Vio Lucia ahora canta en vivo: una cúpula, un escenario en el lago, una azotea, una taberna, una playa bajo la lluvia. 5 reels en 3 días, y ninguno de esos conciertos existió jamás. El modelo fue una cantante de IA que llegó a 77,8k seguidores en 80 días con exactamente este formato: lugares pequeños, algo que no encaja (zapatillas de running en una taberna, shorts en un lago a 9 grados) & el público grabando con el móvil. La cadena: 1. Elegir la parte de la canción, separar la voz con BS-RoFormer 2. Keyframes con el sándwich de Soul 2 -> escena sin personaje, añadir a Vio, pasada de Soul encima 3. Imagen del escenario vacío sin Vio como referencia del espacio 4. Seedance 2.5 Omni Reference: imagen hero primero, la voz como referencia de audio, borrador en 480p, luego 1080p 5. Resolve a 48 fps, 4 capas de color, -14 LUFS Y luego lo curioso: pasé horas moviendo y estirando los clips para que encajaran con mi canción de estudio. Pero el sonido que Seedance genera por sí mismo (sala, público, voz desde la referencia de audio) sonaba más real que mi propia canción. Viendo los reels de Lana olvidé que no eran grabaciones reales - nunca me había pasado. Lo que salió mal: 1. Imagen inicial ajena -> Vio de repente tenía otra cara. Solución: imagen hero como primera referencia, sin imagen inicial. 2. Whisper sobre la mezcla final alucinó un bucle infinito (primero hay que separar la voz). 3. La IA vistió a Vio con unos shorts con el logo de una marca deportiva que nadie pidió. 4. Mi propia pipeline tiró el mejor audio de todo el lote en la primera versión (un parámetro, tres letras). Todos los prompts, créditos y pasos están en el PDF (en inglés), los 5 clips van adjuntos - dos de ellos ya en la nueva versión con el audio del clip. Pregunta: ¿usáis el audio generado o siempre ponéis vuestra canción encima? ¡A los comentarios!

Comparto el proceso de mi último reel con Vio, mi artista IA: recrea un solo de batería en el aire de una escena de culto. 23 segundos, una toma. Así lo hice: 1. Hoja de detalles con 15 fotos reales de su outfit (reloj, anillos, cadena, zapatillas) 2. Hoja de personaje en 3 vistas, y una versión sin cabeza para que la cara exista una sola vez 3. Primer fotograma con Soul 2 para un look de cámara real (32 imágenes, 0 créditos) 4. Transferencia de movimiento con Genjutsu, con la boca más tranquila que el original Coste total: 258,5 créditos. Similitud facial medida: 0,87 en la hoja de personaje. Lo que aprendí: Genjutsu siempre usa el formato del video de referencia, ignora el 9:16. Reel: https://www.instagram.com/reel/De8AKcuCtKM/ El PDF (en inglés) va adjunto.

Para todos los que construyen una cara de IA que tiene que verse igual en cada post: medí la mía. Dos días, 51 fotos reales, un Soul entrenado, 188 remakes de imágenes antiguas y un sándwich de Soul, GPT y Soul. Esta vez no a ojo, sino medido: similitud ArcFace con mis fotos reales, de 0 a 1. Mis fotos reales entre sí: 0,81. Lo que salió (imágenes 1 a 6): 1) Las mejores imágenes de Soul 2 llegan a 0,78 a 0,82, eso es nivel de foto. La media se queda en 0,72. Soul 2 te clava en los favoritos, no en cada imagen. (Imagen 1: la misma cara de 2019 a hoy, original a la izquierda, Soul 2 a la derecha) 2) El remake con imagen de referencia no mejora las imágenes antiguas, las nivela. De 66 pares mejoró el 48,5 %, la diferencia mediana es de menos 0,01. Una imagen de Midjourney saltó de 0,07 a 0,73, mi mejor imagen de ComfyUI bajó de 0,86 a 0,79. (Imagen 5) 3) El sándwich (Soul sin personaje, luego GPT Image 2.5 con un elemento, luego Soul con personaje) suma 0,04: de 0,74 a 0,78. A cambio: menos dispersión y ninguna luz quemada. La etapa GPT marca 0,81, pero tiene la piel más lisa de toda la cadena. (Imagen 2) 4) Un remake es una imagen nueva. Solo sobrevive un tercio de la composición (r 0,30). Si necesitas la composición, usa una edición local en GPT con "leave everything else exactly as it is": r 0,998, identidad igual. Solo tiene que coincidir el formato. (Imagen 3) 5) Donde Soul 2 pierde: los perfiles dan 0,12 menos que de frente, en grupos la cara más grande no es automáticamente la tuya, el color de pelo y los accesorios vienen de la referencia, y el color de ojos es invisible para la métrica. (Imagen 4) 6) Costes: Soul 2 en la web fue gratis para los 328 remakes, GPT 2.5 costó 2,75 créditos por imagen, una pasada de sándwich 2,99. Lo que no valió la pena: 106,50 créditos por un retrato de estudio que resultó igual de bueno que el elemento que Higgsfield crea gratis durante el entrenamiento. (Imagen 6) Mis reglas: • De cuatro a ocho variantes por idea, nunca una.

4 reels a cappella terminados con Vio, recreados a partir de un Short viral en vivo (5,2 M de vistas: una cantante sobre un palé de madera, un prado, tres tipos con cerveza). El presupuesto era de 1.100 créditos, gasté 1.345. Los 245 de más no los planeé yo, Higgsfield los planeó por mí. El corazón es el sándwich Soul 2, así construyo las imágenes de inicio: 1) Un fotograma del vídeo original -> da la pose, la luz, el prado y el micro en la mano derecha 2) Soul 2.0 con mi personaje guardado -> Vio en la pose del original (cambio de personaje, 6 variantes, 0 créditos) 3) GPT Image 2.5 Sunburst con el retrato principal de Vio + una referencia de ropa -> conjunto de encaje blanco y la cara correcta 4) Otra vez Soul 2.0 con el mismo personaje -> vuelve el look de foto de móvil, imagen de inicio lista Pan, relleno, pan. Si te saltas el paso 4, sale una imagen bonita que parece hecha por un generador de imágenes (básicamente una foto de stock con micro). Después Seedance 2.5: imagen de inicio + voz aislada como referencia de audio, 3 tomas por reel, primero como borrador en 480p a 3 créditos por segundo, las buenas terminadas en 1080p. La lista de fallos, porque lo mejor nunca se planea: • El palé con el amplificador se movía entre tomas. A la izquierda, a la derecha, a veces desaparecía. Solución: una imagen vacía del escenario (2 créditos) como referencia fija. Desde entonces no se mueve, como si estuviera atornillado. • Vio tenía una cara un poco distinta en cada toma. Solución: su retrato principal como referencia de cara. Tres imágenes de referencia, no diez (más referencias = más plástico). • La consulta de precio decía 60 créditos por una toma de 11 segundos en 1080p, la cuenta cobró 132. Yo tenía un límite, la consulta de precio por lo visto no. Ahora mi agente revisa el cobro real después del primer trabajo y se detiene al 80 %. • En los primeros planos Seedance suele intercambiar los dos colores de ojos de Vio. Solución: espejado en el montaje, más barato que volver a generar.

6 clips terminados para una canción que todavía ni ha salido. Un día, 801 créditos, Higgsfield Katana. Salió el 8 de octubre y creo que acaba de convertirse en mi nuevo flujo de producción. Qué hace Katana: eliges un edit viral como plantilla (look VHS, estética de fotocopia, blanco y negro con verde ácido) y reconstruye el ritmo, el look y la tipografía con tu propio personaje. Funciona dentro de Claude con el conector de Higgsfield, y el motor es Seedance 2.5. Así fue: 1) Medí la canción sobre el master -> corté 6 partes (estrofa, pre-estribillo, estribillo, puente) 2) Elegí un preset por parte que encaje con la letra: "No case. No trial." lleva el cine en blanco y negro duro, el puente tranquilo lleva el look de fotocopia 3) Imagen del personaje + fragmento de la canción, y Katana construye las escenas, el montaje y la tipografía 4) Katana no hace lipsync, así que una toma cantada por clip pasó por un lipsync aparte (4 segundos, 30 créditos) 5) Todo en un marco de cine 9:16 con un gancho arriba. 6 ganchos = 6 mecánicas distintas, así que también es un test de ganchos La lista de fallos, porque lo mejor nunca se planea: • Katana nunca pregunta por los créditos, simplemente gasta. Por eso cada clip tuvo un límite fijo antes de empezar (ninguno se pasó, la media fue de 134 créditos). • El primer clip me pareció demasiado borroso. Motivo: material oscuro en 720p, ampliado y además suavizado. Un upscale a 4K por 14 créditos llevó la escena final de acuarela a nitidez. • Mis propios tiempos de la canción iban un segundo desfasados, porque venían de los stems y no del master. Resultado: una tarjeta final decía "I keep my space" antes de que nadie lo cantara. Ahora mi agente mide sobre el master. • Higgsfield intentó dos veces desviar mis escenas a su propio preset "In the Dark" sin preguntar. Gracias, no. Adjunto: los 6 clips y la documentación completa (54 páginas en inglés, cada efecto explicado y todos los prompts palabra por palabra). ¿Qué clip te mantiene más tiempo? Vota en la encuesta, los números llegan después de publicar.