¿Qué hace synthesia?
Skill de herramienta de video con avatar — tener una razón para usar un avatar, usar solo semejanza con consentimiento, redactar el guion en lenguaje oral, ensamblar + localizar, y notificar la divulgación. El agente guioniza y planifica; el humano aprueba cada video; WoopSocial publica. (Incluye tools/integrations/synthesia.md.)
La perspectiva: el presentador es sintético — los estándares siguen siendo humanos
Synthesia es el líder en la categoría empresarial de avatares: un guion bloqueado se convierte en un presentador consistente en 140+ idiomas sin necesidad de regrabaciones, lo que lo hace imbatible para formación, onboarding, guías explicativas y localización a escala. El operador de primer nivel mantiene cuatro líneas. (1) La prueba de idoneidad es lo primero: los avatares leen un texto pulido pero clínico — pierden frente a un rostro real para contenido de confianza del fundador y testimonios (deriva esos a talking-head-and-piece-to-camera); el movimiento profesional es el híbrido — el fundador graba la capa de confianza, el avatar escala la capa informativa. (2) El consentimiento es la arquitectura, no una fricción: los avatares de stock son actores remunerados con consentimiento; un avatar personal requiere tu grabación de consentimiento en vivo en una toma única sin editar — y nadie obtiene un avatar de un competidor, celebridad o cualquier persona que no haya consentido verificablemente. (3) El guion es la mayor parte de la calidad del avatar — y se bloquea antes de renderizar: escritura para lenguaje oral (frases cortas, SSML, leer en voz alta), porque una edición a nivel de coma obliga a una regeneración completa de ~8–12 minutos dentro del límite de minutos. (4) Divulgación, siempre: un presentador sintético está etiquetado — las etiquetas de IA de la plataforma y las obligaciones de medios sintéticos de la EU AI Act hacen que los avatares no divulgados sean un riesgo a nivel de canal.
Leer primero
- El skill de contenido (educational-content-and-how-to / short-form-video-script) — el material.
- brand-profile + voice-builder (la voz del guion) + design-and-templates (kit de marca).
El marco: HUMAN
(Profundidad: references/the-human-framework.md.)
- H — Tener una razón para un avatar: formación / guías explicativas / localización / sin rostro = sí; confianza del fundador / testimonios / persuasión emocional = no (rostro real); temas médicos regulados = precaución (retrasos de moderación).
- U — Usar solo semejanza con consentimiento: grabación de consentimiento en vivo para avatares personales; actores de stock consentidos; nunca suplantación ni endors falsos; gobierno sobre el uso (uso ≠ edición; voz separada).
- M — Hacer el guion en lenguaje oral: frases cortas, contracciones, SSML, encuadre más cercano; bloquear el texto antes de generar (trampa de re-render); leerlo en voz alta primero.
- A — Ensamblar escenas + localizar: kit de marca + plantilla una vez; AI Playground B-roll (usar el carril de Veo 3.1 — OpenAI finaliza la API de Sora el 24 de septiembre de 2026, por lo que el carril de Sora 2 está muriendo); traducción/doblaje con 1 clic → QA de hablante nativo por idioma; un maestro, variantes rastreadas.
- N — Notificar la divulgación + publicar: etiquetas de IA de la plataforma + EU AI Act + C2PA; humano aprueba; exportar → capcut si es necesario → scheduling-and-queue → WoopSocial.
La realidad (verificar trimestralmente)
Synthesia 3.0 (octubre 2025): motor Express-2 (cuerpo completo, gestos, microexpresiones, 1080p/30fps, sin límite de duración), Video Agents (conversacional en tiempo real; Enterprise), AI Playground (B-roll incrustado — lanzado con Sora 2 + Veo 3.1; la API de Sora finaliza el 24 de septiembre de 2026, por lo que Veo es el carril duradero), Interactividad 2.0, AI Dubbing, Copilot, doc/PPT→video, SSML, renderizado ~en tiempo real, 39+ idiomas de subtítulos. Arquitectura de consentimiento (de la documentación de Synthesia): actores de stock consentidos; avatares personales mediante grabación de consentimiento en vivo en una toma única; prohibición de deepfakes/suplantación; SOC 2 Tipo II + GDPR + ISO 42001/27701 + membresía C2PA; la moderación marca en exceso el contenido regulado (se reportan revisiones de 12–24 h). Niveles ≈ Gratis 10 min/mes · Starter $18–29 (~120 min/año) · Creator $64–89 (~360 min/año, API, clonación de voz) · Enterprise personalizado (ilimitado, SCORM, traducción con 1 clic, Video Agents); los minutos no se acumulan; anual sin reembolso; avatares personalizados ≈ $1,000/año; las ediciones a nivel de coma obligan a re-renderizados completos (~8–12 min). Límite honesto: clínico para contenido emocional; HeyGen se lee más nativo de TikTok. Atribuir todo; verificar trimestralmente. Detalle completo: references/synthesia-2026-reality.md; la tabla de idoneidad, el patrón de guion, la cadena de localización, la hoja de cálculo de plan-matemáticas y ejemplos trabajados: references/fit-and-templates.md.
Alcance honesto (nunca violar)
- El agente ejecuta la prueba de idoneidad, escribe guiones bloqueados en lenguaje oral, planifica escenas/localización/QA y maneja la API donde esté conectado (pasos humanos exactos en otro caso; sin publicación automática no revisada); el humano aprueba cada video (sin "eso se ve natural" fabricado; QA de hablante nativo por idioma); WoopSocial publica las exportaciones — no genera avatares; la distribución LMS/SCORM es del humano.
- Columna vertebral del consentimiento: ningún avatar de nadie sin consentimiento verificado; sin celebridades/competidores; sin endors falsos. Divulgación siempre (etiquetas de plataforma; EU AI Act; C2PA). YMYL: la entrega de avatar no baja el listón de afirmaciones; los temas regulados presupuestan tiempo de revisión de moderación. Nunca fabricar niveles, límites, tiempos de renderizado o capacidades. (Alcance completo:
references/scope-and-connections.md.)
Distinto de sus hermanos (enrutar correctamente)
synthesia (este) = el carril de avatar empresarial/L&D/localización · heygen = el carril creador/nativo social (probar ambos; indicar compensaciones) · talking-head-and-piece-to-camera = el humano real (el contenido de confianza se enruta allí; el híbrido es el movimiento profesional) · ai-video / luma / veo-3 / kling = metraje cinematográfico, sin presentador (el AI Playground incrusta dos de ellos para B-roll) · ai-voiceover / elevenlabs = solo voz · descript = edición de grabaciones (esto genera el presentador) · capcut = subtítulos/ritmo post-renderizado.
Dónde se conecta
Lee primero: el skill de contenido + brand-profile + voice-builder + design-and-templates. Alimenta: capcut, los skills de publicación en plataformas, email-and-newsletter (guías explicativas incrustadas), lead-magnets-and-funnels (video de curso). Publica a través de: exportar → scheduling-and-queue → WoopSocial (social); el LMS (formación — humano). Archivo de herramienta: tools/integrations/synthesia.md. Medir con: nativo + analytics-and-reporting en finalización/visualización completa — nunca fabricado.
Definición de completado
Video de avatar que pasó primero la prueba de idoneidad (formación/guías explicativas/localización/sin rostro = avatar; contenido de confianza del fundador enrutado a rostro real; la división híbrida aplicada donde ambos existen), construido solo sobre semejanza con consentimiento (actores de stock o el avatar personal de consentimiento en vivo del propietario; sin suplantación ni endors falsos), guionizado como lenguaje oral bloqueado (frases cortas, SSML, leer en voz alta, aprobado antes de un solo render — sin quemar re-render), ensamblado en el kit de marca con B-roll honesto y localizado a través de la cadena (maestro → traducción/doblaje con 1 clic → QA de hablante nativo por idioma → variantes rastreadas), y publicado con divulgación (etiquetas de IA de plataforma; EU AI Act; C2PA) a través de WoopSocial después de aprobación humana, con matemáticas de plan hechas honestamente (límites de minutos, sin acumulación, límites Enterprise, $1,000/año avatares personalizados, búfer de revisión de moderación para temas regulados); sin presentadores sintéticos no divulgados, sin semejanza sin consentimiento, sin niveles/capacidades fabricados; y correctamente distinguido de heygen, talking-head-and-piece-to-camera, ai-video/luma, ai-voiceover y descript.