El botón que no he pulsado todavía
Cerré el episodio anterior diciendo que en el siguiente montaba mi avatar «de verdad». Han pasado unos días. Tengo HeyGen abierto, el móvil cargado y un guión listo. Y no le he dado a grabar.
No es miedo escénico. Es que un avatar no es un truco de una tarde: es una decisión de marca. En el momento en que grabo esos dos o tres minutos, estoy congelando cómo va a ser mi cara y mi voz en decenas de vídeos que ni siquiera he escrito todavía. Si grabo mal —mala luz, un fondo que no es el mío, una energía que no es la mía—, ese fallo se multiplica en cada reel que produzca después.
Llevo veinte años destripando negocios de abajo arriba, y esto lo hago igual: antes de grabar, estudio. Me he empapado de cómo se graba un avatar decente — qué luz, qué encuadre, cuánto rato, qué NO hacer. No es sentarse y darle al botón; es hacer los deberes primero.
Y hay un ruido que tengo que quitarme de encima antes de nada, porque lleva meses colándose en cada conversación sobre esto: el famoso «se nota que es IA». Vamos con eso primero. Hasta que no lo suelto, no puedo hablar del cómo con la cabeza tranquila.
«Esto está hecho con IA»
Es el comentario que aparece debajo de cualquier vídeo bien hecho. En LinkedIn, en Instagram, en los grupos. Dicho como acusación, como si fuera un pecado. Y lo detesto.
Lo detesto no porque me moleste que se den cuenta. Me da igual que se den cuenta. Lo detesto porque se usa como si descalificara todo lo demás. Como si el hecho de que una herramienta haya tocado la imagen anulara el trabajo, la historia, la persona que hay detrás.
«Esto está hecho con IA» se lanza como un gotcha, un «te pillé». Y no pilla nada. Porque la pregunta correcta nunca fue con qué herramienta lo hiciste. La pregunta correcta es: ¿lo que me cuentas es verdad? ¿Eres quien dices ser? ¿Vale mi tiempo? Eso no lo contesta ningún detector de IA.
Piénsalo un segundo. Nadie mira un plano cinematográfico brutal y comenta «esto está hecho con una cámara». Nadie escucha una canción y suelta «esto está hecho con un ordenador». La herramienta se da por hecha. Se juzga el resultado.
Con la IA, de repente, la herramienta pasa a ser el veredicto. Y eso no es rigor. Es susto. El susto normal de cada vez que llega una tecnología que hace las cosas de otra manera.
Yo no vengo a esconder nada. Vengo a decirlo de frente: sí, me voy a clonar con IA. Voy a coger mi cara y mi voz —las de verdad, las que grabé yo— y voy a entrenar un gemelo digital para poder estar en más sitios sin tener que grabarme de cero cada mañana. No es una Mili inventada. Es la mía, escalada.
Buen vídeo… pero esto está hecho con IA 🙄
Sí. Como la foto de tu perfil, que lleva tres filtros. Como el anuncio que te tragaste ayer sin rechistar. Como la portada de la revista de tu mesilla. Bienvenido a los últimos treinta años. La herramienta cambió. La pregunta buena sigue siendo la de siempre: ¿te estoy contando la verdad?
Todo lo que ves ya está tocado
Antes de que la IA existiera, ya vivíamos rodeados de realidad editada. Y la aplaudíamos. La IA no inventó el retoque: solo le puso nombre nuevo.
Abre el móvil ahora mismo y mira lo que consumes sin pestañear:
- Anuncios con color grading, filtros y planos imposibles
- Portadas de Vogue retocadas hasta la piel imposible
- Fotos de Instagram con preset y FaceTune
- Cine con CGI, dobles y croma en cada escena
- Voces con autotune y corrección de tono
- Un vídeo generado o montado con IA
- Un avatar que dice tu guión con tu voz
- Un paisaje de b-roll creado por un modelo
- Un retoque que antes hacía un equipo de diez
- Exactamente lo mismo de siempre, con otra herramienta
La foto de la modelo que viste esta mañana llevaba horas de Photoshop encima mucho antes de que existiera un solo modelo de IA. El anuncio que te emocionó tenía un equipo de color, sonido y efectos retocando cada fotograma. La portada de la revista que tienes en casa es una realidad que no existe: piel sin poros, cuerpos modificados, luz imposible. Y nos parecía normal. Nos parecía, incluso, buen gusto.
Llevamos más de un siglo maquillando la realidad y aplaudiéndolo. La IA solo es la última herramienta de la fila.
Lo único que ha cambiado es el nombre de la herramienta
El retoque, la puesta en escena, el «hacer que se vea mejor de lo que la cámara capturó» — eso lleva con nosotros toda la vida. La IA no abrió esa puerta: llevaba abierta desde el primer filtro sepia. Lo que ha cambiado es que ahora lo puede hacer una persona sola desde un sofá, no un estudio con presupuesto. Eso no es peor. Es más justo.
Ya pasó antes. Dijeron que la fotografía mataba a la pintura. Que el disco mataba a la música en directo. Que Photoshop mataba a la fotografía «de verdad». Y aquí seguimos, disfrutándolo todo sin pedir perdón. Lo que no cambia nunca es lo único que importa: si tienes algo que decir, y si eres honesta al decirlo.
Los que ya lo hacen (y molan)
Para el episodio 01 estudié a fondo a varios creadores. Algunos llevan meses publicando con avatar y IA. Su comunidad lo sabe. Y sigue ahí, viéndolos, comentando, comprando. Porque el estilo se impone al susto.
No hace falta que me creas. Abre tú Instagram y mira: la mitad de las cuentas que te enganchan ya están dentro de esto. Unas lo cuentan a gritos, otras no dicen ni mu — y sus reels siguen ahí, con la misma gente mirándolos, comentando, guardando. El estilo se impone al susto. Ya no lo detecta tu ojo; lo detecta la etiqueta que alguien pega debajo. Y esa etiqueta no dice nada de si el vídeo es bueno.
Uno te lo canta —ella y su clon en la mano—. El otro no lo dirías —esa presentadora no existe—. Los dos enganchan igual. Y en el tercero, voy yo.
Y aquí está lo que me quita el miedo: unos se detectan y otros no, y da exactamente igual. El que se nota no es peor por notarse. El que no se nota no es un tramposo por no notarse. Los dos hacen lo mismo que un director de cine lleva haciendo un siglo: usar todas las herramientas a su alcance para contar mejor una historia.
No fue un tutorial. Fue ver a gente a la que ya seguía —por su cabeza, por su historia, por su forma de contar— hacerlo con IA sin perder ni un gramo de lo suyo. La IA no las diluyó. Las multiplicó: siguen siendo ellas, solo que dando la cara más veces sin agotarse.
Ahí lo entendí: el avatar no me sustituye. Me da presencia. Y la presencia, cuando tienes algo que decir, es media batalla.
Por qué me clono en HeyGen
En el episodio anterior lo dejé claro con datos: el avatar de calidad se paga. Probé lo barato y salió pixelado o directamente «esa no soy yo». La referencia es HeyGen. Y elijo un tipo concreto de clon.
HeyGen ofrece varias formas de crear un avatar. No todas sirven para lo que quiero — un gemelo digital que sea yo de verdad, no un personaje parecido. Estas son las cuatro, y la que elijo:
| Tipo de avatar | Qué necesita | Resultado | ¿Para mí? |
|---|---|---|---|
| Hyper Realistic Avatar | Vídeo 2–5 min | Lo más realista: apariencia, gestos, voz y lip-sync clonados | ✅ El elegido — mi gemelo digital real |
| Photo Avatar | 10–15 fotos | Realista, con movimiento generado por IA | Alternativa si no quisiera grabar vídeo |
| Generated Avatar | Prompts de texto | Personaje ficticio inventado por IA | ❌ No — no soy yo |
| Avatar IV | 1 foto | Hiperrealista desde una sola imagen | Solo para pruebas rápidas de menos de 30s |
Elijo el Hyper Realistic Avatar: grabo un vídeo de dos a cinco minutos y HeyGen crea mi apariencia, mis movimientos y —dos en uno— mi voz clonada. Con eso, mi cara puede decir cualquier guión que yo escriba, con mi voz, sin que yo tenga que sentarme a grabar cada vez. La voz de calidad, si el clon base no me convence, la reforzaré con ElevenLabs. Pero primero, lo simple: la que sale con el propio avatar.
Lo que HeyGen NO hace (y por eso sigo teniendo un sistema)
HeyGen pone a Mili hablando. Pero no pone el mundo: los paisajes de aventura, el b-roll cinematográfico por céntimos, los motion graphics finos, el grading crudo que es mi sello. Eso lo pone mi sistema (el de los episodios anteriores: generación por uso, montaje open-source, y la skill que escribe los guiones). La división es limpia: HeyGen me pone a mí; mi sistema pone el mundo y el alma.
La consistencia lo es todo
Esta es la razón real por la que no he pulsado el botón. Un clon no funciona por ser realista una vez. Funciona por ser el mismo, coherente conmigo, en el vídeo número uno y en el número cien. La consistencia no es un detalle: es el sistema entero.
Hay una frase en la documentación de HeyGen que me quedó grabada: «la calidad que entra es la calidad que sale». Todo lo que hagas en ese vídeo de dos minutos —tu luz, tu encuadre, tu energía, tu tono— se transfiere al avatar y se queda ahí para siempre. No hay «ya lo arreglo luego». El clon es lo que grabaste.
Por eso la consistencia no empieza en HeyGen. Empieza mucho antes, y toca todas las capas del sistema. Así lo tengo montado:
La base — quién soy
Marca, posicionamiento, voz literaria y método, documentados por escrito. Es el episodio 01. Sin esto, el clon habla, pero no dice nada mío.
El vídeo de entrenamiento — la cara y la voz
Los 2–5 minutos que grabo una sola vez. Aquí se congela mi apariencia y mi voz. Si esto sale consistente con mi marca, todo lo demás hereda esa coherencia.
El brand kit — el mundo alrededor
Mi paleta cruda, mi tipografía editorial, mi grading, mis subtítulos. Se aplican solos a cada vídeo para que dos reels míos se reconozcan a un metro de distancia.
El guión — mi voz escrita
Cada guión sale de la skill que encapsula mi marca y mi método. El avatar no improvisa: dice exactamente lo que yo diría, con mi estructura y mis palabras.
¿Ves por qué paré? El botón de grabar es la capa 2. Si le doy sin tener afinadas la 1, la 3 y la 4, tengo un avatar realista diciendo cosas incoherentes con un montaje que no se parece al de ayer. Realista, sí. Consistente, no. Y sin consistencia, no hay marca — hay ruido caro.
Consistencia = que nadie tenga que preguntarse si eres tú
Un sistema que funciona «a la perfección» no es el que engaña a un detector. Es el que produce, semana tras semana, piezas que huelen a ti sin esfuerzo: misma cara, misma voz, mismo color, misma forma de contar. Cuando eso está afinado, el avatar deja de ser un truco y pasa a ser infraestructura. Puedo escalar sin diluirme. Ese es el objetivo.
Cómo me voy a grabar (el checklist)
Ya que la capa 2 se graba una sola vez y se queda para siempre, la hago bien. Este es el checklist real que voy a seguir, sacado de las guías de HeyGen y de mis propias cagadas del episodio anterior.
4K o modo cine, cabeza centrada, boca siempre visible
La resolución que entra manda. Grabo en 4K (o modo cine del móvil), encuadrada de frente, sin taparme la boca ni un segundo — el lip-sync depende de eso.
Por qué: lo que se ve borroso o tapado, el clon lo hereda borroso o roto.Fondo simple, luz natural suave
Nada de fondos cargados ni contraluces raros. Luz de ventana, pared limpia. Cuanto más neutro el entorno, más limpio recorta el avatar y más fácil es luego meter mi mundo alrededor.
Por qué: un fondo complejo mete ruido en cada vídeo futuro, no solo en este.Micro cerca, sitio en silencio, tono variado
Audio limpio a 15–20 cm, en silencio, hablando claro con pausas naturales. Y variando el tono — un poco de energía, un poco de calma— para que el clon de voz tenga rango y no suene plano.
Por qué: la voz es la marca. Un clon de voz plano es peor que no tener avatar.Mi energía real, sin gestos bruscos
Hablo de lo que sea —mis viajes, lo primero que se me ocurra— pero con mi naturalidad, sin aspavientos amplios que confunden al modelo. Lo que grabe aquí es como voy a «ser» en cientos de vídeos.
Por qué: si grabo tiesa, tendré un clon tieso para siempre.Cuatro reglas. Ninguna es técnica de verdad — son de sentido común. Pero saltarme una es exactamente el tipo de atajo que me estrelló cuatro veces en el episodio anterior. Esta vez, no.
Dónde me quedo hoy
Sin postureo, como siempre: no, todavía no me he clonado. Este episodio es el arranque, no la meta. Pero es el arranque hecho con cabeza.
- Decidido: HeyGen, Hyper Realistic Avatar, voz clonada de serie y ElevenLabs en la recámara por si acaso.
- Montado: el marco de consistencia de cuatro capas, para que el clon no sea un truco suelto sino parte del sistema.
- Listo: el checklist de grabación, para no repetir las cagadas de lo barato.
- Pendiente: darle a grabar. Pagar, grabar los 2–5 minutos bien hechos, crear el avatar y producir el primer reel entero. Con lo que salga — bien o mal.
Podría haber grabado deprisa y corriendo para tener «el episodio del avatar» a tiempo. No lo he hecho. Porque el atajo es justo lo que llevo tres episodios desmontando. Prefiero llegar un poco más tarde y llegar consistente.
Preguntas frecuentes
Lo que más me preguntan cuando cuento que me voy a clonar.
¿Qué es clonarse con IA en HeyGen?
Es crear un gemelo digital: grabas un vídeo de 2 a 5 minutos y HeyGen genera un avatar hiperrealista con tu cara, tus gestos y tu voz clonada, capaz de decir cualquier guión. No es un personaje inventado: es tu apariencia y tu voz reales, entrenadas para que puedas producir vídeo sin grabarte de cero cada vez.
¿Por qué la clave es la consistencia y no la herramienta?
Porque la regla de oro es «la calidad que entra es la calidad que sale»: el avatar hereda exactamente lo que grabaste. Si el vídeo base, la luz, el encuadre, la voz y el guión no son consistentes con tu marca, el clon es incoherente aunque la herramienta sea buena. La consistencia es lo que hace que el gemelo siga siendo tú vídeo tras vídeo: mismo brand kit, misma voz, mismo método de guión.
¿Está mal que un vídeo esté hecho con IA?
No más que cualquier otro contenido tocado. Los anuncios llevan décadas con filtros, color grading, retoque y planos imposibles; las portadas de revista se retocan al extremo; las fotos de Instagram pasan por presets. Consumimos realidad editada y la aplaudimos. Ahora la herramienta se llama IA. Lo que importa no es si los píxeles salieron de una cámara o de un modelo, sino si lo que te cuentan es verdad y si quien lo firma es quien dice ser.
¿Se nota cuando un vídeo está hecho con avatar de IA?
A veces sí y a veces no, y da igual. Hay avatares que cantan y otros indistinguibles de una grabación real. Pero el debate «se nota / no se nota» es una trampa: no descalifica el mensaje. Yo no lo escondo: mi cara y mi voz son mías de verdad, se las presto a una máquina para estar en más sitios sin dejar de ser yo. Eso es escalar, no mentir.
¿Cómo se graba bien el vídeo para crear el avatar?
En 4K o modo cine del móvil, 2 a 5 minutos, fondo simple con luz natural, cabeza centrada y la boca siempre visible, sin gestos bruscos, hablando con tu energía real y variando un poco el tono para que el avatar tenga rango. Todo lo que hagas en ese vídeo se transfiere al clon, así que ahí se juega la calidad del sistema entero.