Pega el guion que ya escribiste y recibe un módulo narrado: un presentador avatar que lo lee en pantalla, o una voz sobre diapositivas que ilustras con modelos de imagen. La enseñanza y los datos siguen siendo tuyos. Los modelos solo se encargan de la entrega, así que puedes revisar, corregir y republicar una lección en una tarde.
Ya escribiste la lección. Lo que separa ese guion de un módulo de curso terminado suele ser la parte que nadie disfruta: encontrar un presentador, grabar audio limpio y montar diapositivas que coincidan con lo que dices. Con Picasso IA puedes entregar el guion a un presentador avatar, o a una voz narradora sobre diapositivas ilustradas, y obtener un módulo que puedes revisar, corregir y publicar.
La mayoría de los proyectos de curso se atascan en la producción, no en la enseñanza. El esquema existe, las notas de la lección son buenas, y entonces las sesiones de grabación se retrasan, el micrófono capta al perro del vecino y una frase equivocada en el minuto seis obliga a repetir toda la toma. Cuando el guion es la fuente de verdad, corregir es editar un texto y generar de nuevo, no pasar otra tarde delante de una cámara.
Eso cambia cómo puedes trabajar. Puedes generar primero una versión borrador de cada módulo, ver el curso entero en orden y detectar la lección que repite a una anterior antes de haber invertido en pulirla. También puedes mantener un guion maestro por lección y producir otro idioma más adelante a partir del mismo texto. Quien no disfruta saliendo en cámara obtiene un presentador sin tener que serlo.
Picasso IA junta las piezas en un solo espacio de trabajo, el toolkit: modelos de video con avatar, modelos de texto a voz y modelos de imagen, todos recibiendo el mismo guion como materia prima. El catálogo tiene 502 modelos en total, con 24 de texto a voz y 121 de texto a video, y puedes recorrerlos en la página de todos los modelos. Las cuentas nuevas reciben créditos gratis, así que probar un solo módulo no te cuesta nada.
Hay dos formas honestas de convertir un guion en video, y sirven a lecciones distintas. Un presentador avatar le da al alumno una cara que seguir, lo que ayuda en videos de bienvenida, introducciones de módulo y resúmenes. Las diapositivas ilustradas con narración llevan mejor los conceptos, porque la imagen puede mostrar lo que se explica mientras la voz no estorba. Muchos cursos usan ambas: un avatar para abrir y cerrar cada módulo y diapositivas en medio.
| Formato | Modelos para empezar | Sirve para | Ojo con |
|---|---|---|---|
| Presentador avatar a pantalla completa | heygen/avatar-v | Bienvenidas, introducciones de módulo, resúmenes | Un busto hablando durante mucho rato cansa, así que hazlos cortos |
| Presentador avatar en círculo | heygen/avatar-iv | Lecciones donde las diapositivas llevan el contenido | El círculo tapa una esquina de la diapositiva, así que deja el texto lejos |
| Diapositivas ilustradas con narración | google/nano-banana-pro o bytedance/seedream-5-pro más elevenlabs/v3 | Conceptos, diagramas, lecciones paso a paso | Montas imágenes y audio en un editor que ya uses |
| Solo narración sobre una grabación de pantalla | google/gemini-3.1-flash-tts | Tutoriales de software que grabas tú | La voz debe seguir el ritmo de tus clics, así que ajusta el guion a la grabación |
| Otro idioma para la misma lección | elevenlabs/v3 o google/gemini-3.1-flash-tts con un código de idioma | Llegar a otra audiencia desde un mismo guion | Una persona fluida debe escucharlo antes de publicar |
Los modelos de avatar leen tu texto con una voz de HeyGen y piden un ID de avatar y un ID de voz, que eliges de las listas propias de HeyGen. No aceptan un archivo de audio ya hecho, así que una narración creada con otro modelo de voz pertenece a la ruta de diapositivas, no a la del avatar.
Este recorrido lleva una lección desde el guion hasta un archivo listo para subir. Hazlo una vez con tu lección más corta antes de comprometerte con el curso entero.
Un guion escrito para leer y uno escrito para escuchar son documentos distintos. Las frases que quedan bien en la página, con tres cláusulas y un paréntesis, salen de una voz sintética como una carrera sin aire. Escribe más corto, di un número o un término una vez y repítelo después en lugar de remitir con "como se dijo arriba", y lee el bloque en voz alta tú mismo antes de generar nada.
La pronunciación es lo primero que notan los alumnos. Si tu lección lleva un nombre de producto, un apellido o un término técnico, escríbelo fonéticamente en el guion, haz una prueba de diez segundos y solo entonces genera el bloque completo.
Unos hábitos ahorran regeneraciones. Pon el objetivo de aprendizaje en la primera frase de cada bloque, termina con la única idea que debe recordarse y escribe números y abreviaturas como deben pronunciarse. En Gemini 3.1 Flash TTS, una instrucción de estilo en lenguaje normal, como un tono didáctico, tranquilo y sin prisa, marca el ritmo, y en elevenlabs/v3 los ajustes de velocidad, estabilidad y estilo hacen el mismo trabajo.
Un buen módulo es fácil. Veinte módulos que parezcan el mismo curso es el trabajo de verdad, y la IA facilita la deriva porque cada generación es una tirada nueva. Fija las variables una vez y anótalas: el ID de avatar y el ID de voz, la voz narradora y sus ajustes, la frase de estilo de las diapositivas, la relación de aspecto y la resolución. Trata esa lista como parte de la plantilla del curso.
Para el arte de las diapositivas sirve el mismo truco que con los personajes consistentes con IA: guarda una imagen de referencia de la primera diapositiva que te guste y edita a partir de ella, en lugar de describir el estilo desde cero cada vez. Nombrar los archivos por módulo y número de lección ahorra más tiempo que cualquier ajuste de modelo.
Las páginas vecinas ayudan: videos de formación con IA para equipos cubre la incorporación interna, y Picasso IA vs HeyGen compara este montaje con una plataforma de avatares dedicada.
Un avatar entrega una lección. No la entiende, y leerá una frase equivocada con la misma seguridad que una correcta. Estos son los puntos donde el formato deja de funcionar:
Nada de esto descarta el método. Te dice dónde sigue estando tu propio tiempo: diseñar la lección, comprobar los datos y decidir qué debería poder hacer el alumno después.
Sí, en el sentido de que puede entregar el guion. Un modelo de avatar como heygen/avatar-v lee tu texto en pantalla con un presentador, y un modelo de voz como elevenlabs/v3 puede narrar el mismo texto sobre diapositivas que hagas con un modelo de imagen. Lo que no puede es escribir una buena lección ni comprobar que sea correcta. Trae un guion terminado y trata el video generado como un borrador que revisas, igual que revisarías la grabación de un presentador humano.
heygen/avatar-v y heygen/avatar-iv son los dos modelos de avatar del catálogo para esto. Avatar V ofrece salida en 720p, 1080p y 4K en 16:9 o 9:16, además de subtítulos incrustados. Avatar IV ofrece opciones de emoción de voz y tres estilos de pantalla, entre ellos un círculo superpuesto. Ambos necesitan un ID de avatar y un ID de voz de HeyGen, y ambos aceptan un guion de menos de 5.000 caracteres por ejecución.
Depende de la voz, del idioma y de la lección, así que escucha antes de decidir. elevenlabs/v3 tiene una gama de voces y ajustes de velocidad, estabilidad y estilo, lo que ayuda a que un curso largo suene a un solo narrador. google/gemini-3.1-flash-tts tiene 30 voces, muchos códigos de idioma y un prompt de estilo en lenguaje normal. Genera los mismos dos párrafos con ambos y quédate con la voz que un alumno podría escuchar veinte minutos sin fijarse en ella.
Tu propia imagen se puede usar si tienes la configuración adecuada con el proveedor del avatar, y un avatar ficticio o de catálogo es la opción más sencilla. Lo que no debes hacer es construir un presentador a partir de otra persona sin su permiso claro, ya sea un compañero, un profesor famoso o un antiguo empleado. Lo mismo vale para las voces. Si dudas, usa un avatar y una voz de catálogo.
Describe cada diapositiva a un modelo de imagen como google/nano-banana-pro o bytedance/seedream-5-pro, con una frase de estilo fija para que todas combinen. Pide solo la imagen, dejando espacio para tu propio texto, y añade títulos, etiquetas y fórmulas en tu editor de diapositivas o de video. Así las palabras quedan correctas y editables.
Cada modelo tiene su propio límite por ejecución. Los modelos de avatar aceptan un guion de menos de 5.000 caracteres, y Gemini 3.1 Flash TTS acepta unos 4.000 bytes de texto. En la práctica generarás un módulo en varios bloques cortos de todos modos, lo que es más fácil de revisar y más barato de corregir cuando una frase está mal. Une los bloques terminados en tu editor de video.
Puedes generar una segunda versión desde el mismo guion, usando un guion traducido con un modelo de voz que soporte el idioma, o una voz de avatar para él. Gemini 3.1 Flash TTS acepta muchos códigos de idioma, y elevenlabs/v3 también recibe un código de idioma. La traducción en sí sigue necesitando a una persona fluida que revise terminología y tono.
Revisa los requisitos actuales de la plataforma donde publiques. Los mercados de cursos, los sitios de video y las empresas tienen cada uno sus reglas sobre presentadores y voces sintéticos, y esas reglas cambian. Más allá de las reglas, una línea breve en la introducción del curso diciendo que el presentador es generado es simple honestidad.
Solo si fijas las variables. Usa un único ID de avatar y de voz, una voz narradora con los mismos ajustes, una frase de estilo para las diapositivas y una sola resolución y relación de aspecto en todo el curso, y guárdalas en un documento de plantilla corto. Aun así, cada generación varía un poco, así que mira los módulos en secuencia antes de publicar y regenera cualquier bloque que desentone.
Las generaciones funcionan con créditos, y el coste depende del modelo y de los ajustes que elijas, y el video cuesta más que el audio o las imágenes. Las cuentas nuevas reciben créditos gratis, suficientes para probar un módulo. Como los costes cambian, la página de precios es el único sitio fiable para las cifras, así que abre la página de precios antes de planear un curso completo y prueba primero tu lección más corta para ver qué consume un bloque.
Ya tienes el guion. Abre el toolkit de Picasso IA, pasa tu lección más corta por un presentador o una voz y mira cómo queda de verdad un módulo terminado.
Elige tu idioma
