VSL con IA: cómo modelar una VSL que ya vende, en cualquier idioma, sin grabar un segundo

Una video sales letter es una página de ventas leída en voz alta. El formato original, el que construyó el mercado de respuesta directa en internet, es una voz sobre texto plano que aparece en pantalla, frase por frase, durante entre ocho y cuarenta y cinco minutos. Sin presentador, sin estudio, sin imágenes de gente sonriendo. El mercado la llama la VSL fea, y le ganó a la versión filmada y pulida en más pruebas A/B de las que alguien se molestó en contar, porque el espectador no está ahí por la producción. Está ahí por el argumento.

Ese detalle cambia lo que realmente es producir una VSL. Toma el ritmo en el que se acomodan la mayoría de los narradores, unas 150 palabras por minuto, y la aritmética es simple: una VSL de 10 minutos tiene cerca de 1.500 palabras, una de 20 minutos tiene 3.000, y la versión larga de 30 minutos para tráfico frío tiene 4.500 palabras. Cada una de esas palabras es una decisión sobre el argumento, y ninguna exige cámara. La VSL es el único video de la cadena de marketing en el que las palabras son el producto entero y la imagen solo tiene que ocupar el ojo mientras el oído compra.

Es exactamente el tipo de trabajo en el que un pipeline de video con IA es bueno. Los especialistas de FalconVid escriben a partir de una estructura, narran con una voz premium ultra realista o con tu voz clonada, ponen las palabras en pantalla con subtítulos estilo karaoke con más de 15 estilos, generan escenas que coinciden con el sustantivo que se está diciendo y entregan el archivo terminado en hasta 30 minutos. Lo que era un proyecto de tres semanas repartido entre tres freelancers se convierte en un elemento de tu calendario, y el resto de esta guía sirve para asegurar que las palabras que entran sean las que venden.

• La VSL clásica es voz sobre texto en pantalla, 8 a 45 minutos, sin cámara
• A 150 palabras por minuto: 10 min = 1.500 palabras, 20 min = 3.000, 30 min = 4.500
• Las palabras son el producto; la imagen solo ocupa el ojo mientras el oído compra

Toda VSL que alguna vez convirtió sigue el mismo esqueleto de seis partes, y el esqueleto es lo que una VSL modelada copia. El lead son los primeros 30 a 90 segundos: una promesa o una ruptura de patrón que se gana el minuto siguiente. La sección del problema nombra el dolor con las palabras del propio espectador y hace concreto el costo de dejarlo como está. El mecanismo explica por qué existe el dolor y por qué fallan las soluciones de siempre, y es la sección que separa una VSL de un anuncio. Sigue la prueba, en números, casos y testimonios. Luego la oferta: qué recibe la persona, cuánto costaría en otro lado, el precio, las condiciones. Y el cierre, que repite la promesa, elimina la última objeción y dice exactamente dónde hacer clic.

La duración sigue la temperatura del tráfico, no la preferencia de quien escribe. La convención de mercado que se sostiene desde hace años es que el tráfico frío, gente que nunca oyó de ti, necesita la versión larga, 20 a 45 minutos, porque mecanismo y prueba tienen que hacer todo el trabajo. El tráfico caliente, remarketing o lista de correo, convierte con 5 a 12 minutos. La mini VSL que corre dentro de un anuncio pagado tiene 3 a 8 minutos y existe para vender el clic hacia la larga. La estructura es idéntica en cualquier duración; lo que cambia es cuántas pruebas y cuántas objeciones caben.

Modelar es copiar el esqueleto, nunca la carne. Una VSL de referencia de tu mercado te muestra el orden de las secciones, dónde va la prueba, cuánto dura el lead y dónde aparece el precio. Tus palabras, tu mecanismo, tu prueba y tu oferta llenan el esqueleto. La distinción importa comercial y legalmente: copiar el guion de alguien es un problema de derechos de autor y de posicionamiento a la vez, mientras que copiar el orden probado de un argumento es como siempre funcionó la respuesta directa. La guía sobre cómo escribir un guion para un avatar de IA muestra la lógica de dosis que impide que un argumento narrado se desinfle; en una VSL esa lógica corre la pieza entera.

• Seis partes: lead, problema, mecanismo, prueba, oferta, cierre, siempre en ese orden
• Tráfico frío 20 a 45 min, caliente 5 a 12, mini VSL dentro del anuncio 3 a 8
• Modela el esqueleto, nunca la carne: orden y proporciones, no frases

La VSL manual es un proyecto de tres proveedores. El copywriter va primero, y los rangos cotizados en marketplaces de freelancers por un guion completo de VSL van desde unos US$ 500 para un redactor junior hasta US$ 5.000 o más para alguien con historial en tu nicho, con participación en ventas encima para los que se la ganaron. La voz va segunda: un locutor profesional cobra en el rango de US$ 100 a 400 por 20 minutos terminados, más por urgencia, más aún por las regrabaciones cuando cambia el texto. El editor va tercero, a US$ 300 a 2.000 por el montaje del texto en pantalla, la música, los subtítulos y la exportación, según si también busca las imágenes.

El número que duele no es el total, que cae entre US$ 900 y US$ 7.000 por una VSL en un idioma. Es el calendario. Tres proveedores en secuencia son tres filas, y una revisión del guion después de grabar la voz reinicia dos de ellas. El plazo realista del brief a la primera versión publicada es de tres a seis semanas, y esa primera versión es una apuesta al lead, una apuesta a la oferta, un idioma. La segunda apuesta cuesta casi todo de nuevo, porque locutor y editor cobran por pasada, no por proyecto.

En un pipeline automatizado la misma VSL es un elemento del calendario y una cuenta en créditos. En la regla de hoy una pieza narrada de 10 minutos cuesta 1.524 créditos en el modo económico, una de 12 minutos 1.731, una VSL de 20 minutos 2.557 y la versión de 30 minutos para tráfico frío 3.593. El modo balanceado, con escenas más ricas, queda en 3.217 créditos para 8 minutos y 4.597 para 12; el premium, con Veo 3 con audio y escenas de Seedance Pro, en 10.911 para 8 minutos y 16.131 para 12. Ninguno de esos números cambia cuando revisas el lead, porque la segunda versión es solo una segunda corrida, lista en hasta 30 minutos en vez de una segunda factura. Para una VSL el número que importa es cuánto se abarató la segunda apuesta.

• Manual: copywriter US$ 500 a 5.000, voz US$ 100 a 400 por 20 minutos terminados, editor US$ 300 a 2.000
• Tres proveedores en fila: 3 a 6 semanas hasta la primera versión, y una revisión reinicia dos filas
• Automatizado, regla de hoy: 10 min 1.524 créditos, 20 min 2.557, 30 min 3.593 en económico; la segunda versión es una segunda corrida, no una segunda factura

El error más común con una VSL ganadora es traducirla. Las palabras pasan al inglés o al portugués, la conversión se desploma, y el dueño concluye que el mercado es malo. El mercado está bien; la VSL fue traducida cuando necesitaba ser modelada. El esqueleto sobrevive la frontera. Casi todo lo que hay dentro, no: la moneda y el ancla de precio, la prueba, que tiene que venir de gente que el nuevo público reconoce como suya, las objeciones, que cambian de mercado a mercado, el texto de la garantía, que se regula distinto, y hasta la duración del lead, porque una promesa que suena segura en una cultura suena a estafa en otra.

Aquí es donde el diseño multilingüe del pipeline se vuelve el caso de negocio completo. FalconVid narra en 63 idiomas con voces premium ultra realistas o con tu voz clonada, y un proyecto puede duplicarse a otro idioma pagando solo la diferencia, así que las versiones en inglés y portugués de una VSL en español no son tres producciones, son una producción y dos adaptaciones. La estructura se replica, las secciones específicas del mercado se reescriben, la voz sigue siendo tuya. La guía sobre clonar tu voz con IA para YouTube cubre lo que un clon hace bien y dónde todavía pide oído humano; para una VSL el punto es que la voz del fundador vende en un idioma que el fundador no habla.

La aritmética comercial es la razón para molestarse. Una VSL que convierte bien en español es un argumento probado, y un argumento probado es el activo más escaso del marketing. El mercado en inglés es donde el ticket es mayor, y el mercado en portugués suma un Brasil donde el video es la forma predeterminada de comprar en línea, casi siempre atendido por ofertas traducidas en vez de modeladas. Duplicar una VSL probada a esos dos idiomas, con las secciones de mercado reescritas, es el ingreso nuevo más barato que un negocio de respuesta directa puede sumar, y es la razón por la que el hub de video automatizado con IA trata la VSL como línea de producto, no como video suelto.

• La traducción mueve las palabras; el modelado mantiene el esqueleto y reescribe las secciones específicas del mercado
• Qué cambia: moneda y ancla, prueba, objeciones, texto de la garantía, duración del lead
• 63 idiomas, duplicar pagando solo la diferencia, la voz clonada del fundador en un idioma que no habla

Las curvas de retención de las VSL son todas iguales: la caída más pronunciada está en los primeros 60 a 90 segundos, y la porción de espectadores que sobrevive al lead es más o menos la porción que escucha la oferta. Eso convierte al lead en los 90 segundos de mayor palanca de todo el embudo, y es también la sección con más variantes posibles: una pregunta, una afirmación a contracorriente, una apertura en historia, una demostración, una promesa directa. En el modelo manual tienes una, porque locutor y editor ya cobraron. En el modelo automatizado tienes tantas como quieras probar, porque cada una es una corrida.

La rutina práctica son cinco leads sobre el mismo cuerpo. Escribe cinco aperturas de 60 a 90 segundos, mantén problema, mecanismo, prueba, oferta y cierre idénticos, y produce cinco versiones. En la regla de hoy cinco VSL de 10 minutos en modo económico son 7.620 créditos, lo que cabe dentro de un mes de Starter con 15.000 créditos y todavía sobra para la versión larga. Córrelas contra la misma fuente de tráfico, lee la retención a los 90 segundos y la tasa de clic en la oferta, quédate con la ganadora, y escribe cinco leads nuevos contra ella. Dos rondas de eso son diez aperturas probadas en un mes, más pruebas de lead de las que la mayoría de las ofertas ve en toda su vida.

La misma lógica vale para la sección de la oferta, para el cierre y para el corte de remarketing. Una VSL fría de 20 minutos rinde una versión caliente de 6 minutos conservando lead, la prueba más fuerte, oferta y cierre, y un corte vertical 9:16 de 60 segundos para el anuncio que corre delante de ella conservando solo el lead. FalconVid produce el corte 9:16 desde el mismo proyecto, así que el anuncio, la VSL larga y la versión de remarketing comparten una estructura y una voz, y un resultado de prueba en uno de ellos dice algo sobre los tres.

• La caída más pronunciada es en los primeros 60 a 90 segundos; quien sobrevive al lead es quien escucha la oferta
• Cinco leads sobre un cuerpo: 5 × 1.524 = 7.620 créditos a 10 minutos en económico, dentro de un mes de Starter
• Una estructura, tres cortes: 20 min frío, 6 min caliente, 60 s vertical para el anuncio

Una VSL tiene menos lugares donde parecer falsa que un documental, lo cual es buena noticia, y los lugares que tiene están todos en la voz. Una narración monótona leyendo 3.000 palabras en el mismo tono es la señal más fuerte de producción de máquina y la forma más rápida de perder el lead, porque un argumento de venta vive del énfasis: la pausa antes del precio, la frase desacelerada donde cae el mecanismo, la subida cuando la promesa se repite en el cierre. El texto a voz barato no tiene nada de eso. Las voces premium y la voz clonada de FalconVid llevan énfasis y ritmo, y el Studio te deja escuchar la primera versión y ajustar la apertura antes que cualquier espectador.

La segunda señal es la imagen. La VSL clásica de texto en pantalla evita el problema teniendo casi ninguna imagen, lo cual es una elección legítima; la VSL moderna que suma escenas tiene que sumar escenas que coincidan con el sustantivo dicho, no banco genérico de manos tecleando. La lista de video con IA que no parezca IA aplica entera: corta donde el argumento gira, haz coincidir la imagen con la afirmación exacta, mantén el estilo de subtítulo constante, y nunca dejes que un modelo sonriente de banco aparezca durante la sección del problema. La generación de escenas de FalconVid sigue el guion sustantivo por sustantivo, y el ADN del proyecto mantiene el estilo de subtítulo, la voz y la identidad visual idénticos en cada versión y cada idioma.

La tercera señal es la que nadie planifica: la consistencia entre versiones. Cuando la VSL en español, la en inglés y las cinco variantes de lead vienen cada una de un freelancer distinto, la marca tiene seis voces y seis estilos de subtítulo, y el espectador que vio el anuncio y luego la versión larga siente la costura. Un pipeline que las produce todas desde un proyecto no tiene costura, y eso es una mejora discreta y medible en el clic del anuncio a la VSL.

• La señal más fuerte es una voz monótona leyendo 3.000 palabras; un argumento de venta vive del énfasis y la pausa
• La escena coincide con el sustantivo dicho, o la VSL se queda en texto en pantalla; nunca sonrisas de banco durante el problema
• Seis freelancers producen seis voces y seis estilos; un proyecto produce una marca en cada versión

Dentro de FalconVid la VSL es uno de los formatos que la misma máquina que corre tus canales también produce. Pegas una VSL de referencia de tu mercado, y el ADN replica la estructura de venta: gancho, dolor, oferta, en el orden y las proporciones que la referencia probó, con tu mecanismo, tu prueba y tus condiciones llenándola. Los especialistas trabajan en paralelo, un investigador fundamentando las afirmaciones, un guionista produciendo el texto a partir de la estructura, un narrador en uno de 63 idiomas con voz premium ultra realista o tu voz clonada, un editor generando las escenas y los subtítulos estilo karaoke, un diseñador de sonido colocando la música y masterizando el audio, y la VSL queda lista en hasta 30 minutos, con 2 generaciones simultáneas en el Starter, 5 en el Pro, 10 en el Business, 25 en el Agency y 50 en el Scale.

Las piezas alrededor de la VSL salen del mismo proyecto. Testimonios de producto estilo UGC, entregados por avatares ultra realistas con lip sync limpio, hacen la sección de prueba social y los anuncios que corren delante de la VSL; la guía sobre avatar de IA para anuncios UGC muestra cuánto cuestan y dónde convierten. Los Shorts 9:16 cortados de la VSL se convierten en el creativo del anuncio. El Studio te deja ver la primera versión, acortar el lead, cambiar una escena o la música, o abrir la línea de tiempo, en vez de generar de nuevo. Y cuando la versión está bien, el mismo proyecto se duplica a inglés, portugués o cualquier otro idioma pagando solo la diferencia, con las secciones de mercado reescritas y la estructura intacta.

Publicar es una elección, no una tarea. Una VSL normalmente vive oculta en YouTube e incrustada en la página de ventas, o en Rumble para ofertas que a la política de anuncios de YouTube no le gustan, y FalconVid publica en YouTube, Instagram, TikTok, Rumble y Facebook en la fecha programada, con respuesta automática a comentarios en el idioma de quien comenta en las versiones que corren públicas. Toda capacidad de creación está en todos los planes; lo que cambia al subir es volumen, canales y generaciones simultáneas, más el servidor dedicado y el Analista Senior de IA del Pro hacia arriba, que lee la cuenta y te escribe cada dos días con el siguiente movimiento, que en un negocio de VSL es qué lead ganó y qué probar después.

• Pega una referencia: el ADN replica gancho, dolor y oferta con tu mecanismo, prueba y condiciones
• Narrada con tu voz clonada o una voz premium en 63 idiomas, lista en hasta 30 minutos
• Testimonios UGC, cortes 9:16 para anuncios y el Studio para ajustes salen del mismo proyecto

Una VSL es publicidad, y la ley de publicidad no se fija en que la haya escrito una máquina. En España la Ley General de Publicidad y la Ley de Competencia Desleal prohíben la afirmación engañosa y la comparación no verificable, y la publicidad dirigida a consumidores tiene además la normativa de consumo encima. En Estados Unidos la FTC exige que toda afirmación esté comprobada antes de hacerse y, desde la actualización de 2023 de las Endorsement Guides, que los testimonios reflejen lo que un cliente típico puede esperar o avisen claramente que no, con el aviso imposible de pasar por alto. En Brasil el artículo 37 del Código de Defensa del Consumidor prohíbe la publicidad engañosa y el CONAR aplica encima las reglas del propio sector. La estructura viaja entre mercados; las afirmaciones específicas tienen que verificarse en cada uno, que es exactamente la sección que reescribes cuando modelas en vez de traducir.

En la regla de hoy una pieza de 12 minutos cuesta 1.731 créditos en modo económico, 4.597 en balanceado y 16.131 en premium, y las duraciones de VSL caen en la misma curva: 8 minutos 1.317, 10 minutos 1.524, 20 minutos 2.557 y 30 minutos 3.593 en económico, 3.217 para 8 minutos en balanceado, 10.911 para 8 minutos en premium. El Starter incluye 15.000 créditos, 1 canal y 2 generaciones simultáneas: una VSL fría de 20 minutos más cinco pruebas de lead de 10 minutos son 10.177 créditos, con espacio para el corte caliente. El Pro incluye 30.000 créditos, 5 canales y 5 a la vez, más el servidor dedicado y el Analista Senior de IA, y es el plan de una oferta corriendo en dos o tres idiomas al mismo tiempo.

El Business incluye 95.000 créditos, 10 canales y 10 a la vez, el plan de una agencia corriendo VSL para varios clientes. El Agency incluye 190.000 créditos, 25 canales y 25 a la vez, y el Scale 320.000 créditos, 50 canales y 50 a la vez. Nadie corre un mes en un solo modo; mezclas, y una versión balanceada del lead ganador junto a versiones económicas de las pruebas es la forma honesta de gastar un Starter. El plan gratis produce 4 videos de hasta 3 minutos cada 30 días sin tarjeta, suficiente para escuchar tu voz clonada entregando el lead de una mini VSL antes de decidir, y el plan anual cobra 10 meses en vez de 12.

• Ley General de Publicidad y Competencia Desleal, comprobación de la FTC y Endorsement Guides de 2023, artículo 37 y CONAR en Brasil: cada afirmación se verifica por mercado
• Regla de hoy: 10 min 1.524, 20 min 2.557, 30 min 3.593 créditos en económico; 12 min 1.731 / 4.597 / 16.131 por modo
• Starter: una VSL de 20 min más cinco pruebas de lead = 10.177 de 15.000 créditos; el Pro suma 5 canales y el Analista Senior de IA