VOCAPreguntas frecuentes · TRANSPARENCIA EN LUGAR DE UNA «CAJA NEGRA»
Qué necesita VocaVid.
Y cuánto cuesta.
Los valores que aparecen a continuación proceden de trabajos locales completados con VocaVid en la configuración utilizada con la RTX 4080. Son una referencia realista, no una promesa de rendimiento: el modelo, la resolución, la VRAM, la cola, el prompt y la versión de ComfyUI influyen en cada generación.
¿Cuánto cuesta un proyecto de VocaVid?
VocaVid no cobra por imagen ni por clip: la generación se lleva a cabo en tu ordenador con los modelos que tengas instalados. Por lo tanto, los costes reales son el tiempo de cálculo, la electricidad y, en su caso, las licencias o los costes de acceso a los modelos que utilices adicionalmente.
¿Cuánto dura un videoclip?
El factor más importante son los clips y, si se utilizan, los avatares. Los siguientes valores medios proceden de la base de datos local de trabajos del proyecto en una RTX 4080:
| Paso | Ø por unidad |
|---|---|
| Solicitud de imagen | ~ 9 segundos / segmento |
| Imagen | ~ 5 segundos / segmento |
| Indicación de vídeo | ~ 6 segundos / segmento |
| Imagen de avatar | ~ 1 minuto y 29 segundos / segmento |
| Clip | ~ 1 minuto y 22 segundos / segmento |
| Plano de escena | ~ 4 minutos y 37 segundos / segmento procesado* |
| Renderizado en MP4 | ~ 2 minutos y 33 segundos / exportación |
| Análisis del reel | ~ 45 segundos / ejecución |
* La variación en el «Scene Plan» es elevada, ya que la duración de la canción, el tamaño del lote y la cantidad de texto influyen considerablemente. Por ello, este valor se ha concebido deliberadamente solo como una guía de planificación aproximada.
¿Qué necesito antes de empezar?
Python 3.11+, una instancia de ComfyUI en ejecución, FFmpeg y una GPU compatible con CUDA constituyen la base práctica. Los modelos concretos y los nodos personalizados dependen del flujo de trabajo seleccionado. La referencia del flujo de trabajo recoge los archivos JSON que se incluyen actualmente.
¿Puedo corregir manualmente la sincronización y la segmentación?
Sí. Tras «Analyze + Split», se pueden controlar el inicio y el final de líneas individuales, grupos de líneas y pasajes instrumentales en el modo de tabla. Esto resulta especialmente útil antes del «Scene Plan» y el renderizado, ya que todos los pasos posteriores se basan en estos segmentos.
¿Para qué más necesito Kdenlive?
VocaVid crea un proyecto editable de Kdenlive y, si es necesario, renderiza directamente un MP4. Kdenlive sigue siendo el lugar ideal para el montaje final, los títulos, las transiciones personalizadas o la corrección de color.
¿Se generan los «reels» automáticamente?
Una vez obtenido el MP4 final, VocaVid analiza los fragmentos musicalmente interesantes, genera vistas previas y exporta verticalmente los fragmentos que tú elijas. La selección la decides tú; la herramienta se encarga de la búsqueda y de la exportación técnica.