Un autor reemplazó su cara por un avatar de IA en YouTube: la duración media de visualización fue de 1 minuto frente a 5
El fundador de una app para aprender palabras creó una copia de sí mismo con IA y lanzó un canal de YouTube sin grabar nada. El guion lo escribió Claude Code, la voz la generó ElevenLabs y el rostro lo puso HeyGen. Un vídeo de diez minutos costaba $2–3, pero la duración media de visualización del avatar fue de unos 1 minuto, mientras que la del autor real, grabado con un micrófono de 300 rublos, fue de unos 5. YouTube recomienda los vídeos que la gente termina de ver, así que una producción barata que no retiene al espectador no funciona.
Procesado por IA desde Habr AI; editado por Hamidun News
Imagine que no tiene que montar luces, grabar diez tomas ni preocuparse por la dicción: usted escribe el guion y una copia digital de usted mismo lo lee frente a la cámara. El autor de una aplicación móvil para aprender idiomas probó este esquema en YouTube. Montó un proceso casi totalmente automático en el que un vídeo de diez minutos cuesta $2–3.
Pero en las analíticas de YouTube, el resultado fue el contrario. La duración media de visualización, es decir, cuántos minutos ve de media el espectador antes de cerrar el vídeo, fue de unos 1 minuto en los vídeos con avatar. En los vídeos normales, en los que el autor aparece frente a la cámara, fue de unos 5 minutos.
Y es precisamente esta métrica la que determina si YouTube recomienda el vídeo a otras personas.
Cómo funciona el proceso
El autor buscaba tráfico orgánico para su aplicación y decidió lanzar un canal sobre técnicas para memorizar palabras. La aplicación podría mencionarse a lo largo del vídeo.
Primero probó varios servicios que animan imágenes. El vídeo de Hedra resultó tan flojo que tuvo que eliminarlo. King AI fue todavía peor. Solo HeyGen, con su modelo más caro, Avatar 6, ofreció una calidad aceptable, a unos $1 por minuto de vídeo.
Para que la imagen recordara a una grabación con varias cámaras, el autor hizo fotos suyas desde distintos ángulos. Con ChatGPT las convirtió en escenas con el mismo estudio generado y, a partir de ahí, creó en HeyGen varias configuraciones del avatar.
Después entró en juego Claude Code. Escribía el guion y lo dividía en escenas: qué texto suena en plano, qué ángulo usar, cuándo mostrar un primer plano y cuándo una infografía. ElevenLabs locutaba cada fragmento con un clon de la voz del autor. Ese clon lo creó leyendo un pequeño texto ante el micrófono. Todos los pasos eran operaciones repetitivas con una entrada y una salida claras, así que los scripts le resultaron sencillos de escribir. Lo más difícil fue conseguir un rostro aceptable.
Economía: de $25 a $2–3
El primer vídeo completo costó unos $25. La mayor parte se la llevó la generación de vídeo en HeyGen. El autor decidió reducir el tiempo del avatar en pantalla. El rostro quedó al principio, al final y en las transiciones entre bloques, alrededor del 20% del metraje. El resto lo ocuparon infografías, ilustraciones e inserciones. Esto tuvo dos efectos: el espectador ve menos gestos antinaturales y un vídeo de diez minutos pasó a costar unos $2–3. El autor considera que los vídeos incluso ganaron, porque en lugar de una cabeza que habla hay explicaciones visuales.
Además, reorientó el canal hacia una audiencia angloparlante que estudia español. Según su observación, en inglés los gestos de HeyGen salían bastante mejor que en ruso.
Lo que mostró la analítica
El autor publicó el primer vídeo en X, y los comentarios lo despedazaron. La gente hablaba del efecto valle inquietante, como se llama a la sensación desagradable que produce un ser humano artificial que parece casi real, pero cuyas pequeñas incoherencias en la expresión generan malestar. El bloguero Vlad Ten compartió el vídeo en Telegram. El resultado: unas pocas miles de visualizaciones, 10 me gusta y 100 no me gusta. La paradoja es que YouTube, por la actividad generada, empezó a mostrar el vídeo a otras personas.
El autor señaló con razón que era una prueba injusta: todos sabían que tenían delante un avatar y buscaban errores a propósito. Por eso publicó los vídeos en inglés sin anuncio y los comparó con su canal habitual. Allí aparece sentado en una habitación oscura, con un micrófono de 300 rublos, con defectos de dicción y muletillas.
Según la analítica de YouTube, la duración media de visualización en los vídeos normales fue de unos 5 minutos, y en los vídeos con avatar, de un minuto aproximadamente. Si los vídeos no se ven hasta el final, la plataforma no los promociona. El primer pico de visualizaciones se debió al interés por lo «cringe», no por el tema de los idiomas.
Algunos conocidos a los que se les mostraron los vídeos sin aviso no notaron el truco. Aun así, los vídeos no retenían al público. El autor no conoce la causa exacta y plantea una hipótesis: una persona real se traba, cambia de entonación, sonríe fuera de lugar, busca palabras. El avatar lee el texto con fluidez, pero da la impresión de alguien que no entiende de qué habla. Esto es una hipótesis, no una medición.
Qué implica esto para los profesionales
- Automatizar la producción es posible, pero eso no resuelve la retención del espectador. Diez vídeos al día no ayudan si la gente los abandona en el primer minuto.
- La métrica para evaluar una idea así es la duración media de visualización, no las visualizaciones ni las primeras reacciones.
- Conviene probar a ciegas, sin anuncio; de lo contrario, los espectadores buscarán fallos.
- Las redes neuronales siguen siendo útiles para guiones, ilustraciones e infografías. En este caso no han sustituido al presentador real.
Las limitaciones son evidentes: se trata de la experiencia de un solo autor, un solo canal, un solo nicho y una muestra de unos pocos vídeos. Otros formatos o modelos futuros podrían cambiar el resultado. Pero para quienes postergan el lanzamiento de un canal por culpa de la mala iluminación o la dicción, la conclusión es práctica: una persona real frente a la cámara, por ahora, retiene al espectador mejor que una copia perfecta.
- 21 nov 2026Los chatbots superan a los campeones del mundo de debate: 13–15 datos por conversación frente a 5–8 de los humanos
- 21 nov 2026Roskomnadzor gastará 2.270 millones de rublos en una IA que buscará VPN en el tráfico
- 21 nov 2026Anthropic собрала на IPO 81 млрд долларов, акции открылись на 34% выше цены
- 21 nov 2026ByteDance договаривается о $500 млн на Azure ради моделей OpenAI
Preguntas frecuentes sobre la noticia
Cómo funciona el proceso?
El autor buscaba tráfico orgánico para su aplicación y decidió lanzar un canal sobre técnicas para memorizar palabras. La aplicación podría mencionarse a lo largo del vídeo. Primero probó varios servicios que animan imágenes. El vídeo de Hedra resultó tan flojo que tuvo que eliminarlo. King AI fue todavía peor. Solo HeyGen, con su modelo más caro, Avatar 6, ofreció una calidad aceptable, a unos $1 por minuto de vídeo.
¿Qué se sabe sobre Economía: de $25 a $2–3?
El primer vídeo completo costó unos $25. La mayor parte se la llevó la generación de vídeo en HeyGen. El autor decidió reducir el tiempo del avatar en pantalla. El rostro quedó al principio, al final y en las transiciones entre bloques, alrededor del 20% del metraje. El resto lo ocuparon infografías, ilustraciones e inserciones. Esto tuvo dos efectos: el espectador ve menos gestos antinaturales y un vídeo de diez minutos pasó a costar unos $2–3.
¿Qué se sabe sobre Lo que mostró la analítica?
El autor publicó el primer vídeo en X, y los comentarios lo despedazaron. La gente hablaba del efecto valle inquietante, como se llama a la sensación desagradable que produce un ser humano artificial que parece casi real, pero cuyas pequeñas incoherencias en la expresión generan malestar. El bloguero Vlad Ten compartió el vídeo en Telegram. El resultado: unas pocas miles de visualizaciones, 10 me gusta y 100 no me gusta.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.