Qué es HeyGen
HeyGen es una plataforma de producción de vídeo con avatares, voces y localización audiovisual. Su oferta actual combina Avatar V, Video Agent y el editor AI Studio, además de herramientas para adaptar grabaciones existentes. No se limita a animar una fotografía.
Conviene separar tres resultados: un presentador sintético que lee un guion, una grabación doblada y una pieza montada con gráficos e imágenes. Cada uno necesita materiales y revisiones diferentes. Un equipo puede utilizar la misma plataforma para los tres, pero debe conservar qué parte procede de una grabación auténtica y cuál se ha generado o transformado.
Documentación de referencia: Avatar V product · Video Agent.
De Movio a HeyGen
Joshua Xu y Wayne Liang desarrollaron el proyecto conocido como Movio, que pasó a llamarse HeyGen al ampliar su enfoque desde vídeos de portavoz hacia creación audiovisual más general. En junio de 2024 se anunció una ronda de 60 millones de dólares liderada por Benchmark.
Las páginas históricas de la empresa se han actualizado después de los hechos: la fecha de revisión de un artículo no debe confundirse con la fecha de financiación o cambio de marca. La evolución del producto también exige leer guías antiguas con cuidado. Los nombres Instant Avatar, Digital Twin y Personal Avatar aparecen en documentación de distintas etapas, mientras las prestaciones dependen del modelo y del flujo actual.
Documentación de referencia: Movio rebranding announcement · Series A announcement · Forbes contemporaneous financing report.
Avatar V: referencia visual y voz
Avatar V utiliza una grabación de referencia; Avatar IV parte de una fotografía. La investigación publicada en abril de 2026 describe un transformador de difusión con flow matching, condicionado por vídeo y audio, y entrenamiento progresivo en cinco etapas.
El modelo busca conservar identidad y reproducir una interpretación ligada a la voz. Para el usuario, esto significa que el material inicial importa: iluminación, encuadre, postura y claridad del sonido condicionan la referencia disponible. No conviene escoger una muestra solo porque resulte favorecedora. Debe representar la forma de hablar y moverse que se desea mantener en la serie, sin gestos que distraigan del mensaje.
Documentación de referencia: Avatar V product · Avatar V research,8April2026.
Video Agent, edición y reutilización
Video Agent prepara piezas desde instrucciones y combina presentador, imágenes y gráficos. Los elementos de animación pueden editarse en AI Studio. AI Clipping selecciona fragmentos de grabaciones y permite exportar XML para continuar el montaje en otro programa.
Un borrador automático ayuda a encontrar una estructura, pero el criterio editorial debe venir del objetivo. Para convertir una sesión extensa en piezas breves, identifica una idea completa por fragmento y conserva las condiciones que le dan sentido. Revisa especialmente los cortes que eliminan una negación, una excepción o la pregunta que originó una respuesta. Una puntuación de atractivo no sustituye esta comprobación.
Documentación de referencia: Video Agent · AI Clipping.
Presentaciones y documentos como entrada
La importación de PPT o PDF ofrece una plantilla editable o diapositivas como imagen de fondo. Cada segmento de guion se vincula con su escena. La diferencia determina cuánto podrá modificarse después sin reconstruir el diseño.
Una imagen de fondo conserva la apariencia, pero su texto no se convierte por ello en elementos editables. Para una presentación multilingüe, decide si conviene conservar el diseño original o reconstruir títulos y diagramas. Revisa tablas, cifras y recortes después de importar. El avatar debe ocupar un espacio previsto, sin tapar información. Una diapositiva legible durante una charla presencial puede necesitar simplificación para verse en un teléfono.
Documentación de referencia: PPT/PDF to Video.
Voz sintética y dirección de la interpretación
HeyGen Voice 1 ofrece síntesis desde texto y conversión de voz a voz. En Studio, Voice Mirroring utiliza una interpretación grabada como base. La oferta distingue clonación instantánea, clonación profesional y una variante Turbo para API.
La elección depende de cuánto control necesitas sobre la locución. El texto permite cambiar palabras; una toma de referencia comunica pausas y énfasis de forma directa. En una instrucción breve, graba claramente la condición y la acción, y después escucha si el resultado conserva ambas. Mantén separadas la corrección de pronunciación y la modificación de contenido. Una voz distinta puede mejorar inteligibilidad sin justificar que se altere el significado aprobado.
Documentación de referencia: HeyGen Voice1.
Traducción: motores, tiempo y sonido
La traducción distingue Audio Only, Speed y Precision; los dos últimos incorporan sincronización labial. Requiere un idioma de origen único. Dynamic Duration puede modificar tiempos y los efectos sonoros se eliminan del audio traducido, aunque se conserve música.
La elección debe responder al material. Una persona frontal y estable plantea un problema distinto de una conversación con cambios de plano y rostros parcialmente ocultos. En una demostración, un sonido puede formar parte del contenido: no lo trates automáticamente como ruido decorativo. Compara el original y la versión adaptada, anotando cambios de duración y cualquier señal acústica que deba restituirse mediante edición revisada.
Documentación de referencia: HeyGen — Video Translation.
Glosario y corrección antes de generar
Brand Glossary permite orientar términos y pronunciación. Proofread, también denominado Review & Edit, incorpora revisión del guion traducido antes de producir la versión final. Estas herramientas aportan control editorial dentro del flujo de localización.
Prepara un pequeño conjunto de términos que suelen fallar: siglas, nombres de equipos y denominaciones internas. El glosario debe incluir contexto suficiente para distinguir palabras que cambian de significado. Revisa primero una frase con condición y excepción; después comprueba números, unidades y destinatarios. Si se modifica una traducción, registra quién aceptó el cambio y verifica que el audio final utiliza exactamente la versión que se quería comunicar.
Documentación de referencia: Brand Glossary · Proofreading for Video Translation.
Subtítulos visibles y subtítulos activables
AI Studio permite subtítulos integrados con estilo editable. La guía distingue estos de los subtítulos activables en la página compartida de proyectos traducidos; para vídeos de avatar describe subtítulos estilizados incorporados a la imagen.
Escoge según el canal. Un vídeo reproducido sin sonido necesita información visible; un reproductor con pistas separadas permite al usuario elegir. Evita que los subtítulos tapen señales, gráficos o botones. Comprueba contraste y tamaño en móvil, y deja tiempo suficiente para leer. Las palabras incrustadas en una captura o diapositiva necesitan revisión aparte, aunque la transcripción y la voz estén correctamente traducidas.
Documentación de referencia: HeyGen — Captions.
Exportación, color y SCORM
La entrega incluye MP4 y SRT, con resolución según plan y material de origen. HeyGen procesa vídeo en SDR, no ofrece salida HDR. Business y Enterprise permiten SCORM 1.2 o 2004 y criterios de finalización por porcentaje visto; Auto-SCORM mantiene el vídeo alojado en HeyGen.
Decide entre un archivo fijo y una entrega vinculada al servicio. La segunda facilita actualizar contenido, pero requiere controlar cuándo se regenera una versión utilizada por alumnos. Prueba reproducción, estado de finalización y acceso desde el campus. Si la grabación procede de un teléfono con HDR, revisa color y contraste tras convertirla; un cambio visual puede afectar la lectura de etiquetas o capturas.
Documentación de referencia: PPT/PDF to Video · Video download and export · SCORM export.
LiveAvatar y conversación en tiempo real
LiveAvatar es una plataforma separada para conversación en tiempo real, con WebRTC e integración mediante API y SDK. Sus avatares no son directamente intercambiables con los de HeyGen y sus créditos y planes son independientes.
Un vídeo sigue un guion cerrado; una conversación puede recibir preguntas imprevistas. Esta diferencia cambia el proyecto. Para orientar sobre información interna, delimita fuentes, preguntas admitidas y salida hacia una persona. No conviertas una interfaz expresiva en una autoridad técnica automática. Si se plantea una práctica de comunicación, usa situaciones ficticias y criterios claros, y comprueba qué ocurre cuando el usuario pregunta algo fuera del ámbito previsto.
Documentación de referencia: Introducing LiveAvatar · LiveAvatar FAQ.
Plataformas, planes y colaboración
Los planes incluyen Free, Creator, Pro, Business y Enterprise, con créditos y acceso a modelos diferenciados. La aplicación móvil ofrece una experiencia más limitada: la documentación dirige funciones avanzadas de AI Studio al escritorio y señala que no permite cambiar de espacio de trabajo.
Antes de preparar una serie, comprueba dónde se editará y quién hará las correcciones. Una prueba móvil no demuestra que todo el flujo de equipo esté disponible allí. Calcula necesidades por producción aceptada: minutos, idiomas, repeticiones y revisión. Mantén una carpeta de versiones aprobadas y separa experimentos personales del material que representa a la organización.
Documentación de referencia: HeyGen Mobile · Plans.
Identidad, consentimiento y datos
La persona representada debe grabar su propio consentimiento, incluso cuando otra organiza el proyecto; puede hacerlo mediante un enlace o QR. La política permite solicitar retirada de la imagen. HeyGen excluye datos Enterprise del entrenamiento por defecto; otros usuarios pueden solicitar exclusión. Declara almacenamiento en Estados Unidos.
El acuerdo debe abarcar mensajes y distribución, además de crear el avatar. Identifica qué ocurrirá si la persona cambia de función o retira permiso. En las referencias, elimina datos innecesarios de clientes o trabajadores. Un vídeo sobre prevención no necesita incorporar un historial de salud individual. Conserva tanto la autorización como el inventario de piezas que utilizan imagen y voz para poder actuar sobre todas ellas.
Documentación de referencia: Security Practices · Privacy Policy,15October2026 · Consent recording · Moderation Policy.
Recepción y riesgos de suplantación
Group-IB ha señalado interés de actores maliciosos en eludir controles de aplicaciones de avatares como HeyGen. La política del proveedor prohíbe fraude, desinformación y suplantación engañosa. La existencia de controles no demuestra que todo contenido que circula haya sido autorizado.
En comunicación corporativa, el riesgo no se limita a una cara falsa: una voz reconocible puede hacer creíble una orden que nunca se aprobó. Publica las piezas desde canales identificables, incluye responsable y contexto y conserva el original autorizado. Si recibes un vídeo atribuido a una persona, verifica la instrucción por el canal habitual antes de actuar sobre cambios sensibles.
Documentación de referencia: Group-IB deepfake overview · Moderation Policy.
Aplicaciones concretas en SST
Su relación potencial con la seguridad y salud en el trabajo está en comunicar instrucciones generales y mensajes de acogida a públicos diversos. Puede ayudar a producir versiones de un contenido aprobado, siempre que se verifique que la traducción conserva las condiciones, excepciones y acciones que el mensaje original establece.
Puede ayudar a adaptar una comunicación interna para públicos que utilizan idiomas diferentes, mantener una explicación breve o actualizar un vídeo de acogida. En SST, la coherencia entre narración, texto y canal real de actuación es más importante que conseguir que todas las versiones tengan idéntica duración.
Una traducción útil mantiene el sentido y permite actuar. Si una expresión literal resulta extraña en el idioma de destino, debe revisarse con criterio lingüístico sin alterar la instrucción aprobada.
Caso práctico y comprobación del resultado
Ejemplo: preparar un vídeo breve sobre el canal interno de comunicación de riesgos en español, catalán e inglés. El equipo revisa las tres versiones, confirma la pronunciación de nombres y lugares y comprueba que el texto visible coincide con la narración.
- Validar el guion de origen y preparar un glosario de nombres, siglas y términos que deben mantenerse.
- Traducir primero un fragmento representativo con una instrucción, una excepción y un contacto. Revisarlo antes de procesar el vídeo completo.
- Comparar audio, subtítulos y texto visible en cada idioma. Corregir los rótulos que permanezcan en el idioma de origen.
- Escuchar el resultado completo para detectar pronunciaciones ambiguas o pausas que cambien el sentido.
- Probar que una persona puede identificar cuándo usar el canal y cómo acceder a él. Conservar las versiones y retirar las obsoletas cuando cambien los datos.
Es una propuesta de localización. No afirma que un vídeo concreto haya sido revisado por una persona competente ni que todos los espectadores comprendan el mensaje.
Límites y condiciones de uso
La sincronización visual y una voz fluida no garantizan que una traducción sea correcta. Revisa términos técnicos, negaciones y nombres propios; utiliza imágenes o voces personales solo con autorización. Un avatar no debe aparentar que un profesional real ha emitido un mensaje que no ha revisado.
La grabación de origen condiciona el resultado: varias voces, cortes frecuentes o ruido pueden complicar la interpretación. No presupongas que la versión más rápida sea adecuada para una explicación sensible. Revisa qué opciones de corrección admite la cuenta antes de planificar muchas versiones.
La identidad y la voz requieren permisos apropiados. Un avatar o una voz sintética no deben atribuir a alguien una declaración que no haya autorizado. Identifica claramente quién es responsable del contenido y qué parte utiliza generación audiovisual.
Documentación de referencia: HeyGen — Video Translation · HeyGen — Captions.
Cuándo elegirla y con qué complementarla
HeyGen encaja cuando la prioridad es localizar un mensaje audiovisual y revisar sus versiones. Synthesia permite comparar otro flujo de guion y avatar. DeepL puede ayudar en la preparación textual, manteniendo una revisión posterior del significado.
La prueba de elección debe incluir una corrección después de traducir y verificar si cambia el audio, el subtítulo y el texto visible o si deben actualizarse por separado.
Preguntas frecuentes
¿Una voz fluida garantiza una traducción correcta?
No. Hay que revisar terminología, condiciones y sentido, especialmente negaciones y excepciones.
¿Se traducen automáticamente las capturas de pantalla?
La traducción de audio no modifica por sí misma el texto integrado en una imagen. Revisa ese contenido aparte.
¿Conviene generar todos los idiomas de una vez?
Es más útil validar primero un fragmento y el método de revisión, para no multiplicar un error del guion original.
