Mixer AI
Kling AI Avatar v2
Un retrato que habla o canta a partir de una foto y un audio terminado: Standard en 720p y Pro en 1080p.
Cuándo elegirlo
Kling AI Avatar v2 sirve cuando el texto ya está grabado y falta una cara en pantalla. El modelo anima el retrato al ritmo de tu pista de audio, así que aprueba antes las palabras, la voz y las pausas. Sube una foto y un archivo de audio; la descripción de la expresión y la entonación es opcional. El clip dura lo que el audio y se cobra cada segundo de audio.
- Usa tu grabación en lugar de inventar una frase a partir de una descripción.
- Standard ofrece 720p y Pro, 1080p.
- Audio de hasta 300 segundos y 100 MB en MP3, WAV, AAC, M4A, MP4 y OGG.
Modos y ajustes
- Una foto JPG o PNG de hasta 10 MB y un archivo de audio.
- Standard es 720p, Pro es 1080p; la duración es la del audio, hasta 300 segundos.
- Descripción opcional de la expresión, la entonación y el movimiento de hasta 5000 caracteres; 1, 2 o 4 resultados por ejecución.
Precio en monedas
| Versión | Calidad / tamaño | Entrada | Monedas / segundo |
|---|---|---|---|
| Standard | 720p | Retrato + audio | — |
| Pro | 1080p | Retrato + audio | — |
El cobro es por segundo, no por un clip de duración fija. La tarifa se multiplica por la duración facturable; el total de la solicitud se redondea hacia arriba a una moneda entera una sola vez.
La duración sigue al audio subido; la tarifa depende de la calidad elegida.
≈ indica una tarifa redondeada a dos decimales para mostrarla; el cálculo usa la precisión completa.
El precio en dólares sigue el tipo de cambio actual de la moneda.
Qué puedes crear
- Un presentador para un vídeo formativo corto sin grabar.
- Un personaje que canta un fragmento vocal preparado.
Cómo pedir el resultado
- Prepara una grabación limpia de una sola voz con pausas naturales.
- Usa un retrato de frente o casi de frente, con la boca despejada.
Ejemplo: el saludo de un presentador
Foto: retrato de pecho para arriba mirando a cámara, con boca y barbilla bien visibles. Audio: un saludo breve de una sola voz sin música. Descripción: sonrisa tranquila, un leve asentimiento al inicio. Lanza primero Standard con un fragmento de diez segundos y revisa labios y pausas.
Qué tener en cuenta
- No se puede escribir un texto en lugar del audio: el modelo usa solo la grabación.
- Un perfil marcado, una cara tapada o varias voces pueden empeorar la sincronización labial.
Fuentes
Guías y comparaciones con este modelo
Preguntas frecuentes
¿Puedo escribir el texto sin más?
No. Hace falta un audio terminado: el modelo anima el retrato según tu grabación.
¿En qué se diferencia Standard de Pro?
Standard da vídeo 720p y Pro, 1080p. La tarifa por segundo de Pro es mayor.
¿De qué depende la duración del vídeo?
De la duración del audio, hasta 300 segundos. El precio se cuenta por segundo de audio.
¿Qué formatos de audio sirven?
MP3, WAV, AAC, M4A, MP4 y OGG de hasta 100 MB.
¿Por qué probar antes un fragmento corto?
Así ves si la foto y la grabación encajan antes de pagar toda la pista.
¿Puedo hacer dos hablantes?
No: hacen falta una foto y un archivo de audio con una sola voz.
¿De qué depende el precio?
La tarifa por segundo depende de la calidad, el modo y, en algunos modelos, el sonido. Se multiplica por la duración facturable. Cuando se cobra el video de entrada, su duración también cuenta. El total se redondea una sola vez.
¿Necesito una suscripción al modelo?
No. En Mixer AI recargas un saldo en monedas y lo usas para las tareas que necesites. No hace falta contratar una suscripción aparte para este modelo.