Cómo estoy creando avatares digitales operativos hiperrealistas con IA: proceso, errores y método.
Llevo un tiempo investigando y probando cómo crear avatares UGC hiperrealistas con IA. Y cuanto más avanzo, más clara tengo una cosa: hacer una cara bonita es fácil. Mantener una identidad consistente es lo realmente difícil.
Cualquiera puede abrir una herramienta, escribir cuatro líneas y generar una imagen bastante espectacular. El problema viene después, cuando quieres que esa misma persona vuelva a aparecer en otra escena, con otra luz, otra expresión, otro ángulo, otra ropa o incluso hablando en vídeo.
Ahí es donde se rompe la magia.
De repente el rostro cambia. La edad se mueve. El pelo no es el mismo. La mirada pierde identidad. La piel parece demasiado perfecta. Y el avatar deja de ser una persona para convertirse en "otra imagen más generada por IA".
Por eso, en Intel Ex Machina estoy trabajando en un procedimiento más ordenado para crear avatares hiperrealistas que puedan mantenerse estables en el tiempo y utilizarse dentro de procesos de contenido, formación, simulación y entornos de investigación. No como una imagen suelta, sino como una identidad visual.
El punto de partida: no quiero una modelo perfecta
Una de las primeras cosas que tuve claras es que no quería crear un avatar con estética de banco de imágenes. Ese tipo de imagen puede impresionar al principio, pero suele tener un problema: parece demasiado perfecta. Piel demasiado limpia. Rostro demasiado simétrico. Luz demasiado bonita. Pose demasiado preparada. Todo demasiado "IA".
Y precisamente el contenido UGC funciona por lo contrario. Funciona porque parece cotidiano. Porque tiene pequeñas imperfecciones. Porque podría haber sido grabado con un móvil. Porque hay una arruga en la camiseta, una sombra rara en la pared, un mechón fuera de sitio o una expresión que no está perfectamente posada. Ahí es donde empieza a aparecer la sensación de realidad.
Así que mi objetivo no era crear "la imagen más bonita posible". Mi objetivo era crear una persona que pudiera existir.
Primero la identidad, luego la herramienta
Este ha sido uno de los aprendizajes más importantes del proceso.
Al principio es muy tentador ir directamente a la herramienta de generación, escribir un prompt largo y esperar que salga algo bueno. Pero no funciona así. O mejor dicho: puede funcionar una vez, pero no te da control. Y si no tienes control, no tienes sistema.
Por eso empecé a trabajar el proceso al revés: primero defino la identidad, después construyo el prompt y solo al final genero la imagen. Antes de pedirle nada a la IA, intento responder preguntas muy concretas:
¿Qué edad aparente tiene el avatar? ¿Qué energía transmite? ¿Cómo es su rostro? ¿Qué rasgos lo hacen reconocible? ¿Qué elementos no pueden cambiar nunca? ¿Qué cosas sí pueden variar? ¿Qué estética visual quiero mantener? ¿Qué tipo de contenido va a crear?
Este paso parece menos espectacular, pero es probablemente el más importante. Porque si no sé quién es mi avatar, la IA tampoco lo va a saber.
La imagen de referencia lo cambia todo
Una buena imagen de referencia vale más que un prompt enorme. Esto lo he comprobado una y otra vez.
La IA necesita anclas visuales. Necesita algo a lo que agarrarse. Si solo le das texto, interpreta demasiado. Y cuando interpreta demasiado, inventa.
Por eso, el primer objetivo es conseguir una imagen base sólida. Normalmente empiezo con algo muy sencillo: un retrato frontal, luz natural, rostro limpio, expresión neutra, fondo sin demasiada distracción, sin poses raras, sin estilismos excesivos.
Algo parecido a una foto de pasaporte, no a una foto final.
La idea no es que esa imagen sea la más impresionante, sino que sea estable. Que tenga una identidad clara. Que pueda servir como punto de partida. A partir de ahí, empiezo a construir.
Convertir una cara en una ficha técnica
Una vez tengo esa primera imagen, el siguiente paso es analizar el rostro. Y aquí es donde el proceso se vuelve más interesante.
No se trata de decir "es una chica morena con ojos claros". Eso no sirve para mantener consistencia. Hay que bajar mucho más al detalle: forma global del rostro, proporción alto/ancho, frente, cejas, ojos, nariz, pómulos, labios, mandíbula, mentón, piel, pelo, microasimetrías y rasgos que no deben cambiar bajo ninguna circunstancia.
Este análisis lo convierto en lo que llamo una ficha facial. Para mí, esta ficha es como el ADN visual del avatar. No es el prompt final. No es una escena. No es una descripción bonita. Es la base técnica que me permite repetir el personaje sin que se me vaya de las manos.
El Character Lock: bloquear la identidad
Después creo lo que llamo el Character Lock. Este archivo funciona como un candado visual. Separo tres cosas:
Lo que debe mantenerse fijo: forma del rostro, ojos, nariz, mandíbula, color de pelo, edad aparente, textura de piel y energía general.
Lo que puede variar un poco: ropa, expresión, postura, maquillaje suave, iluminación, contexto, ángulo de cámara.
Lo que está prohibido. Y esta parte es fundamental. Aquí meto todo lo que no quiero que la IA haga: que cambie la edad, que convierta la piel en plástico, que agrande los ojos, que modifique el pelo, que exagere los labios, que derive el avatar hacia una modelo de anuncio o que lo lleve hacia una estética demasiado artificial.
Este documento me ayuda a mantener el control. Porque una cosa es variar la escena, y otra muy distinta es perder al personaje.
[CHARACTER LOCK]
SHORT DESCRIPTOR
Young woman with a softly elongated oval face, broad clean forehead, dark almond-shaped eyes, thick dark brows, a straight refined nose, a delicate jawline, long very dark hair, and a small facial tattoo reading “IA101” beneath one eye.
FIXED FEATURES THAT MUST REMAIN CONSISTENT
- Apparent age: around 20 years old
- Ethnic read: Latina / Hispanic or Mediterranean-Latina appearance
- Face shape: elongated oval with harmonious proportions
- Broad, clean forehead with smooth contour
- Face appears visibly taller than wide; balanced, refined overall structure
- Medium almond-shaped dark brown eyes with balanced spacing close to one eye width
[...]
FEATURES THAT MAY VARY SLIGHTLY
- Intensity of makeup, always natural and discreet
- Exact head angle, body angle, and gaze direction
- Hair neatness, slight wave, or small strand variation
- Lip openness and micro-expression
[...]
PROHIBITED ELEMENTS / WHAT MUST NOT DRIFT
- Face becoming square, rounder, or noticeably wider
- Jaw becoming angular, masculine, or heavy
- Eyes becoming oversized, round, overly wide-set, or doll-like
- Eyebrows becoming too thin, too arched, too sharp, or unnaturally stylized
[...]Después vienen las reglas visuales
El Character Lock bloquea la identidad. Pero además necesito definir el estilo visual del avatar. Ahí entran las reglas visuales: qué tipo de luz le favorece, qué estética debe mantener, qué ropa encaja con la identidad, qué maquillaje es aceptable, qué tipo de cámara quiero simular, qué fondos funcionan mejor, qué expresiones son naturales para ese personaje y qué errores debo evitar.
Esto es importante porque la IA tiende a embellecer. Y si no la frenas, acaba llevando el avatar hacia un sitio que no siempre interesa: más glam, más perfecto, más editorial, más artificial. Yo no busco eso. Busco una imagen con intención, pero con verdad. Una imagen que pueda parecer tomada desde un móvil, desde una cámara real, desde un momento cotidiano.
El prompt como una escena, no como una frase
Otra cosa que he cambiado mucho es la forma de escribir prompts. Antes los pensaba como instrucciones. Ahora los pienso como escenas.
No escribo simplemente: "Mujer joven en una cafetería." Eso es demasiado abierto. Intento construir algo más parecido a una dirección de foto: qué plano es, dónde está, qué está haciendo, qué luz entra, qué lleva puesto, cómo mira, qué emoción transmite, qué lente se está simulando, qué partes del rostro deben mantenerse, qué cosas no deben aparecer.
Para mí, un buen prompt no es el más largo. Es el que deja menos huecos peligrosos. Porque cada hueco que dejas, la IA lo rellena a su manera. Y muchas veces lo rellena mal.
"title": "urban balcony realism",
"identity": "Young adult male creator, everyday realism, non-model appearance",
"age_range": "25-30",
"ethnicity": "Southern European / Mediterranean",
"realism": "uneven skin tone, light under-eye shadows, visible pores, subtle asymmetry, realistic skin variation",
"hairstyle": "medium-length dark brown hair brushed back with soft waves, slightly unstyled, natural crown volume, loose strand near the side temple",
"facial_hair": "light 2-3 day stubble, natural and slightly irregular growth, subtle integrated mustache",
"face_details": {
"forehead": "broad and clean, visually prominent",
"eyes": "almond-shaped, slightly hooded, focused and calm",
"jaw": "defined square jawline, masculine and natural",
"chin": "broad, centered, moderately projected",
"lips": "natural medium volume, lower lip slightly fuller",
"nose": "straight medium-width bridge, rounded defined tip"
},
"outfit": "plain sweatshirt",
"fabric_details": "creased fabric, natural wear, soft casual texture",
"lighting": {
"type": "overcast daylight",
"direction": "front-left",
"temperature": "5600K"
},
"camera": {
"type": "mirrorless camera",
"lens_mm": 35,
"aperture": "f/2.0",
"subject_distance_m": 2.6
},
"pose": "shoulders slightly slouched, relaxed natural posture",
"expression": "calm, unscripted, approachable",
"background": "urban balcony",
"retouching": "raw capture look, no beauty smoothing",
"aspect_ratio": "3:4" Crear escenas UGC: la imperfección como parte del realismo
Cuando empiezo a generar contenido UGC, intento no perder de vista algo: el contenido real no es perfecto. Una story de Instagram no suele tener luz de cine. Un selfie no tiene una composición impecable. Una foto en casa puede tener un fondo algo desordenado. Una camiseta puede estar arrugada. Una cara puede tener sombras, textura, poros, rojeces o cansancio.
Y todo eso suma. Por eso, en muchos prompts añado detalles que normalmente intentaríamos evitar: ligero ruido digital, enfoque no totalmente perfecto, luz ambiental mezclada, fondo cotidiano, postura relajada, mirada no demasiado posada, microasimetrías, piel con textura visible.
Porque lo hiperrealista no viene de hacerlo todo perfecto. Viene de hacerlo creíble.
Del avatar estático al avatar en vídeo
Cuando ya tengo imágenes consistentes, paso al vídeo. Y aquí la dificultad sube bastante.
En imagen puedes controlar mucho. En vídeo, cualquier pequeño fallo se nota más. El rostro puede cambiar entre frames. Las manos pueden fallar. La boca puede moverse raro. La mirada puede perder naturalidad. El personaje puede dejar de parecer el mismo.
Por eso intento trabajar con movimientos sencillos. No necesito que el avatar haga veinte cosas a la vez. Prefiero algo más controlado: mirar a cámara, hablar suavemente, girar un poco la cabeza, sonreír de forma mínima, mover una mano, caminar despacio, sostener un café, grabar una story. Menos espectáculo. Más credibilidad.
La voz: otro nivel de identidad
Si el avatar habla, la voz tiene que encajar. Y esto parece obvio, pero no siempre se cuida.
La voz no puede sonar como una locución genérica. Tiene que tener relación con la edad, el carácter, la energía y el contexto del avatar. No es lo mismo una voz para una pieza educativa que para una story casual, una simulación conversacional o un vídeo más corporativo.
La voz añade una nueva capa de identidad. Y si no encaja, rompe todo el trabajo visual. Por eso prefiero trabajar primero el vídeo, luego generar la voz por separado y finalmente hacer el lipsync, ajustando expresión, ritmo y naturalidad en edición.
La postproducción es donde termina de respirar
La edición final es una parte que no conviene saltarse. Muchas veces el bruto generado por IA tiene potencial, pero necesita limpieza: un corte aquí, un ajuste de ritmo, un poco de color, un sonido ambiente, subtítulos, eliminar un gesto raro, recortar un segundo que no funciona, disimular una transición, añadir una pausa.
La postproducción no debería convertir el resultado en algo artificial. Debería hacer justo lo contrario: ayudar a que respire mejor.
Lo que estoy aprendiendo
Después de probar todo este proceso, me quedo con varias ideas:
La consistencia vale más que la belleza. Una buena referencia pesa más que un prompt enorme. El realismo está en los detalles pequeños. La IA tiende a embellecer, y muchas veces hay que frenarla. Un avatar no se improvisa: se diseña. El vídeo amplifica cualquier error de identidad. La voz también forma parte del personaje. Y la postproducción sigue siendo imprescindible.
Crear avatares UGC con IA no es solo generar imágenes. Es dirección visual. Es diseño de personaje. Es fotografía. Es narrativa. Es control de identidad. Es prueba y error. Y también tiene algo de artesanía. Porque al final, aunque la herramienta genere, la mirada sigue siendo humana.
Además, en este proceso he utilizado herramientas como NanoBanana Pro, Claude y ChatGPT, entre otras, aunque no he entrado en detalle exactamente con cuál se ha hecho cada cosa, y hay una razón clara para eso: este campo evoluciona tan rápido que lo que hoy es la mejor opción, mañana puede haber quedado obsoleta. Lo que sí tengo claro es que no basta con las versiones gratuitas. Para obtener resultados reales y consistentes hace falta una inversión mínima en IA. Las herramientas gratuitas se quedan cortas, y en algún momento hay que decidir si esto es un hobby o una apuesta seria.
Cierre
Para mí, este proceso no va de sustituir creatividad. Va de ampliarla.
La IA puede generar imágenes, vídeos y voces, sí. Pero alguien tiene que decidir quién es ese personaje, cómo se mueve, cómo mira, qué transmite, qué límites tiene y por qué resulta creíble. Ahí está la parte interesante. No en pulsar un botón. Sino en construir una identidad visual que pueda sostenerse en el tiempo.
Y eso, al menos para mí, es donde empieza el verdadero trabajo artístico.
Una imagen bonita puede llamar la atención. Un avatar consistente puede contar una historia. 🎭✨
