Esta guía cubre Viral Music Solo en el modo Lip-sync Performance, usando una pista de origen y una imagen de personaje. Para dos cantantes, usa Duet con una pista mezclada y una foto que incluya a ambos intérpretes. Story tiene un flujo de trabajo de storyboard y una tarifa de video independientes. Tú eliges el fragmento exacto, decides cómo debe verse el intérprete, estableces el formato de entrega y revisas la estimación en vivo antes de generar. Luego VisionStory crea la actuación visual y organiza sus tomas en torno a la canción.
Esto no es un editor fotograma a fotograma. Tus controles más potentes son el fragmento de origen, la imagen de origen y el formato de salida — elegir esas entradas a conciencia tiene mucho más impacto que tratarlas como simples detalles de configuración. El video de arriba recorre todo el flujo de trabajo con un fragmento real de canción y un resultado generado de verdad; los pasos de abajo cubren cada decisión.
- Origen — un archivo de audio, o un video cuya banda sonora se convierte en la pista de origen.
- Duración del clip — un fragmento continuo desde 15 segundos hasta 10 minutos.
- Salida — 9:16 o 16:9, a 720P, 1080P o 2K.
- Plan — la generación de pago está disponible con cualquier suscripción de pago activa a 720P, 1080P o 2K. Las cuentas nuevas elegibles pueden usar 10 créditos de registro para una vista previa de Solo Lip-sync Performance de 15 segundos a 720p cuando esté disponible. Otras recompensas de Bonificación no pueden pagar esta vista previa. La generación Solo de pago, Story y Duet requieren una suscripción activa. Los suscriptores pueden usar créditos de Bonificación para Viral Music.
Antes de empezar: prepara la pista, el momento y el intérprete
Empieza con una canción que tengas permiso de usar y una idea clara de qué sección debe convertirse en el video. Un estribillo, un gancho u otro fragmento autocontenido suele darle a la edición una forma más sólida que un rango de tiempo al azar.
- Prepara la pista — sube un archivo de audio, o sube un video si solo necesitas su banda sonora. ¿Creaste la canción en Suno? Puedes pegar su enlace para compartir en su lugar.
- Ten claro el fragmento — anota el inicio y el final aproximados antes de abrir el selector.
- Prepara el personaje — usa un rostro nítido y una presentación que encaje con el vocalista, el género y el estado de ánimo.
- Elige el destino — feed vertical de formato corto, o un reproductor horizontal.
Usa contenido permitido: sube solo música e imágenes de personajes que te pertenezcan o que tengas permiso para usar. La generación no sustituye la necesidad de gestionar los derechos subyacentes.
¿Trabajas con dos cantantes en una sola foto? Sigue el tutorial de video musical de dúo con IA para preparar el storyboard y elegir tomas en solo o compartidas.
Paso 1: Abre Viral Music y agrega la pista de origen
Abre Viral Music desde la barra lateral de VisionStory. Explora Explore para ver cómo se ven los resultados finales, o inicia tu propio proyecto arrastrando una pista al área de carga.
Los archivos de audio se usan directamente. Si subes un video, Viral Music extrae y usa su banda sonora — la imagen del video de origen no se incorpora al resultado generado.

Qué esperar a continuación: cuando la carga esté lista, VisionStory abre el selector de clips. Espera a que aparezca la forma de onda antes de intentar ajustar el rango.
Paso 2: Selecciona el fragmento exacto para convertirlo en video
La ventana de selección es continua. Arrastra el control izquierdo para definir el inicio y el control derecho para definir el final. Para mantener la misma duración pero usar otra parte de la pista, arrastra todo el rango seleccionado a lo largo de la forma de onda.
Usa el botón de reproducción para escuchar el fragmento exacto. Detén la vista previa, revisa la duración mostrada y haz clic en Confirm solo cuando el audio seleccionado comience y termine de forma limpia.

Elige límites musicales: un límite limpio de frase es más fácil de convertir en una secuencia satisfactoria. Evita empezar a mitad de una palabra o terminar antes de que se resuelva una frase vocal o instrumental.
Paso 3: Elige el personaje y define la dirección visual
Abre el selector de personajes. Puedes subir una imagen nueva, reutilizar uno de tus propios avatares o explorar la biblioteca pública. La imagen seleccionada es más que una referencia de identidad: guía al intérprete visible, el vestuario, el escenario y el aspecto general del resultado.
Usa un rostro nítido y sin obstrucciones, y un plano intencional de cuerpo entero o medio. Incluye el vestuario y el entorno que quieres que VisionStory interprete — una imagen de origen coherente le da a las configuraciones de cámara generadas una dirección compartida más sólida.

Que encaje con la actuación: elige un personaje cuya presentación se ajuste al cantante y al género. La imagen de origen no necesita mostrar un micrófono, pero sí debe hacer creíble la actuación prevista.
Paso 4: Elige la relación de aspecto y la resolución, y luego revisa la estimación
Abre los ajustes de salida debajo de la pista y el personaje. Elige 9:16 para video vertical de formato corto o 16:9 para reproducción horizontal, y luego selecciona 720P, 1080P o 2K según el nivel de detalle que necesites.
La estimación se actualiza según la duración del clip seleccionado y la resolución. Revisa el número actual junto a Generate antes de enviar la tarea.

| Opción | Úsala cuando | Compensación |
|---|---|---|
| 9:16 | El destino principal es un feed vertical o una plataforma de formato corto. | El personaje de origen debe dejar suficiente espacio vertical para variar el encuadre. |
| 16:9 | El video aparecerá en un reproductor horizontal, una presentación o una edición panorámica. | Revisa cómo el intérprete y el entorno comparten el encuadre más amplio. |
| Mayor resolución | La salida necesita más detalle visible o un tamaño de visualización mayor. | La estimación en vivo cambia — revísala antes de la generación. |
Cómo funciona el precio: Solo Lip-sync Performance de pago se cobra por segundo del clip seleccionado, redondeado hacia arriba al segundo completo — 1 crédito por segundo a 720P, 2 a 1080P y 5 a 2K. Un clip de apenas más de 25 segundos cuenta como 26 segundos, y aquí no aplica la tarifa de 4 segundos para videos de avatar parlante. La estimación junto a Generar muestra el importe exacto; consulta cómo funcionan los créditos de VisionStory para tener el panorama completo.
Paso 5: Genera, abre y revisa el videoclip terminado
Cuando la pista, el personaje, el formato y la estimación estén correctos, haz clic en Generate. Viral Music analiza el tempo, la energía, la estructura y la letra de la canción cuando están disponibles, y luego usa esa información para dar forma a la actuación, crear configuraciones de cámara coherentes y organizar las tomas alrededor de la música.
Cuando la tarea se complete, ábrela desde el área de Videos y reproduce el resultado con la canción original. Evalúa la secuencia completa, no un solo fotograma.

Qué revisar: un intérprete consistente, cambios útiles de encuadre, una relación natural entre la interpretación y la música, y cortes que ayuden a que avance el fragmento seleccionado. La edición consciente del ritmo se guía por la canción — no es una promesa de que cada corte caiga en un golpe exacto.
Si la dirección visual está mal en todo el resultado, cambia la imagen de origen antes de reintentar. Si el inicio o el final se sienten flojos, vuelve al selector de clips y elige un fragmento musical más limpio. Esos cambios suelen valer más que regenerar con entradas sin modificar.
Una checklist práctica de Viral Music
- Tengo permiso para usar la pista y la imagen del personaje.
- El fragmento seleccionado empieza y termina en límites limpios de frase.
- La imagen de origen muestra un rostro nítido y sin obstrucciones.
- El vestuario, el escenario y el personaje encajan con la música.
- La relación de aspecto coincide con el destino.
- Revisé la estimación en tiempo real en la resolución elegida.
- Vi el resultado final con su audio de principio a fin.
- Evalué juntos la continuidad del intérprete, el encuadre y el ritmo de los cortes.
El mejor resultado empieza antes de hacer clic en Generate
Viral Music se encarga de la actuación y la edición, pero la dirección creativa comienza con tus entradas: un fragmento con una forma musical clara, una imagen que comunique al intérprete y su mundo, y un formato de salida elegido según dónde se verá realmente el video. Con eso listo, una pista y un personaje se convierten en una interpretación visual completa — sin creación manual de tomas, sin edición en una línea de tiempo.
Sigue desde aquí: pon un personaje que habla frente a la cámara con crear un avatar parlante de IA, elige la identidad vocal adecuada en elegir una Voz de IA, o explora el generador de videoclips de IA en sí.
Elige el modo de video musical adecuado
La generación de Solo Lip-sync Performance y Duet cuesta 1, 2 o 5 créditos por segundo a 720p, 1080p o 2K. La generación de videos Story cuesta 1.5, 3 o 6 créditos por segundo en esas resoluciones. Story y Duet tienen un cargo separado por preparación del storyboard de 1 crédito por cada 5 segundos, redondeando hacia arriba los intervalos parciales. Generar una nueva imagen de storyboard cuesta 1 crédito. Renderizar clips nuevos o editados cuesta créditos, mientras que los clips terminados reutilizables se excluyen del cargo de renderizado. Revisa la estimación de cada acción antes de enviar.
Las cuentas nuevas elegibles pueden usar 10 créditos de registro para una vista previa de Solo Lip-sync Performance de 15 segundos a 720p cuando se ofrezca. Otras recompensas Bonus no pueden usarse para pagar esta vista previa. La generación de Solo de pago, Story y Duet requieren una suscripción activa. Los suscriptores pueden usar créditos Bonus para Viral Music.
