AvatarFX es la última innovación del equipo Multimodal de Character.AI, una empresa conocida por su plataforma de chatbots con personalidad. Esta nueva herramienta de vídeo no solo permite que una imagen cobre vida, sino que también incorpora voz generada mediante el modelo de text-to-speech de la propia compañía, logrando que los personajes no solo hablen, sino que también canten y expresen emociones.
¿Qué puede hacer AvatarFX?
La tecnología de AvatarFX destaca por su capacidad para generar vídeos sincronizando de forma precisa el movimiento de labios, cabeza y cuerpo con una pista de audio. Además, mantiene una consistencia temporal, incluso en vídeos de larga duración y en escenas con múltiples personajes interactuando entre sí.
AvatarFX puede crear vídeos directamente a partir de una imagen ya existente. Esto otorga a los usuarios mayor control creativo sobre el resultado final. También permite trabajar con diferentes estilos visuales, desde humanos realistas hasta personajes de animación 2D o criaturas fantásticas.
¿Cómo funciona esta tecnología?
El equipo ha desarrollado un modelo de difusión basado en arquitectura DiT (Diffusion Transformer), optimizado mediante una técnica de entrenamiento eficiente que mejora la relación entre calidad y rendimiento. Para entrenar el modelo, han diseñado una compleja canalización de datos que filtra vídeos de baja calidad y selecciona contenidos con diferentes niveles de movimiento y estética.
Por el lado del audio, el sistema utiliza el modelo de voz TTS propio de Character.AI, generando las voces que acompañan a los vídeos. Todo esto se combina con técnicas de destilación de modelos que reducen los pasos necesarios para generar los vídeos, acelerando los tiempos de producción sin sacrificar calidad.
¿Qué lo diferencia del resto?
AvatarFX marca un antes y un después en la generación de vídeo con IA gracias a varias características clave:
- Vídeos a partir de una sola imagen, sin necesidad de generar la escena desde cero con texto.
- Capacidad para mantener el movimiento coherente de rostro, manos y cuerpo durante vídeos largos.
- Soporte para múltiples estilos: desde personajes humanos hasta dibujos animados o animales antropomorfizados.
- Posibilidad de generar escenas con varios personajes hablando e interactuando entre sí.
Estas cualidades sitúan a AvatarFX a la vanguardia del vídeo generado por IA, y su integración en la plataforma de Character.AI ampliará notablemente las posibilidades para creadores de contenido y narradores digitales.
Seguridad ante todo
Character.AI ha subrayado su compromiso con la seguridad y la ética en el uso de AvatarFX. Desde esta fase inicial, la empresa ha implementado múltiples medidas de control para evitar usos indebidos de la tecnología:
- Los diálogos generados pasan por filtros automáticos que detectan violaciones de sus políticas.
- Se bloquea el uso de imágenes de menores o figuras públicas como políticos.
- Las imágenes humanas subidas se modifican con IA para que no sean reconocibles.
- Todos los vídeos llevan una marca de agua que indica que han sido generados por IA.
- Los usuarios deben aceptar unos términos estrictos que prohíben la suplantación, el acoso o el uso de material protegido sin permiso.
Además, la compañía ha adoptado una política de tolerancia cero, en la que una única infracción puede suponer la expulsión del programa de pruebas. Hay que señalar que la compañía ya ha tenido incidentes que afectaron mucho a su reputación y están intentando ser más cautelosos en sus lanzamientos.
¿Cuándo estará disponible?
AvatarFX se irá integrando progresivamente en la plataforma de Character.AI en los próximos meses. Los primeros en acceder serán los usuarios de CAI+, la modalidad de suscripción de la compañía. Mientras tanto, ya es posible apuntarse a la lista de espera oficial.
Con AvatarFX, Character.AI da un paso firme hacia el futuro del contenido generado por IA, apostando por una herramienta que combina potencia tecnológica, control creativo y seguridad para el usuario. Si cumple lo prometido, esta herramienta podría cambiar la forma en que se crean vídeos en ámbitos como la educación, el entretenimiento o el marketing digital.
