Grabé un solo clip hablando y lo convertí con IA en cuatro personas distintas, cada una con su producto, su cuarto y una voz de mujer. Se hace con Genjutsu, de Higgsfield, en su modelo Motion Control.
Aquí tienes el paso a paso completo, los prompts tal cual los usé y los costos reales, para que lo hagas con tu propio video. Esta guía es parte de una colaboración con Higgsfield.
1. Lo que necesitas
Una cuenta de Higgsfield con créditos. Mis costos reales: cada imagen de persona cuesta 2.75 créditos (GPT Image 2.5, calidad alta, 2K), el video completo de 15.5 s en 720p costó 112 créditos y el cambio de voz costó 2. El camino final fueron unos 125 créditos, sin contar mis pruebas.
Un clip tuyo en horizontal (16:9), de unos 15 segundos, hablando a cámara en selfie y con la cámara en mano lo más estable posible. Mientras hablas del producto, abre la mano hacia un lado: ahí es donde la IA pondrá el producto.
Un producto simple, sin marca ni logo visibles (yo usé una botella lisa de colores). Con logos la IA los deforma y tienes problemas de derechos.
Un editor de video (CapCut sirve) para recortar el video, poner subtítulos y armar el reel.
El archivo oficial del logo de Higgsfield si vas a ponerlo en el video. Pídelo a Higgsfield, no lo recrees.
2. Qué hace este video
Grabas un solo clip hablando. Con Genjutsu de Higgsfield lo conviertes en cuatro personas distintas con su producto, cada una en su cuarto y haciendo exactamente tus gestos, y al final le pones voz de mujer. Es la idea de los anuncios infinitos: una grabación, muchas versiones.
Se usan tres piezas de Higgsfield: un modelo de imagen para crear las personas con producto, Genjutsu en su modelo Motion Control para pasarles tu movimiento, tus gestos y tus labios, y la herramienta de cambio de voz para que la voz coincida con las mujeres.
Motion Control es distinto de Replace Object: no repinta tu video, toma el movimiento de tu clip y se lo pasa a las personas de tus imágenes de referencia. Por eso aquí cambia toda la persona, no solo el fondo.
3. Paso 1: graba tu clip
Graba unos 15 segundos hablando a cámara, en horizontal, con el celular en mano como una selfie. Mi clip duró 15.5 s (1280x720) y tenía este guion: Hola niñas, ¿cómo están? La realidad es que no existo, pero tengo aquí esta botella preciosa, tiene muchísimos colores y es perfecta para mí. Ahora puedes hacer anuncios en menos de 10 minutos. Comenta JUTSU y te mando la guía de cómo lo puedes hacer.
Piensa en bloques: cada persona nueva aparece en un cambio de frase. Deja una pausa corta entre una idea y la siguiente, porque ahí caen los cortes. Y mueve la mano abierta hacia un lado en las frases del producto.
Si tu grabación empieza con ruido o con un error de grabación (a mí me sobraron los primeros 6 segundos), recórtalo y quédate solo con la parte útil. Ese recorte es tu @video1.
4. Paso 2: crea las personas con su producto
En Higgsfield elige el modelo de imagen GPT Image 2.5, formato 16:9, calidad alta y resolución 2K. Genera una imagen por persona. Cambia lo que va entre corchetes en el Prompt 01. Los Prompts 02 a 05 son las cuatro que usé yo.
Qué pasa después: obtienes cuatro imágenes de personas distintas, cada una sosteniendo un producto de un color diferente en un cuarto diferente. Estas imágenes serán @image1 a @image4 en el siguiente paso. Revisa que la mano que sostiene el producto no esté deformada y que no salga ninguna marca ni letra en el producto.
5. Paso 3: una sola generación en Genjutsu (Motion Control)
En Higgsfield elige Genjutsu y el modelo Motion Control. Sube en este orden: @image1 la chica 1 (rubia, botella blanca), @image2 la chica 2 (botella rosa), @image3 la chica 3 (termo lila), @image4 la chica 4 (botella menta, cocina) y @video1 tu clip completo recortado. Haz primero una prueba en 720p y pega el prompt de abajo.
Si todo se ve bien y quieres la versión final, genera en 1080p. Cuesta más, así que revisa el costo en la app antes de generar.
Cambia los tiempos (3, 4.5, 6, 7.5 y 9 segundos) por los de tus propias palabras. Si usas una sola persona con una sola botella, usa el Prompt bonus 01. La chica 1 va dos veces porque en los primeros 3 segundos tiene las manos vacías y después sube la botella: por eso solo hay 4 imágenes para 5 cortes.
Qué pasa después: en unos 8 minutos obtienes un solo video con el mismo movimiento, gestos y labios que el tuyo, pero cada tramo con una mujer y un producto distintos. En mi caso salió de 16 segundos (el tuyo puede variar un poco) y los cortes cayeron cerca de los 3.4, 4.7, 6.0 y 9.0 segundos.
6. Paso 4: ponle voz de mujer
El video que genera Genjutsu no trae tu voz, así que primero hay que pegársela y después cambiarla.
A) Pega tu audio al video. En CapCut importa el video generado y tu audio original (el mismo tramo del recorte). El video de Genjutsu sale unos 0.5 s más largo que tu audio (el mío: 16 s contra 15.5 s), pero ese sobrante está al final: el movimiento y los labios van a la misma velocidad que tu clip. No aceleres ni cambies la velocidad del video, porque eso los desfasa poco a poco y al final queda adelantado. Solo recorta el video al largo de tu audio, silencia el audio del video generado y exporta un solo archivo mp4.
B) Pásalo por el cambio de voz de Higgsfield. Sube ese mp4 a la herramienta de cambio de voz (Voice Change), elige una voz de mujer y genera. Yo usé la voz Marisol. Conserva tus palabras y los tiempos y lo devuelve con la nueva voz. Costó 2 créditos y tardó menos de un minuto.
Qué pasa después: obtienes el mismo video con voz de mujer. Escúchalo completo antes de usarlo, sobre todo las palabras clave (JUTSU y guía). En mi prueba la transcripción automática entendió idea en lugar de guía al final: puede ser un error de la transcripción o de la voz. Si pasa en tu video, prueba otra voz o regraba esa frase.
7. Paso 5: arma el reel en CapCut
Crea un lienzo vertical 9:16 de 1080x1920 con fondo negro. Medidas tomadas del reel de referencia: logo de Higgsfield arriba (y 164 a 216), título (y 247 a 303; yo lo llamé Anuncios infinitos), el video de la IA (y 332 a 937, ancho completo, 1080x606), subtítulos en blanco y negritas (y 975 a 997) y un texto fijo abajo (y 1678 a 1713).
En la referencia el espacio de abajo (y 1031 a 1638) es otro video. Puedes dejarlo vacío, poner un fondo de color o poner tu video real, pero si pones tu voz original ahí, no uses la voz de mujer encima del mismo video.
Subtítulos de 2 a 3 palabras por vez, con estos tiempos: 0.6 Hola niñas, / 1.3 ¿cómo están? / 2.1 La realidad es / 2.5 que no existo, / 3.6 pero tengo aquí / 4.2 esta botella preciosa. / 6.0 Tiene muchísimos / 6.8 colores y es / 8.0 perfecta para mí. / 9.6 Ahora puedes hacer / 10.5 anuncios en menos / 11.0 de 10 minutos. / 12.1 Comenta JUTSU / 12.9 y te mando la guía / 13.8 de cómo lo puedes hacer.
Texto fijo abajo: Comenta JUTSU para la guía. En los últimos 3 segundos agrega Sígueme en texto grande. Si tu audio no dice Sígueme, ponlo en pantalla.
8. Qué revisar antes de publicar
La cara de cada persona: que no cambie de cara a mitad de su tramo.
La mano y el producto: que la mano tenga cinco dedos y el producto no se deforme.
El micrófono de solapa: que se vea en cada persona (es un detalle que le da realismo).
El fondo de los primeros 3 segundos: en una de mis pruebas se coló el fondo original de mi video en ese tramo. Si te pasa, regenera o prueba el Prompt bonus 04.
Los cortes: que caigan cerca de tus palabras. Si el termo o la botella aparece tarde, regenera o acepta el desfase si el video se entiende bien.
La voz: que diga bien JUTSU y la palabra guía.
La etiqueta: marca el video como hecho con IA donde la plataforma lo permita.
9. Prompts bonus
Los bonus 01, 02 y 05 los probé. El 03 y el 04 son variaciones que no he probado, así que haz primero una prueba corta en 720p. El bonus 05 sube las imágenes en este orden: @image1 chica 1 sin botella, @image2 chica 1 con botella blanca, @image3 chica 2 con botella rosa, @image4 chica 3 con termo lila, @image5 chica 4 con botella menta, @image6 chica 4 sin botella, y @video1 tu clip. En mi prueba la botella blanca apareció a los 4.5 s justo cuando se levantó mi mano y la plaza ya no se coló, pero los cortes de rosa, lila y menta salieron más tarde de lo pedido (5.8, 7.5 y 9.3 s) y la chica 4 siguió con la botella en la mano al final.
10. La parte honesta
Este formato no es mágico y tampoco es instantáneo. El video de 15.5 segundos tardó unos 8 minutos en generarse, las imágenes unos 2 minutos y la voz menos de uno. Eso son unos 10 minutos de espera, y después viene el montaje en CapCut. Por eso el decir anuncios en menos de 10 minutos es cierto para la generación, no para todo el proceso.
Mi primer intento fue cortar el clip en 6 pedazos y generar uno por chica. Falló: cada pedazo salió más largo que el original (4 segundos en vez de 3), el movimiento ya no coincidía con el audio y uno de los intentos falló sin explicación. Con un solo prompt y las 4 imágenes funcionó mucho mejor.
Genjutsu no respeta los tiempos del prompt al segundo. En mi video el termo lila duró de 6 a 9 segundos y la botella menta apareció de 9 a 11. Para controlar mejor los cortes, deja 3 segundos por persona al grabar.
Cada generación gasta créditos y los míos no incluyen las pruebas que hice antes del resultado final. Revisa el costo en Higgsfield antes de generar.
Esta guía es parte de una colaboración con Higgsfield.
Las personas, las voces y los cuartos de este video no son reales. Si los usas en un anuncio, no los presentes como clientes o personas reales: etiqueta el video como hecho con IA y revisa las reglas de anuncios de la plataforma, porque pueden pedirte que lo indiques. No uses fotos de personas reales sin su permiso y evita marcas y logos en los productos.
11. Cómo usarlo
Graba tu clip. Genera las cuatro personas con tu producto con el Prompt 01. Haz una prueba en 720p con el Prompt 06 y las imágenes en orden. Revisa la sección 8. Pega tu audio al video, pásalo por el cambio de voz y arma el reel en CapCut. Para variar, usa los prompts bonus uno por uno.
12. Pruébalo en Higgsfield
Si todavía no tienes cuenta en Higgsfield, puedes entrar con mi enlace de referido. Es el mismo Genjutsu con el que hice este video.
Llévate esta guía en PDF
Los 6 prompts, los pasos y lo que revisar antes de publicar. Gratis.
Preguntas frecuentes
¿Qué modelo de Genjutsu uso para cambiar a la persona y al producto?
Motion Control. Toma el movimiento, los gestos y los labios de tu video y se los pasa a las personas de las imágenes que subes. Replace Object, en cambio, repinta objetos o el entorno de tu propio video.
¿En qué se diferencia de las guías PRODUCTO y UGC?
La guía de cambiar el producto y la persona de tu video reemplaza un producto y una persona en tu clip. La de anuncios UGC con ChatGPT y Higgsfield genera videos de cero sin grabar nada. Esta convierte un clip tuyo en varias personas con producto en un solo video y le pone voz de mujer. Si tu caso es cambiar el cuarto y la persona, mira IA vs Real.
¿Cuánto cuesta y cuánto tarda?
En mi caso, 2.75 créditos por imagen, 112 créditos por el video de 15.5 segundos en 720p y 2 créditos por el cambio de voz, unos 125 créditos en total sin contar pruebas. La generación toma unos 10 minutos de espera y el montaje se suma aparte. Revisa los costos en Higgsfield antes de generar.
¿Cómo le pongo voz de mujer al video?
Pega tu audio original al video generado, súbelo a la herramienta de cambio de voz (Voice Change) de Higgsfield y elige una voz de mujer. Mantiene tus palabras y los tiempos y solo cambia la voz.
¿Puedo usar estos videos como anuncios reales en Instagram o Meta?
Pueden servir para probar ideas, pero las personas y las voces son generadas por IA. No las presentes como clientes reales, etiqueta el video como hecho con IA y revisa las reglas de anuncios de la plataforma antes de pagar publicidad.
¿Quieres que esto trabaje por ti?
Si tienes un negocio o un proceso que te quita horas cada semana, yo lo automatizo y te lo entrego funcionando. Tú no implementas nada. El diagnóstico ahora es gratis.
¿Te sirvió esta guía?
Cada semana mando 1 correo de 2 minutos con lo nuevo que estoy probando en IA. Gratis, sin spam.