Vídeo, audio y otras modalidades
La generación de imagen es, en ocasiones, un punto de partida para generar contenido. Más allá del texto y imagen, el contenido puede extenderse a otras modalidades como audio y vídeo.
Imagen → vídeo
La forma más práctica de acercarse al vídeo generativo no es pedir un vídeo desde cero, sino partir de una imagen predefinida.
Primero generamos el fotograma inicial:
Una plaza española al amanecer, completamente vacía, estilo cinematográfico.
Iteramos hasta que la imagen sea buena de verdad. Y entonces la ponemos en movimiento:
La cámara avanza lentamente mientras comienzan a aparecer personas
caminando por la plaza.
Las tres formas de generar vídeo
Text-to-video. Texto → vídeo. Máxima libertad, mínimo control. Útil para explorar ideas.
Image-to-video. Imagen → vídeo. La imagen fija la estética y el encuadre; la instrucción describe el movimiento.
Video-to-video. Vídeo → vídeo modificado. Cambiar el estilo, el fondo o algún elemento de un vídeo existente.
Limitaciones que conviene anticipar
- Duración corta. Los planos generados suelen medirse en segundos.
- Coherencia temporal. Los detalles pequeños cambian entre fotogramas; las manos, los textos y los logotipos pueden romperse.
- Coste. Generar vídeo es mucho más caro y lento que generar imagen.
- Control del movimiento. Describir una trayectoria de cámara con precisión sigue siendo difícil.
Audio y voz
Las capacidades de audio han avanzado tanto o más que las visuales.
Text-to-speech. Texto → voz. Locuciones, audiodescripciones, lectura de documentos.
Speech-to-speech. Voz → voz. Cambiar la voz manteniendo la entonación y el ritmo del original.
Clonación de voz. Reproducir una voz concreta a partir de unos pocos segundos de muestra.
Aplicaciones legítimas y muy valiosas:
- doblaje de material formativo,
- traducción conservando la voz original,
- accesibilidad para personas con dificultades de lectura o visión,
- audiolibros y versiones habladas de documentos públicos,
- asistentes de atención a la ciudadanía.
Música y otras modalidades
Un recorrido rápido:
- Música. Herramientas como Suno permiten generar una canción completa (letra, voz e instrumentación) a partir de una descripción.
- Efectos de sonido. Generación de ambientes y efectos puntuales para vídeo.
- Generación 3D. Modelos y escenas tridimensionales a partir de texto o de imágenes.
- Documentos y presentaciones. Piezas estructuradas completas, no solo texto suelto.
Ejercicio
Toma la imagen principal que generaste en el capítulo 6 y anímala con una instrucción de movimiento sencilla.
- ¿Qué se ha roto al pasar de imagen a vídeo? Mira especialmente textos, manos y logotipos.
- ¿El vídeo aporta algo real frente a la imagen fija, o solo la mueve?
La segunda pregunta en ciertos contextos es importante. Un vídeo que no añade información es coste sin beneficio.