Lip sync es la sincronización labial, que el movimiento de los labios coincida con lo que se oye. Se usa en la música, en el doblaje y, cada vez más, en el vídeo generado con IA. Ahí sirve para que una persona real o generada diga un texto nuevo, en otro idioma o con otra voz.
¿Qué es el lip sync?
La expresión viene del inglés lip synchronization. Lip syncing es la acción de hacerlo. En España, para la música, se ha dicho siempre playback. El término cubre tres oficios distintos.
En la música
Un cantante mueve los labios sobre una grabación en vez de cantar en directo. Pasa en televisión, en galas y en videoclips, donde la canción se graba antes y en el rodaje solo se interpreta.
En el doblaje
Aquí la sincronización va al revés. Los labios ya están en pantalla y lo que se ajusta es el texto traducido. El adaptador busca frases que duren lo mismo y que sigan el movimiento labial del actor original. Luego el actor de doblaje interpreta mirando la imagen.
En el vídeo generado con IA
La IA cambia lo que se toca. En lugar de adaptar el texto a la imagen, modifica la imagen. La cara se regenera fotograma a fotograma con los movimientos de labios, mandíbula y dientes que pide la nueva pista de voz.
¿Cómo ha cambiado el lip sync con la IA?
El salto conocido llegó en 2020 con Wav2Lip, un trabajo académico que sincronizaba los labios de cualquier persona en un vídeo con un audio distinto (arXiv). Desde entonces han aparecido dos familias de herramientas.
Herramientas que sincronizan un vídeo con otro audio
Partes de un vídeo grabado y de una voz nueva. La herramienta rehace los labios, la mandíbula y los dientes al ritmo de ese audio. Sync, una de las empresas especializadas, ofrece varios modelos y el más reciente, sync-3, trabaja el plano entero y saca la imagen en 4K (documentación de Sync).
Otras herramientas van más allá y traducen el vídeo completo. HeyGen anuncia traducción a más de 175 idiomas conservando la voz del hablante y sus gestos (HeyGen).
Modelos que generan la voz y la imagen a la vez
La segunda familia genera el plano entero con su diálogo desde cero. Google presentó Veo 3 en mayo de 2025 como su primer modelo de vídeo con audio, capaz de generar diálogo entre personajes con sincronización labial precisa (Google).
Hoy lo hacen casi todos los grandes modelos de vídeo. Kling 4.0, Seedance 2.5 y los de Google que contamos en Veo, Flow y Gemini Omni generan voces y efectos junto con la imagen. Lo que cambia entre ellos es lo bien que aguantan el español, los planos largos y varias personas hablando.
¿Para qué se usa el lip sync con IA?
El primer uso es el doblaje a otros idiomas. Una entrevista, un curso o un anuncio grabado en español puede salir en inglés o en alemán con la misma cara y una voz parecida a la original. Encaja sobre todo en contenido corporativo, de formación y redes, donde la alternativa era subtitular o no traducir.
El segundo son los avatares. Una persona graba unos minutos de vídeo y a partir de ahí se generan piezas nuevas con su imagen leyendo cualquier guion. O se crea un presentador que no existe. Es la base de buena parte del UGC hecho con IA.
El tercero es la publicidad. Una campaña se adapta a cada mercado sin volver a rodar. Se prueban diez ganchos distintos con el mismo plano o se corrige una frase después del rodaje sin convocar otra vez al actor. Cómo se produce una pieza así, con su voz y sus versiones, se trabaja en la clase 7 del curso de publicidad con IA.
Límites y riesgos del lip sync con IA
Los límites técnicos siguen ahí. La documentación de Sync reconoce que sus modelos de la serie 2 rinden peor con caras de perfil y que varias personas en el plano, caras muy pequeñas o algo delante de los labios bajan la calidad (Sync). Y un acento mal resuelto rompe la escena aunque los labios estén perfectos.
El consentimiento de la persona
El riesgo serio es atribuir a alguien frases que nunca ha dicho. En España, usar el nombre, la voz o la imagen de una persona con fines publicitarios o comerciales sin su consentimiento expreso ya es una intromisión ilegítima según la Ley Orgánica 1/1982 (artículos 2 y 7.6). Ese consentimiento además se puede retirar.
El Gobierno quiere ir más lejos. El 7 de julio de 2026 aprobó el proyecto de una nueva ley del derecho al honor que prohíbe los deepfakes sin consentimiento y considera ilegítimo usar con IA la voz o la imagen de alguien con fines comerciales sin su autorización (Ministerio de Justicia). Está en tramitación en el Congreso.
Si doblas a un actor o a un portavoz de la marca, pide su permiso por escrito para ese uso concreto.
La ultrasuplantación y el artículo 50
El artículo 50 del Reglamento europeo de Inteligencia Artificial obliga a quien difunde una ultrasuplantación a decir que el contenido se ha generado o manipulado de forma artificial. El reglamento define ultrasuplantación como un vídeo, audio o imagen que se parece a personas o hechos reales y que puede pasar por auténtico. Un vídeo doblado con lip sync que muestra a una persona real diciendo algo nuevo entra de lleno. Se aplica desde el 2 de agosto de 2026.
Para obras claramente creativas, satíricas o de ficción la obligación es más ligera. Basta con avisar de forma que no estropee la obra. En un anuncio, el aviso tiene que verse.
Preguntas frecuentes
¿Qué significa lip sync?
Es la abreviatura de lip synchronization, sincronización labial. Se refiere a que los movimientos de los labios coincidan con el audio, sea una canción, un doblaje o una voz generada con IA.
¿Qué es el lip syncing?
Es mover los labios sobre un audio ya grabado. En música se llama también playback y en redes es un formato en el que alguien interpreta una canción o un diálogo ajeno.
¿Cómo funciona el lip sync con IA?
Un modelo analiza el audio y regenera los labios y la mandíbula en cada fotograma siguiendo lo que se dice. Otros modelos generan directamente el vídeo con la voz incluida, de modo que la sincronización sale hecha desde el principio.
¿Es legal hacer lip sync con IA de una persona real?
Con su consentimiento expreso, sí. Usar su voz o su imagen con fines publicitarios sin permiso es una intromisión ilegítima en España. Y en la Unión Europea hay que avisar de que el vídeo está manipulado con IA cuando puede pasar por real.
Dónde aprender a usar la voz en tus anuncios
La sincronización labial ya la resuelve la máquina. Lo que no resuelve es qué voz pega con la marca, cuándo compensa doblar una pieza y cuándo hace falta grabarla otra vez. Eso lo trabajamos con tu propia campaña en el curso de publicidad con IA.
Curso de publicidad con IA
40 horas, online y en directo. Pre-matrícula a 990 €, después 1.190 €.
Ver el curso de publicidad con IA
