Cómo editar videos con IA: qué hace cada función y cuándo usarla

Qué hace un editor de video con IA y qué no

Un editor de video con IA es un editor normal con modelos conectados a tareas concretas. Los modelos escuchan el habla, siguen caras y objetos, separan la voz del ruido o generan píxeles nuevos. Editores como CapCut o Jianying, Premiere Pro, DaVinci Resolve y Descript incluyen funciones así al momento de escribir esto, con nombres distintos.

Lo más útil es pensar la edición con IA en dos grupos. Las funciones de análisis encuentran cosas en tu material: palabras, pausas, caras, ritmos, cambios de plano. Ahorran tiempo y son fáciles de comprobar. Las funciones generativas crean imagen o sonido nuevos: detalle escalado, fotogramas intermedios, fondos ampliados, B-roll nuevo. Pueden añadir cosas que nunca se filmaron, así que exigen una revisión más atenta y, cuando son realistas, avisar de que se generaron con IA.

La IA no decide de qué trata tu video. No sabe cuáles son los 60 segundos más interesantes de una charla larga para tu audiencia, ni distingue qué pausa es un golpe dramático y cuál es tiempo muerto. Ese criterio sigue siendo tuyo.

Las funciones de edición con IA de un vistazo

Varias de estas funciones se apoyan en investigación publicada que puedes leer: RIFE para interpolación de fotogramas en tiempo real, Real-ESRGAN para superresolución de imágenes del mundo real, Hybrid Demucs para separar fuentes de audio y Whisper para reconocimiento de voz. Las herramientas comerciales usan sus propios modelos, pero los puntos fuertes y los fallos son parecidos.

Flujo de trabajo: sacar un short de 60 segundos de una grabación larga

Un ejemplo práctico. Tienes una grabación horizontal de 40 minutos de un pódcast con dos personas y quieres un clip vertical de 60 segundos para Shorts, TikTok y Reels.

1. Transcribe la grabación completa. Ahora tienes texto con marcas de tiempo en el que puedes buscar.
2. Encuentra el momento. Lee o busca en la transcripción un pasaje que se entienda por sí solo: una pregunta y su respuesta claras, una opinión fuerte, una cifra sorprendente. Marca dos o tres candidatos.
3. Calcula el presupuesto de palabras. El español hablado va a unas 2,5 a 3 palabras por segundo, así que 60 segundos caben unas 150 a 180 palabras. Elige un pasaje de unas 200 a 250 palabras, porque vas a recortar algo.
4. Haz el primer montaje por transcripción. Borra las frases que se desvían del tema y la introducción que el espectador no necesita. Empieza por la frase más interesante, no por el saludo.
5. Ejecuta la eliminación de silencios y muletillas y luego escucha. Devuelve cualquier pausa que tenga sentido, como el instante antes de un remate.
6. Limpia el audio. Aplica eliminación de ruido o aislamiento de voz con intensidad moderada y compara con el original con auriculares.
7. Reencuadra a 9:16. Deja que el reencuadre automático siga al hablante y revisa cada corte entre hablantes. Arregla cualquier momento en que el recorte muestre una silla vacía.
8. Añade subtítulos. Corrige nombres y cifras y mantén el texto dentro de la zona segura.
9. Añade el gancho. Asegúrate de que el primer fotograma ya muestre la cara del hablante, bien iluminada y a mitad de frase. En nuestras pruebas, un primer segundo lento u oscuro pierde espectadores antes de que el clip tenga oportunidad.
10. Exporta un único maestro de alta calidad a 1080×1920 y publica el mismo archivo en cada plataforma.

Si tu editor no tiene función de reencuadre, ffmpeg puede hacer un recorte fijo. Estos comandos cortan el segmento, listan las pausas y recortan la mitad izquierda de un plano de dos personas a 9:16:

# 1) Cut the chosen passage (from 12:04 to 13:15) out of the recording
ffmpeg -ss 00:12:04 -to 00:13:15 -i podcast.mp4 -c:v libx264 -crf 18 -c:a aac -b:a 192k segment.mp4

# 2) List pauses longer than 0.6 s that are quieter than -35 dB
ffmpeg -i segment.mp4 -af silencedetect=noise=-35dB:d=0.6 -f null - 2>&1 | grep silence_

# 3) Fixed 9:16 crop around the left speaker of a 1920x1080 frame
ffmpeg -i segment.mp4 -vf "crop=608:1080:180:0,scale=1080:1920:flags=lanczos,setsar=1" \
  -c:v libx264 -crf 18 -pix_fmt yuv420p -c:a copy vertical.mp4

En el paso 3, crop=608:1080:180:0 toma una ventana de 608 píxeles de ancho y 1080 de alto, que empieza a 180 píxeles del borde izquierdo. 608 por 1080 se acerca a 9:16, y el paso de escalado lo deja exactamente en 1080×1920. Cambia el tercer número para mover la ventana.

El orden correcto de las operaciones

El orden importa porque algunos pasos destruyen información que los siguientes necesitan, y parte del trabajo se desperdicia si lo haces demasiado pronto.

1. Elige y corta primero el contenido. Así, cada paso posterior trabaja con menos material.
2. Limpia el audio antes de los subtítulos, para que el reconocimiento de voz oiga un habla clara.
3. Reencuadra antes de los subtítulos, para colocar el texto sobre el encuadre final.
4. Iguala el color antes de exportar, cuando todos los clips ya estén en la línea de tiempo.
5. Escala la resolución al final, una sola vez, sobre la edición terminada. Escalar cada clip antes de editar multiplica el tiempo de renderizado, y ajustes distintos pueden hacer que los cortes no coincidan.
6. Conserva un único archivo maestro. Cada app vuelve a comprimir tu subida, y cada recodificación extra añade artefactos.

Funciones generativas y aviso de contenido de IA

Las funciones de análisis rara vez plantean dudas. Las generativas, sí. La política de divulgación de YouTube pide a los creadores que marquen el contenido realista creado o modificado con IA, como una persona real que parece decir algo que no dijo, material alterado de un hecho real o una escena realista que nunca ocurrió. La misma página enumera ediciones que no requieren aviso, como el ajuste de color, los filtros de belleza, la creación de subtítulos y la ayuda con tareas de producción.

En la práctica: los subtítulos, los cortes de silencios, la eliminación de ruido y la igualación de color no cambian lo que pasó ante la cámara. El B-roll generado de una calle realista, un plano ampliado que añade personas o una cara sustituida en un clip, sí. Si un espectador pudiera confundir la parte generada con material real, etiquétala. TikTok, Douyin y otras plataformas tienen sus propias etiquetas de contenido de IA, y China y la UE tienen normas de etiquetado; consulta nuestra guía sobre cómo etiquetar contenido de IA.

Límites y errores comunes

• Saltos de imagen por todas partes. Quitar todas las pausas hace que la cabeza del hablante salte entre fotogramas. Tapa algunos cortes con un zoom de entrada de un 10 a un 15 por ciento, un plano de B-roll o un cambio de subtítulo, y deja algunas pausas naturales.
• Pérdida de contexto. Un clip corto sacado de una charla larga puede cambiar lo que el hablante quiso decir. Lee las frases anteriores y posteriores a tu clip y no cortes una cita de modo que diga lo contrario.
• Voz procesada en exceso. Una eliminación de ruido fuerte hace que las voces suenen finas o robóticas. Usa el ajuste más bajo que quite la molestia y conserva un poco de sonido ambiente.
• Escalado que inventa detalle. Los modelos de superresolución adivinan el detalle. Las caras pueden cambiar ligeramente y el texto pequeño puede convertirse en letras falsas. Compara el maestro escalado con el original en una pantalla grande.
• Interpolación en movimiento rápido. Los fotogramas intermedios nuevos son suposiciones. Las manos, los objetos que giran y las personas que se cruzan suelen deformarse. Usa la interpolación solo en movimientos lentos y sencillos.
• Fiarse del reencuadre. El reencuadre automático sigue el movimiento y las caras, no el sentido. En una charla de dos personas puede quedarse en la persona equivocada. Revisa cada cambio de hablante.
• Editar primero con IA las grabaciones en bruto completas. Elige el pasaje antes de ejecutar procesos pesados; es más rápido y revisas menos.

Un editor de video con IA gratis suele bastar para clips cortos. Al comparar opciones, fíjate en lo que importa para tu caso en vez de en un ranking: si la exportación lleva marca de agua, la resolución de exportación, si los archivos se procesan en tu dispositivo o se suben, y qué idiomas admiten los subtítulos. Para la forma y el tamaño del archivo final, consulta nuestra guía de tamaños de video vertical.