Video con IA para clips de podcast: verticales, loops y portadas

Un programa de audio tiene un problema de distribución que no tiene nada que ver con el audio. El episodio está bien. Los clips que deberían venderlo necesitan imágenes, y tú no te apuntaste a hacer imágenes. La mayoría de los podcasters acaban con las mismas tres opciones (una forma de onda sobre un rectángulo de color, una cámara apuntando a un micrófono, o nada), y el video generado es una cuarta, siempre que sepas exactamente qué partes del trabajo hace y cuáles no toca.

Lo que eroq no va a hacer con tu episodio

Ten esto claro antes de montar un flujo de trabajo a su alrededor. eroq no toma un archivo de podcast para devolverte clips verticales subtitulados. No hay ningún pipeline que ingiera un MP3, encuentre el buen momento, incruste subtítulos y exporte un Reel. El corte sigue siendo cosa tuya: el Editor recorta, corta, pone títulos y exporta, pero tú eliges el momento y colocas las palabras.

Lo que sí existe es la mitad de la transcripción. Scribe One convierte voz a texto a 1 crédito por minuto de audio, con archivos de hasta 8 MB y detección automática del idioma. Te da las palabras. Elegir los sesenta segundos que merecen un clip, poner los subtítulos sobre la imagen y exportar el archivo vertical ocurre en la edición: en el Editor, que toma tu audio, tus clips y los títulos en una sola línea de tiempo y exporta un MP4 en 9:16, o en tu propio editor, exactamente como hoy.

Así que el reparto honesto del trabajo para un programa de audio es este: eroq hace las imágenes, Scribe One hace el texto y la edición (el Editor, o el tuyo) los une al audio que ya tienes.

Tres recursos visuales por episodio

Por episodio, vale la pena renderizar tres cosas:

1. Un loop de ambiente: el fondo que corre bajo la cita destacada mientras habla el invitado. Una ventana surcada de lluvia, una lámpara de escritorio a las 2 de la madrugada, una autopista al atardecer. No tiene nada que ver con el tema y todo que ver con no ser una forma de onda.
2. Imágenes para tres o cuatro cortes verticales: un clip corto por cada momento que piensas recortar, en 9:16, para que el mismo episodio dé varias publicaciones que no se parezcan entre sí.
3. Una portada de episodio: una imagen cuadrada que se reconozca como parte de la familia de tu programa.

El loop es el recurso que más rinde porque es reutilizable. Un programa con seis loops en rotación no vuelve a tener que renderizar nada para un episodio normal.

El prompt del loop de ambiente

El estudio de video acepta un párrafo fluido (sujeto, movimiento, cámara, luz, tono) e integra por ti tus ajustes de Paleta e Iluminación:

Lluvia que resbala por la ventana de una oficina a oscuras de noche, plano fijo mientras los faros se deshacen en bokeh en la calle de abajo y una lámpara de escritorio brilla desenfocada en primer término, lente anamórfica a f/1.4, paleta noir neón, solo luces prácticas, ritmo tranquilo, estética de cine de autor, primer plano.

Fijo es el movimiento de cámara correcto aquí, y vale la pena explicar por qué. Un loop corre bajo la voz durante treinta segundos; un acercamiento que termina en algún sitio es un plano, pero un encuadre que apenas se mueve es un fondo. Cámara en mano y Órbita son para los planos de recurso, no para lo que sostiene tu voz.

Renderiza el loop a 10 segundos y repítelo en la línea de tiempo. Diez segundos de lluvia sobre un cristal vuelven a su primer fotograma sin que nadie lo note.

Portadas de episodio con Krea2

Krea2 es el modelo fotorrealista limpio, a 1024×1024 por 10 créditos la imagen, con lotes de 1 a 4, fotos de referencia, prompt negativo y control de CFG. Genera cuatro variantes de una portada en un lote, quédate con una y habrás gastado 40 créditos en una decisión que antes era una tarde entera en Canva.

Dos notas prácticas. Deja «text, watermark, logo» (texto, marca de agua, logotipo) en el prompt negativo: las letras generadas siempre salen como casi-palabras, y de todos modos quieres escribir tu título en tu propia herramienta de diseño. Y eroq no tiene reescalador de imágenes, así que 1024×1024 es lo que te da el modelo; si tu plataforma de podcast pide una portada más grande, coloca el render en tu editor de imágenes y termínala ahí.

Si el programa es ilustrado y no fotográfico, Anima se encarga de lo estilizado y Flash Image sigue prompts descriptivos largos con un registro pictórico, los dos al mismo precio de 10 créditos. Ajusta la relación de aspecto en el estudio de imagen: 1:1 para la portada, 9:16 para la imagen de historia, 16:9 para el fondo de la miniatura de YouTube.

Lo que cuesta un episodio

Un episodio: cuatro clips verticales de 5 segundos y un loop de ambiente de 5 segundos, todos con Motion One a 145 créditos cada uno, cuatro variantes de portada con Krea2 a 10 y una hora de audio transcrita a 1 crédito por minuto, en tantos fragmentos como hagan falta para no pasar del límite de 8 MB por solicitud con tu bitrate de exportación:

• Clips verticales: 4 × 145 = 580
• Loop de ambiente: 1 × 145 = 145
• Variantes de portada: 4 × 10 = 40
• Transcripción: 60 min × 1 = 60

Total: 825 créditos por episodio. Un programa semanal son 4 × 825 = 3,300 créditos al mes, que caben en Hobby, a $15 por 1,800, con -1,500 de sobra.

Aquí es donde las cuentas aprietan: renderiza el loop a 10 segundos en lugar de 5 y Motion One cobra 290 en vez de 145, así que el episodio sale a 970 y el mes a 3,880: 2,080 créditos por encima de lo que incluye Hobby. La solución no es un plan más grande, sino renderizar el loop una vez y reutilizarlo durante un trimestre. Un loop no es contenido de cada episodio.

Si el programa es quincenal, ese mismo episodio de 825 créditos cuesta 1,650 al mes, y los 40 créditos gratis con los que empieza una cuenta nueva alcanzan para renderizar cinco variantes de portada y decidir si te gusta la estética antes de pagar nada. No alcanzan para los clips del episodio (un render de Motion One de cinco segundos cuesta 145 créditos), así que gástalos en imágenes.

El ritmo que hace que valga la pena

Trabaja por lotes. Renderiza seis loops de ambiente en una sesión, cuatro portadas al mes en otra, y deja de tocar el estudio de video entre episodios. Cada render se guarda en tu biblioteca con su receta, y Remix vuelve a cargar esa receta en la herramienta, así que «el de la lluvia, pero con nieve» es un cambio de un par de palabras y no una reescritura. Las cuentas del lado del audio (narración, cobro por caracteres, los dos motores de voz) están en el caso de uso de audiolibros y podcasts.

Preguntas frecuentes

¿Puede eroq convertir mi episodio en clips subtitulados automáticamente?

No. Scribe One transcribe tu audio a 1 crédito por minuto, en archivos de hasta 8 MB, y el resto es una edición que haces tú: elegir el clip, poner los subtítulos como títulos y exportar en vertical, en el Editor o en tu propio editor.

¿Qué uso como imagen debajo de un clip hablado?

Un loop de ambiente casi estático, renderizado una vez y reutilizado. Motion One cuesta 145 créditos por 5 segundos y 290 por 10 en cualquier cuenta; Seedance 2.0 Fast, 195 por 5 segundos desde Hobby. El movimiento compite con la voz, así que deja la cámara quieta.

¿Puedo generar una imagen de mi invitado?

No. Las personas reales e identificables sin su consentimiento están prohibidas por la política, y las personas generadas son desconocidos ficticios. Usa la foto del propio invitado o deja el encuadre en el ambiente.

¿Grabas esta semana? Abre el estudio de video, renderiza dos loops de ambiente y no vuelvas a publicar una forma de onda.