finanzas, true crime o explicación, donde el tiempo de visualización es la moneda. Son 96 minutos de video terminado al mes. Ahora pon al presentador en pantalla todo el tiempo, que es lo que pasa cuando el estudio de avatar es toda la producción.

El Starter de Synthesia, con 10 minutos al mes, cubre menos de uno de esos videos: 10 minutos contra un video de 12, así que el primer video del mes ni siquiera cabe. Esa es la semana del título. El Creator, con 30 minutos, cubre dos videos y medio, los primeros diez días del calendario. Para llegar a 96 minutos en Synthesia sales de los planes de autoservicio y hablas con ventas de Enterprise. En HeyGen el consumo de créditos depende del modelo que elijas, así que el punto exacto en que se acaba el mes varía, pero la lógica es idéntica: una cuota pensada para clips cortos de empresa se encuentra con un calendario que necesita una hora y media de presentador.

La salida manual es recortar la cantidad de videos, recortar la duración o comprar más. Recortar la cantidad mata el canal, porque el algoritmo y la audiencia premian un calendario constante. Recortar la duración mata las horas de visualización, porque un video de cuatro minutos entrega un tercio del tiempo visto de uno de doce. Comprar más convierte un experimento de US$ 29 en un contrato corporativo antes de que el canal gane un centavo. El panorama completo del costo de cada opción, con avatar personalizado y clon de voz, está en el costo real de un avatar de IA.

La salida automatizada no es un paquete más grande de minutos. Es dejar de pagar la cara por minuto de video y pasar a pagarla por el segundo en que realmente está en pantalla, dentro de una línea de producción que llena el resto de los doce minutos con narración y escenas. En FalconVid el avatar de IA se cobra exactamente así, y el calendario de ocho videos deja de ser un problema de cuota.

Aunque los minutos fueran ilimitados, el estudio de avatar te entregaría una capa del video: un presentador leyendo tu guion. Un video de canal de YouTube tiene al menos otras ocho capas, y ninguna está en el minuto que pagaste. Esta es la parte que la gente descubre después de la primera exportación, cuando una cabeza parlante limpia está en la línea de tiempo y el trabajo de verdad todavía no empezó.

Cada pieza es una tarea, y cada tarea tiene un costo de tiempo cuando se hace a mano:

• Investigación: encontrar hechos, números y ángulo antes de escribir una línea, de una a tres horas para un video de doce minutos.
• El guion en sí: el avatar lee lo que pegas, así que la estructura de retención con gancho, bucles abiertos y cierre es tuya.
• Las escenas entre las frases: imágenes de apoyo, imágenes generadas, movimiento y cortes para que el espectador no mire una cara durante doce minutos.
• Música, diseño de sonido y masterización, para que la narración asiente bien sobre el fondo.
• Subtítulos, idealmente estilo karaoke, porque buena parte de la audiencia mira con el sonido bajo o apagado.
• La portada, la miniatura que decide el clic antes de que el video tenga una oportunidad.
• SEO del video: título, descripción, etiquetas y capítulos escritos para la búsqueda, no para el presentador.
• Shorts cortados del video largo en 9:16, y la publicación en sí, programada en el calendario y repetida en otras redes.

Aquí está la parte que cambia toda la cuenta. Un buen video de canal no necesita doce minutos de cara. Mira los canales que usan bien a un presentador y la cara aparece en momentos concretos: el gancho en los primeros segundos, una transición entre actos, el veredicto y la llamada a la acción al final. Sumado, da entre 60 y 90 segundos de presentador en un video de doce minutos. Los otros diez minutos y medio son narración sobre escenas, mapas, gráficos, documentos, imágenes generadas y movimiento.

La retención no sufre con esto. Suele mejorar. Una cabeza parlante quieta no le da nada nuevo al ojo durante minutos seguidos, y el espectador se distrae. Escenas que cambian cada pocos segundos, ancladas por una cara conocida que vuelve en los puntos de giro, entregan novedad y confianza a la vez. La cara se convierte en la marca del canal, el presentador reconocible, sin ser el fondo de pantalla de cada segundo. Si conviene poner cara en el canal, y qué hace cada opción con el alcance y la monetización, está resuelto en la comparación entre avatar y canal faceless.

Las dosis también cambian lo que cuesta la cara. Con 90 segundos por video, ocho videos al mes suman doce minutos de presentador, no 96. Es casi el mismo total que un mes de Starter de Synthesia apenas cubriría en un solo video, repartido en todo un calendario. Para el canal manual, en cambio, las dosis hacen la edición más difícil, no más fácil: alguien tiene que cortar los clips del presentador, armar las escenas alrededor y unir todo en cada video.

Ahí es donde el pipeline importa. En FalconVid el presentador entra en los momentos que el guion marca para cara, la narración lleva el resto y las escenas se generan para coincidir con las palabras, así que las dosis no son un trabajo de edición. Son un ajuste del canal.

En FalconVid, la plataforma de canales en piloto automático, el avatar de IA no es un producto aparte. Es uno de los especialistas de la línea de producción. Para cada video los especialistas de IA trabajan en paralelo: el investigador reúne los hechos antes de que exista el guion, el guionista escribe a la duración que fijas con los momentos del presentador marcados, el narrador lee con una de las voces premium ultra realistas o con tu voz clonada en 63 idiomas, el editor genera o elige las escenas, el diseño de sonido agrega música y efectos, y el avatar entrega el gancho, las transiciones, el veredicto y la llamada a la acción con lip sync. Un video está listo en hasta 30 minutos.

La cara y la voz quedan fijadas en el ADN del canal, su identidad persistente. El video 1 y el video 200 tienen el mismo presentador, la misma voz, la misma paleta y la misma estructura, y eso es lo que convierte una cara en marca en lugar de un avatar de catálogo cualquiera. La página del influencer de IA muestra cómo se crea un presentador y se ata a un canal para que se mantenga igual en el calendario, en los videos largos y en los Shorts.

El resto del canal viene incluido. Subtítulos estilo karaoke en más de 15 estilos, la portada, el SEO del video, Shorts 9:16 cortados del video largo con el avatar dentro, respuesta automática de comentarios y publicación programada en YouTube, Instagram, TikTok, Rumble y Facebook. Apruebas el calendario y los videos salen en sus fechas. Si una primera versión necesita un ajuste, el Studio te deja verla, acortar la introducción, cambiar una escena o la música sin regenerar todo.

El idioma es donde el modelo de estudio de avatar vuelve a salir caro, porque cada idioma es otro lote de minutos de presentador. En FalconVid un proyecto se duplica a otro idioma pagando solo la diferencia: la investigación y la estructura se reutilizan, el guion se escribe de forma nativa en el idioma de destino, la narración y las frases del presentador se generan en él, y la misma cara pasa a presentar un canal en portugués o inglés con su propio calendario.

En FalconVid el lip sync se cobra por segundo de cara en pantalla, no por minuto de video. Con la regla de hoy el Kling Avatar Std cuesta 32 créditos por segundo, el Kling Avatar Pro 64, el HeyGen Avatar 80 y el OmniHuman 1.5 112. Noventa segundos de cara en el Kling Std son 2.880 créditos, sesenta segundos son 1.920. Un video de doce minutos en modo económico, escenas de banco con movimiento, cuesta 1.731 créditos, así que el mismo video con 90 segundos de presentador sale en 4.611. En modo balanceado, con escenas generadas en la mezcla, el video de doce minutos cuesta 4.597, y con 90 segundos de cara 7.477. Para comparar, una cabeza parlante de doce minutos completos en el Kling Std serían 23.040 créditos solo de cara, que es exactamente la trampa del modelo por minuto, trasladada a una regla de créditos.

Plan por plan, con 90 segundos de cara en el Kling Std en cada video económico de doce minutos: el Starter, con 15.000 créditos, 1 canal y 2 generaciones simultáneas, corre 3 videos al mes, 13.833 créditos. El Pro, con 30.000 créditos, 5 canales y 5 generaciones simultáneas, corre 6 videos, más el servidor dedicado y el Analista Senior de IA, una persona fija con nombre, cara y voz que lee tu cuenta y te escribe cada 2 días. El Business, con 95.000 créditos, 10 canales y 10 a la vez, corre 20 videos, así que el calendario de ocho videos del inicio de esta guía cabe con espacio para un segundo canal. El Agency, con 190.000 créditos y 25 canales, y el Scale, con 320.000 créditos y 50 canales, son para redes de canales con presentador.

Nadie corre un mes con una sola configuración. Mezclas: algunos videos con 60 segundos de cara en vez de 90, algunos sin presentador, un video premium cuando el tema merece escenas cinematográficas generadas. La estimación en créditos aparece antes de generar cada video, así que el mes se planifica, no se descubre. Por qué un canal con presentador llena las horas de visualización más rápido con la nueva regla de YouTube está explicado en avatar de IA y las horas de 2027.

Donde la producción manual se detendría en dos o tres videos con presentador por semana por el tiempo de edición, el pipeline corre varios videos a la vez, hasta el límite de generaciones simultáneas de tu plan, y varios canales a la vez, cada uno con su cara, idioma y calendario.

La honestidad importa aquí, porque HeyGen y Synthesia son excelentes en lo que fueron diseñados para hacer. Si necesitas una biblioteca de formación interna, un único video de ventas para una landing, un anuncio de producto, un clip de prospección personalizado o un módulo de cumplimiento traducido a veinte idiomas para empleados, un estudio de avatar es la compra correcta. Esos videos son el presentador de principio a fin, son cortos y no necesitan investigación, escenas, portada, SEO ni calendario de publicación. Para ese trabajo, pagar por minuto de presentador es justo y eficiente.

La señal de que estás en la herramienta equivocada es el calendario. En el momento en que el objetivo es un canal de YouTube que publica cada semana, acumula horas de visualización y gana con anuncios, la unidad cambia de minutos de presentador a videos publicados en fecha. Ahora necesitas investigación, guion de retención, escenas, música, subtítulos, portada, SEO, Shorts y publicación, cada semana, y el presentador ocupa quizá el 10 por ciento del tiempo en pantalla.

Hay creadores que terminan usando ambos, y está bien. Una empresa puede mantener su estudio de avatar para la comunicación interna y correr su canal público en un pipeline. Lo que no funciona es forzar al estudio a ser el canal, porque cada hora ahorrada en el presentador se gasta a mano en las otras ocho piezas, y cada video extra cuesta otro lote de minutos.

Una prueba sencilla: cuenta cuántos videos quieres publicar en los próximos 90 días y cuántos minutos de cara necesita cada uno. Si la respuesta es cinco videos de dos minutos, gana el estudio. Si es veinticuatro videos de doce minutos, estás corriendo un canal, y un canal es un calendario que apruebas, no una cuota de minutos que racionas.

El primero es la cabeza parlante de doce minutos. Quema el presupuesto en cualquier modelo de precio, no le da nada al ojo que seguir y la retención cae en los primeros minutos. Cara en dosis en el gancho, las transiciones, el veredicto y la llamada a la acción, con escenas narradas en medio, sale más barato y retiene mejor.

El segundo es el avatar que cambia de cara. Un canal que elige un presentador de catálogo distinto cada semana, o genera uno nuevo con otro prompt, nunca construye reconocimiento, y el reconocimiento es la razón entera de tener una cara. El presentador y la voz deben ser los mismos en el video 1 y en el video 200, y por eso FalconVid fija ambos en el ADN del canal.

El tercero es ignorar la etiqueta de YouTube para contenido alterado o sintético. Cuando un video muestra contenido realista generado o alterado, como una persona realista diciendo algo que nunca dijo o una escena realista que no ocurrió, YouTube pide al creador que lo declare en el ajuste de contenido alterado o sintético al subir. Un presentador de IA realista puede entrar en esa categoría, así que marca la opción cuando aplique. Declararlo no desmonetiza el canal. Ocultarlo es lo que crea riesgo.

El cuarto es usar la cara de una persona real sin autorización. Clonar a una celebridad, una figura pública o cualquier persona que no dio su consentimiento es un problema legal y de plataforma que puede tumbar un canal de la noche a la mañana. Usa un presentador generado para el canal, o tu propia cara y voz con tu consentimiento, y deja esa decisión en el ADN para que cada video la respete.