Hacer que una imagen fija hable con tu propia pista de audio cuesta en 8frame desde 17 créditos por 5 segundos (Pruna Avatar a 720p) hasta 112 (OmniHuman 1.5), con Hailuo H3 Max Lip Sync en medio, de 34 a 216 según la resolución. Un crédito vale US$ 0.01 al precio de los paquetes. Estas herramientas reciben un retrato y una pista de audio, y el resultado dura lo que dura el audio. Runway Act Two es la otra vía: una actuación real grabada en video mueve a un personaje, a 8 créditos por segundo. Los precios están leídos del código de precios de 8frame el 2026-09-30.
Herramientas de lip sync en 8frame, en una tabla
| Herramienta | Qué le das | Duración | 5 segundos | Créditos por segundo |
|---|---|---|---|---|
| Pruna Avatar | un retrato y una pista de audio | la del audio, hasta 35 s | 17 a 720p, 31 a 1080p | 3.4 / 6.1 |
| Hailuo H3 Max Lip Sync | una imagen fija y una pista de audio | la del audio, mínimo 5 s, hasta unos 15 s | 34 / 54 / 108 / 216 a 480p / 768p / 1080p / 2K | 6.75 / 10.8 / 21.6 / 43.2 |
| OmniHuman 1.5 | una imagen y una pista de audio | de 5 a 35 s, cobrado en tramos de 5 segundos | 112 | 22.4 |
| Runway Act Two | un personaje (imagen o video) y un video de actuación | de 3 a 30 s de referencia | 40 | 8 |
Ninguna de estas herramientas tuvo generaciones en producción en 8frame en los 30 días hasta el 2026-09-30, así que citamos su precio, no su calidad. Prueba con tu propio retrato y tu voz antes de comprometer un proyecto.
Cómo cobra cada una
Pruna Avatar cobra por segundo de video generado, y el video sigue a tu audio, que 8frame mide y redondea al segundo siguiente. A 720p son 3.375 créditos por segundo; a 1080p, 6.075. Las pistas de más de 35 segundos se rechazan antes de cobrarte. El resultado mantiene el formato del retrato.
Hailuo H3 Max Lip Sync también cobra la duración del audio, con un mínimo de 5 segundos, en cuatro niveles de resolución; 768p es el predeterminado. Admite unos 15 segundos de audio por generación, así que un guion más largo se divide en varios clips.
OmniHuman 1.5 cobra en tramos de 5 segundos, de 5 a 35: una pista de 7 segundos se cobra como 10 segundos, 224 créditos.
Runway Act Two es de otro tipo: en vez de una pista de audio, le das un video de alguien actuando y transfiere la actuación (cara y ritmo) a tu personaje, a 8 créditos por segundo de la referencia.
Una cabeza parlante de 30 segundos, con costos
Un retrato y un guion de 30 segundos leído con una voz sintética:
| Ruta | Generación | Créditos |
|---|---|---|
| Retrato | Nano Banana 2, 1K | 11 |
| Pista de voz (menos de 1,000 caracteres) | ElevenLabs texto a voz | 13 |
| Pruna Avatar, 720p, 30 s | un clip | 102 |
| Pruna Avatar, 1080p, 30 s | un clip | 183 |
| Hailuo H3 Max Lip Sync, 768p | dos clips de 15 segundos | 324 |
| OmniHuman 1.5, 30 s | un clip | 672 |
Así que una cabeza parlante de 30 segundos cuesta de 126 créditos (retrato, voz y Pruna Avatar a 720p) a 696 (lo mismo con OmniHuman). Si usas tu propia voz grabada en vez de texto a voz, quita los 13.
Cuál usar
Lo más barato, y con duración para un guion completo: Pruna Avatar, hasta 35 segundos en un solo clip.
La mayor resolución: Hailuo H3 Max Lip Sync en 2K (216 por 5 segundos).
Cuando importa más el ritmo de un actor real que una pista de voz: Runway Act Two, a partir de un video de actuación.
Cuando no tienes pista de audio: los modelos que generan una persona hablando con sonido en una sola pasada, como Veo 3.1 (448 créditos por 8 segundos con audio), producen la voz del modelo, no la tuya. Para una voz concreta, crea primero la pista y usa una herramienta de lip sync.
Antes de empezar
Usa un retrato que tengas derecho a animar y una voz que tengas derecho a usar. La cara o la voz de una persona real requieren su consentimiento documentado, y las plataformas tienen reglas para etiquetar a personas sintéticas realistas.
Qué revisar: la forma de la boca en las consonantes duras, dientes que se mantienen estables, parpadeos naturales y que la cabeza no se aleje del encuadre del retrato en un clip largo.
Preguntas frecuentes
¿Cuál es el lip sync con IA más barato? En 8frame, Pruna Avatar a 720p: 17 créditos por 5 segundos, 102 por 30 segundos.
¿Cuánto cuesta OmniHuman? En 8frame, 22.4 créditos por segundo, cobrados en tramos de 5 segundos de 5 a 35: 112 por 5 segundos, 672 por 30.
¿Cuánto puede durar un clip de lip sync? Hasta 35 segundos con Pruna Avatar u OmniHuman, y unos 15 segundos por clip con Hailuo H3 Max Lip Sync. Los guiones más largos se dividen y se unen (Merge Videos cuesta 10 créditos por unión).
¿El lip sync es lo mismo que un avatar parlante? Es su núcleo: una imagen fija de una persona animada sobre una pista de audio. Todos los precios de video por segundo están en precio por segundo del video con IA.
Fuentes
- Precios, duraciones y reglas de cobro del lip sync en 8frame: funciones de costo en créditos del registro de herramientas de 8frame, leídas el 2026-09-30; uso en producción: datos de producción de 8frame, solo lectura, 2026-09-30
Crea la pista de voz, elige el precio y revisa la boca. El canvas de 8frame es gratuito e ilimitado; la generación es de pago desde US$ 19 al mes.