La conversación pasa siempre igual. Un cliente quiere treinta vídeos de una persona hablando a cámara: uno por producto, en cuatro idiomas, y para el mes que viene. Grabar eso es una semana de plató. Y entonces alguien dice lo de siempre: se hace con HeyGen y listo.
Se puede. Y funciona. El problema aparece cuando miras la factura del segundo mes, o cuando el cliente pregunta qué pasa si algún día quiere sacar los vídeos de ahí.
Así que hay dos preguntas: qué más hay, y cuál de esas cosas puedes meter de verdad en un trabajo por el que emites factura. La segunda es la que casi nadie responde.
Primero: qué es cada cosa
Se mete todo en el mismo saco y no es lo mismo.
Sincronía de labios. Ya tienes un vídeo de alguien y le cambias la boca para que encaje con otro audio. Es lo que se usa para doblar.
Retrato que habla. Tienes una foto fija y un audio, y sale una cabeza moviéndose. Aquí no hay vídeo original: se inventa el movimiento entero.
Avatar de plató. Lo de HeyGen y compañía: una persona grabada a cuerpo entero en un decorado, que además gesticula, mira a cámara y hace pausas.
La tercera es la que cuesta dinero y es la que menos alternativas libres tiene. Las dos primeras están razonablemente resueltas, y ahí es donde merece la pena mirar.
La tabla que decide
Esto es lo que hay hoy, comprobado uno a uno en GitHub. La licencia y la fecha del último cambio importan más que cualquier comparativa de calidad, porque un proyecto sin licencia no se puede usar y un proyecto parado hace dos años no se va a arreglar solo.
| Proyecto | Para qué | Licencia | Último cambio |
|---|---|---|---|
| InfiniteTalk (MeiGen-AI) | Vídeo de alguien hablando, largo | Apache 2.0 | mayo de 2026 |
| EchoMimic (Ant Group) | Retrato que habla, desde una foto | Apache 2.0 | abril de 2026 |
| Hallo2 y Hallo3 (Univ. Fudan) | Retrato que habla, tomas largas | MIT | principios de 2025 |
| LivePortrait (Kling AI) | Control de expresión sobre un retrato | Licencia propia | — |
| MuseTalk (TMElyralab) | Sincronía de labios | Licencia propia | septiembre de 2025 |
| SadTalker | Retrato que habla | Licencia propia | junio de 2024 |
| Wav2Lip | Sincronía de labios, el clásico | Sin licencia | junio de 2025 |
Las dos columnas de la derecha, explicadas
Apache 2.0 y MIT son las buenas noticias. Puedes usarlo en trabajo comercial, modificarlo y no tienes que abrir tu código. Apache además te da una licencia expresa de patentes, que en modelos de vídeo generativo no es un detalle menor.
«Licencia propia» significa que hay un fichero de licencia que no es ninguna de las conocidas, y que hay que leerlo entero antes de tocar nada. Muchas de estas licencias de laboratorio chino y universitario incluyen una cláusula de uso no comercial, o restricciones sobre para qué se puede generar. No es una zona gris: es una zona que tienes que leer tú.
Y «sin licencia» es la trampa gorda. Wav2Lip, que es el que sale primero en media internet cuando buscas sincronía de labios gratis, no tiene fichero de licencia en su repositorio. Sin licencia expresa, por defecto se aplica el derecho de autor completo: todos los derechos reservados. Que el código esté a la vista no significa que puedas usarlo. Trece mil personas le han dado una estrella y muy pocas han mirado eso.
La fecha también dice cosas
SadTalker lleva parado desde junio de 2024 y sigue apareciendo en todas las listas. Hallo2 y Hallo3, que son buenos y tienen licencia MIT, no se tocan desde principios de 2025.
Con este tipo de proyectos, dos años parados significan que no arrancan con las versiones nuevas de las bibliotecas, que nadie va a responder al fallo que te encuentres y que el modelo se ha quedado por detrás. En un cacharreo de fin de semana da igual; en un encargo con fecha de entrega, no.
Y lo que ha liberado HeyGen, que no es lo que parece
Aquí conviene deshacer una confusión que está corriendo mucho.
HeyGen ha publicado HyperFrames con licencia Apache 2.0, y lleva más de cuarenta mil estrellas en GitHub. Suena a que han abierto su modelo de avatares. No.
HyperFrames es un motor para hacer vídeo escribiendo HTML, CSS y JavaScript: tú montas la animación con las herramientas de siempre —GSAP, animaciones de CSS, Lottie, Three.js— y sale un MP4 determinista. Está pensado para que lo escriban agentes automáticos, y de ahí la insistencia en que sea HTML plano.
Para quien viene del diseño esto es más interesante de lo que parece, porque significa poder maquetar un vídeo con las mismas manos con las que se maqueta una web, controlando el fotograma en vez de rezarle a un generador. Pero no fabrica ninguna cara: el avatar sigue siendo servicio de pago.
Lo que no arregla ninguno
Dos cosas, y ninguna es técnica.
La cara es de alguien. Si el avatar es la comercial de la empresa, hace falta su permiso por escrito, para qué usos y durante cuánto tiempo, y qué pasa el día que se vaya. Esto no lo resuelve cambiar de herramienta, y es lo primero que pregunta un cliente serio.
Y el resultado se nota. Todavía. En una pieza de veinte segundos con buen guion y buen audio, pasa. En un vídeo de tres minutos mirando a cámara, el ojo lo pilla, y lo que transmite no es modernidad: es que no había presupuesto.
Que es, al final, la pregunta de siempre. No cuál es la mejor herramienta, sino qué es lo que se está intentando ahorrar y si se nota.