Hunyuan Video-Foley
Hunyuan Video-Foley: efectos de sala para vídeos de producto
En los estudios de doblaje lo llaman efectos de sala: alguien en una habitación llena de suelos y trastos vuelve a grabar los pasos, el roce de la ropa y la taza que se apoya, al ritmo de la imagen. Hunyuan Video-Foley, de Tencent, hace una versión de ese trabajo a partir de tu clip y de una descripción escrita. En Blurbly acepta clips de hasta 30 segundos y, a diferencia de Kling, necesita que le describas los sonidos. Merece la pena cuando lo que vende el producto es cómo suena al tocarlo.
Actualizado
Detalles y precios del modelo →
Separa el contacto, el material y el aire de la habitación
Piensa en tres capas. El contacto principal: la tapa que toca la mesa. El detalle del material: el esmalte de la cerámica, el roce corto sobre la madera. Y el aire: una cocina casi en silencio, con la nevera muy lejos. Si describes las tres por separado, al escuchar sabes qué capa falla y qué parte de la descripción tienes que cambiar. No te saltes el aire: sin él, el silencio entre dos contactos suena a vacío digital, y el oído lo nota antes que la vista.
Para un vestido de lino, el contacto son los pasos; el material, la tela que roza al andar; el aire, un estudio con poco eco. No hace falta más. Cada sonido que añades es otro evento que tiene que caer en su fotograma, y en un clip de producto lo normal es que uno solo lleve el peso.
Di también lo que no quieres oír: «sin música, sin voces, sin golpes metálicos». Un bolso de piel no necesita hebillas que suenen como un llavero, y un tarro de crema no necesita un chapoteo. Luego comprueba que se respetó; escribirlo no garantiza que no aparezca.
Si tu producto no hace ruido por sí mismo (una crema, un perfume, una prenda doblada), el foley se apoya en el gesto: la tapa, el pulverizador, la mano que alisa la tela. Elige el plano donde ese gesto se ve mejor y deja el resto del anuncio para la música. Y si el clip es un producto girando sobre una peana, sin manos ni contactos, el foley no tiene nada que hacer: ahí la música lleva todo el peso y añadir efectos solo mete ruido.
Ve la escena y escucha el resultado
Las referencias y resultados proceden de generaciones anteriores propias. Los ejemplos de texto no son transcripciones ni reproducciones garantizadas de estos archivos.
Café filtrado: agua, cerámica y ambiente interior
Referencia de cerámica para describir el material acústico
Café filtrado: agua y sonidos de escena generados
Describe lo que oiría un micrófono, no lo que diría un folleto
Usa verbos que suenan: tintinear, rozar, crujir, chasquear, arrastrar, gotear. «Tapa de cerámica que se apoya despacio sobre una encimera de madera, cocina tranquila» le da al modelo un material, un gesto y un espacio. «Anuncio lujoso y premium» no le da ninguno de los tres, porque un micrófono no graba lujo.
Afina los materiales como lo haría alguien de sala. Algodón y lino no suenan como nailon; una cremallera metálica no suena como una de plástico; la cerámica esmaltada tintinea y el gres mate golpea. La superficie también cuenta: la misma taza suena distinta sobre madera que sobre mármol. Si no sabes cómo suena tu producto, tócalo junto al teléfono y escúchalo antes de escribir.
Un plano por clip. Hunyuan sincroniza mejor una toma continua que un montaje, así que si tu anuncio de 25 segundos tiene cinco planos, no subas el montaje entero. Haz foley solo del plano protagonista, el del contacto con el producto, y usa música en el resto. Gastas una generación en lugar de cinco y el detalle se oye donde importa.
Ordena la descripción como la oirías: primero el contacto, después el material, al final el ambiente. Dos o tres frases cortas bastan. Una descripción de párrafo entero, con cada objeto de la escena, invita a que suenen cosas que nadie toca. Para un neceser con cremallera, por ejemplo: «cremallera metálica que se abre despacio, roce de nailon, habitación silenciosa». Nada más.
Revisa el fotograma del contacto, no la pista entera
Primero escucha sin mirar y pregúntate si reconoces el material. Después abre el clip en el editor, avanza fotograma a fotograma hasta el contacto y mira la forma de onda. El pico tiene que estar en ese fotograma o en el siguiente. Si llega antes, la toma no vale: un sonido que se adelanta a la imagen parece doblado, por bonito que sea.
Un ejemplo completo, hipotético. Vendes tazas de gres hechas a mano y tienes un clip de 6 segundos en el que una mano apoya la taza en una mesa de roble y la arrastra un poco. Descripción: «taza de gres mate que se apoya sobre roble con un golpe sordo y corto, arrastre breve, cocina silenciosa, sin música». Generas y escuchas a ciegas: ¿suena a gres o a vidrio? Compruebas el pico en el fotograma del apoyo y lo pruebas en el móvil. Si el golpe sordo se pierde en el teléfono, será el arrastre, más agudo, el que sostenga el sonido, así que vale la pena que se oiga claro.
No intentes arreglarlo moviendo toda la pista. Si el primer golpe llega tres fotogramas antes y lo desplazas, el segundo se va tres fotogramas tarde. Genera otra toma o recorta el clip para que solo quede el contacto que salió bien. La muestra de esta página es un café de filtro con agua y ambiente generados por Hunyuan: escucha el agua y los contactos y luego comprueba si caen con la imagen.
Termina con dos pruebas. En el altavoz del móvil, comprueba que el contacto se sigue entendiendo, porque los golpes graves se pierden por el camino. Y si el clip va en bucle en la ficha de producto, deja el final tan tranquilo como el principio para que la unión no se oiga en cada vuelta. Y vuelve a verlo exportado, en el teléfono y a pantalla completa, que es lo más parecido a como lo va a ver el cliente.
La música, si la quieres, va aparte con ElevenLabs Music o MiniMax Music 2.5 y se mezcla en el editor, por debajo del foley en los segundos del contacto. Mira la cotización del modelo y la duración del clip antes de generar: un clip recortado al gesto cuesta menos y sincroniza mejor que el plano completo.
Ejemplos de prompts y guiones
La tapa de un tarro pequeño de cerámica esmaltada se levanta y se apoya sobre madera: un tintineo corto, un roce leve y una cocina en silencio. Sin música ni voces.
Una persona adulta cruza un estudio con poco eco. La manga de lino roza un bolso de algodón, pasos discretos sobre tarima. Sin voces, sin música, sin sonidos metálicos.