Meta presenta Movie Gen, su modelo para crear vídeo y sonido

Meta ha presentado este viernes Movie Gen, una familia de modelos de inteligencia artificial capaz de crear vídeos con sonido sincronizado a partir de una descripción escrita. El sistema también puede modificar vídeos ya existentes: cambiar objetos, transformar escenarios o alterar elementos concretos sin necesidad de editar fotograma a fotograma.

El anuncio importa porque une en una misma familia de modelos dos capacidades que hasta ahora solían llegar separadas: la generación de imagen en movimiento y la de audio. En vez de producir un vídeo mudo al que después haya que añadir música, efectos o ambiente con otra herramienta, Movie Gen aspira a construir ambas capas de forma coordinada.

Vídeos de hasta 16 segundos en alta definición

La pieza principal de la familia es Movie Gen Video, un modelo de 30.000 millones de parámetros. Los parámetros son los valores internos que un modelo ajusta durante su entrenamiento para aprender patrones de imágenes, texto y sonido. Meta afirma que puede generar clips de hasta 16 segundos en resolución 1080p y con una cadencia de 16 fotogramas por segundo.

La empresa muestra escenas creadas desde texto con personas, animales y entornos complejos, además de secuencias en las que los personajes realizan acciones descritas en la instrucción. Como ocurre con otros generadores de vídeo, la dificultad no está solo en lograr una imagen atractiva: está en conservar la identidad de los sujetos, la coherencia de los objetos y una física razonable durante toda la secuencia.

Movie Gen entra así en una carrera en la que ya participan OpenAI con Sora, Runway con Gen-3 Alpha, Luma AI y compañías chinas como Kling. La generación de vídeo se ha convertido en uno de los frentes más visibles de la IA generativa porque exige combinar comprensión del lenguaje, composición visual, movimiento y continuidad temporal.

El sonido deja de ser un añadido externo

Meta ha desarrollado además Movie Gen Audio, un modelo de 13.000 millones de parámetros destinado a generar bandas sonoras, efectos y sonidos ambientales a partir de texto, vídeo o ambos. Puede, por ejemplo, asociar el ruido de un motor con un vehículo en movimiento, crear una base musical para una escena o añadir sonidos de ambiente coherentes con el lugar representado.

El detalle relevante es la sincronización. En un vídeo convencional, el sonido suele añadirse en posproducción y requiere decisiones humanas: cuándo entra una música, qué efecto acompaña una acción o cómo se mezcla con el ambiente. La propuesta de Meta intenta automatizar esa relación entre lo que ocurre en pantalla y lo que se escucha.

Aun así, generar sonido plausible no equivale a resolver por completo el doblaje o el diálogo de personajes. La voz humana exige sincronía labial, interpretación, continuidad entre planos y control sobre el idioma, cuestiones que siguen siendo especialmente delicadas en las herramientas generativas.

Editar un vídeo con una frase

Movie Gen no se limita a partir de una pantalla en blanco. Meta ha mostrado funciones para editar metraje existente mediante instrucciones escritas. El sistema puede añadir un objeto a una escena, sustituir el fondo, cambiar la apariencia de una persona o modificar determinados elementos sin reconstruir manualmente cada plano.

También incorpora una función de personalización de vídeo: a partir de una imagen de una persona, el modelo puede situarla en una escena generada y mantener sus rasgos. Es una capacidad atractiva para contenidos personalizados, publicidad y creatividad audiovisual, pero abre problemas conocidos de consentimiento y suplantación. Cuanto más fácil sea producir una secuencia realista con el aspecto de alguien, más importante será que las plataformas y los creadores indiquen con claridad cuándo una imagen ha sido generada o alterada por IA.

Un avance de investigación, no una aplicación disponible

Meta no ha puesto Movie Gen a disposición general del público. La compañía presenta Movie Gen como investigación y no ha anunciado su disponibilidad como producto público.

Esa cautela tiene una razón práctica. El vídeo generado puede servir para previsualizar campañas, crear material educativo, prototipar escenas o producir contenidos para redes sociales con menos recursos. Pero las mismas técnicas reducen el coste de fabricar vídeos engañosos, de imitar a personas reales o de reutilizar obras y estilos sin autorización.

La comparación decisiva no será solo la calidad de los clips de demostración. Movie Gen tendrá que demostrar que ofrece control suficiente para una producción real: consistencia entre escenas, edición precisa, derechos sobre los materiales utilizados y mecanismos eficaces para identificar contenido sintético. Meta ha enseñado una tecnología ambiciosa; falta saber bajo qué condiciones decide convertirla en una herramienta accesible.