# El stack de video con IA

> ¿Qué herramientas de video con IA conviene usar para anuncios?

El video con IA rota rapidísimo, así que elegí por criterios que no vencen: naturalidad del habla en español, consistencia con tu personaje, formato (¿llega a 30-40s en 9:16?) y costo por intento. El stack mínimo cubre cuatro categorías —imagen-a-video, avatares parlantes, voz y lipsync, y edición— con una herramienta cada una.

> Fuente: https://magoallegri.com/biblioteca/el-stack-de-video-con-ia

---

Para armar tu stack de video con IA, lo estable es el método — porque el video es **el territorio que más rápido evoluciona de toda la IA**: lo que era imposible hace un año es botón hoy. Mismo trato que en imagen: criterios que no vencen, categorías estables, y tu foto actual con rutina de refresco. La diferencia: acá las categorías son cuatro, porque el video habla.

## Las cuatro categorías del stack de video

**1. Imagen-a-video** — tus assets de imagen cobran movimiento: la escena generada se anima (la cámara se acerca, el personaje gira, el ambiente vive). La categoría madre del video IA publicitario: producís la imagen perfecta y le pedís el movimiento. *La liga de los grandes modelos de video (Veo, Kling, Runway y la cohorte que rote este año).*

**2. Avatares parlantes** — el personaje que DICE tu guion: desde tu kit de identidad o desde video de referencia, con labios sincronizados. La categoría que hace posible el "UGC sin filmar a nadie". Dos familias: las plataformas de avatares (rápidas, estables, más "presentador") y la generación de video con audio nativo (más natural, más cara, más control).

**3. Voz y lipsync** — la voz sintética en español que suena a persona (con las temperaturas de tus guiones) + la sincronización de labios sobre video existente. A veces integrada en la categoría 2; a veces mejor por separado (*la liga de ElevenLabs y los TTS de los grandes labs*).

**4. Edición y ensamble** — donde los clips se vuelven UN ad: cortes, subtítulos, música, formato. La buena noticia: acá el estándar sigue siendo accesible (*CapCut y la liga de editores gratuitos/baratos*) y tus specs de guion ya hablan su idioma.

[Figura: El stack de video: imagen-a-video, avatares parlantes, voz y lipsync, edición y ensamble]

## Los criterios de elección (no vencen)

Para producción publicitaria: **naturalidad del habla en ESPAÑOL** (el lipsync y la prosodia en nuestro idioma — testealo siempre en español, los demos en inglés mienten), **consistencia con tu personaje** (¿acepta tu kit de identidad como referencia?), **duración y formato** (¿llega a los 30-40s de tus guiones en 9:16, o produce de a clips de 5-8s a ensamblar?), y **el costo por intento** (el video quema créditos rápido: el precio de iterar importa más que el precio de lista).

## Tu stack mínimo de video

```
Rutina "stack-de-video" (AHORA y cada 3 meses — este paisaje rota
más rápido que el de imagen):

1. Buscá el estado del arte: ¿qué herramientas dominan HOY cada
   categoría (imagen-a-video / avatares parlantes / voz-lipsync /
   edición)? Con foco en: español natural, costo por clip,
   facilidad para UGC vertical.
2. Evaluá contra mis criterios y mi presupuesto: [RANGO].
3. Recomendá MI stack mínimo: una por categoría (la de edición
   puede ser gratuita). Por cada una: su límite gratis/pago y su
   costo por clip aproximado.
4. A stack.md, CON FECHA, junto al de imagen.
```

## 🟢 Hacelo ahora

1. La rutina del stack, hoy.
2. El "hola mundo" de cada herramienta: UN clip de prueba de cada categoría (animá un asset, hacé decir una frase al personaje, generá una línea de voz).
3. El test del español: la frase de prueba de voz con una de tus muletillas ("che, mirá esto, posta que funciona") — si la prosodia argentina sobrevive, la herramienta sirve.