Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:09
0:15
0:20
0:23
0:26
0:28
0:36
0:40
0:40
0:43
0:47
0:49
0:51
0:53
0:57
0:59
1:04
1:06
1:08
1:10
1:10
1:14
1:16
1:19
1:20
1:21
1:24
1:26
1:29
1:33
1:34
1:37
1:39
1:40
1:42
1:44
1:45
1:46
1:50
1:53
1:55
1:58
2:01
2:01
2:04
2:07
2:09
2:10
2:13
2:15
2:18
2:23
2:25
2:28
2:30
2:32
2:34
2:38
2:40
2:42
2:46
2:49
2:51
2:53
2:56
2:59
3:00
3:02
3:05
3:07
3:10
3:10
3:13
3:16
3:17
3:19
3:21
3:21
3:24
3:24
3:27
3:27
3:30
3:31
3:35
3:38
3:42
3:44
3:46
3:47
3:50
3:53
3:55
3:59
4:00
4:03
4:06
4:07
4:09
4:11
4:11
4:14
4:15
4:18
4:21
4:24
4:27
4:28
4:31
4:33
4:37
4:39
4:41
4:43
4:44
4:47
4:49
4:53
4:54
4:58
5:00
5:03
5:06
5:07
5:09
5:11
5:13
5:15
5:17
5:19
5:20
5:21
5:24
5:26
5:28
5:30
5:31
5:32
5:35
5:38
5:40
5:42
5:44
5:48
5:49
5:51
5:53
5:54
5:56
5:57
5:58
6:02
6:05
6:08
6:11
6:13
6:13
6:16
6:18
6:21
6:23
6:26
6:28
6:31
6:34
6:34
6:36
6:38
6:39
6:42
6:43
6:45
6:48
6:51
6:53
6:55
6:56
6:58
6:59
7:02
7:03
7:05
7:07
7:10
7:11
7:13
7:15
7:17
7:19
7:23
7:25
7:28
7:30
7:32
7:33
7:36
7:39
7:39
7:41
7:42
7:45
7:46
7:49
7:52
7:53
7:53
7:56
7:57
8:01
8:03
8:04
8:06
8:07
8:09
8:12
8:13
8:13
8:16
8:18
8:21
8:23
8:26
8:28
8:29
8:32
8:34
8:37
8:40
8:42
8:44
8:47
8:49
8:52
8:54
8:57
8:59
9:00
9:03
9:05
9:09
9:11
9:13
9:16
9:17
9:20
9:23
9:25
9:27
9:30
9:34
9:34
9:37
9:39
9:40
9:43
9:46
9:49
9:52
9:54
9:57
10:00
10:03
10:05
10:05
10:08
10:10
10:11
10:13
10:16
10:19
10:21
10:24
10:25
10:28
10:32
10:34
10:38
10:41
10:43
10:46
10:48
10:52
10:54
10:57
10:58
10:59
11:01
11:02
11:05
11:08
11:10
11:12
11:13
11:14
11:16
11:17
11:21
11:24
11:25
11:28
11:29
11:32
11:32
11:34
11:37
11:39
11:42
11:44
11:46
11:48
11:51
11:54
11:57
11:58
12:01
12:02
12:04
12:05
12:07
12:08
12:09
12:11
12:14
12:17
12:19
12:20
12:23
12:26
12:30
12:32
12:35
12:37
12:40
12:41
12:44
12:46
12:48
12:49
12:50
12:52
12:54
12:56
12:58
13:03
13:04
13:06
13:07
13:10
13:14
13:15
13:18
13:20
13:22
13:23
13:26
13:29
13:31
13:33
13:35
13:38
13:39
13:41
13:44
13:45
13:46
13:46
13:47
13:50
13:53
13:53
13:56
13:58
14:00
14:01
14:03
14:07
14:10
14:12
14:14
14:14
14:16
14:18
14:21
14:24
14:25
14:27
14:29
14:32
14:34
14:36
14:38
14:40
14:42
14:44
14:47
14:47
14:49
14:51
14:55
14:57
14:59
15:01
15:02
15:04
15:06
15:07
15:09
15:11
15:13
15:15
15:18
15:19
15:21
15:22
15:25
15:28
15:32
15:34
15:35
15:37
15:42
15:45
15:48
15:50
15:53
15:54
15:56
15:59
16:00
16:03
16:06
16:09
16:10
16:13
16:16
16:20
16:22
16:24
16:25
16:27
16:27
16:29
16:32
16:33
16:34
16:38
16:40
16:43
16:46
16:47
16:48
16:50
16:52
16:54
16:55
16:58
17:01
17:01
17:02
17:04
17:06
17:08
17:10
17:13
17:14
17:15
17:18
17:20
17:22
17:26
17:28
17:30
17:33
17:37
17:40
17:52
17:54
18:06
18:08
18:10
BIM se encuentra con la inteligencia artificial.
Exploramos la ciencia, la tecnología y el futuro
desde el enfoque de la arquitectura, ingeniería y
construcción.
¡Empezamos!
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio
de BIMPRAXIS.
Hoy os traemos el fin de los influencers
tradicionales y cómo Google permite crear avatares consistentes
con IA de forma gratuita.
Y bueno, para arrancar este análisis a fondo,
imaginemos por un momento la siguiente escena.
¿Un paseo virtual por el catálogo de Ikea?
En uno de esos salones de ensueño que
tienen, de repente aparece una modelo impecable dictando
las próximas tendencias de decoración.
Claro, la típica figura que factura miles de
euros al mes en colaboraciones.
Exacto.
Tiene la agenda de campañas abarrotada, millones de
interacciones en redes, pero, y aquí viene lo
fuerte, hay un pequeño detalle técnico.
Nunca ha respirado.
Es increíble.
Es un conjunto de píxeles hiperrealistas.
Eso es, un avatar.
Como es el caso de Inma .gram, que
está siendo contratada por corporaciones multinacionales para, digamos,
vivir en sus tiendas.
Así que hoy vamos a sumergirnos en una
serie de informes recientes de la industria publicitaria.
Y sobre todo...
Y sobre todo, en la documentación técnica de
una nueva plataforma de Google.
Google Flow.
Eso es, Google Flow.
Unos documentos que explican cómo, básicamente, los laboratorios
de Silicon Valley acaban de reducir a cero
absoluto la barrera técnica y económica.
O sea, para que cualquier persona pueda crear
a la próxima superestrella digital desde el sofá
de su casa.
Y fíjate, el planteamiento de estos informes es
fascinante porque expone la solución definitiva al gran
cuello de botella histórico que ha tenido la
inteligencia artificial generada.
Que era la consistencia, ¿verdad?
Exactamente, la falta de consistencia.
A ver, hasta ahora, conseguir que un rostro
generado por algoritmos mantuviera sus facciones intactas a
lo largo de, no sé, 100 imágenes distintas,
requería un esfuerzo computacional inmenso.
Horas y horas de ensayo y error.
Sí, sí, horas perdidas.
Por eso, la misión de nuestra inmersión de
hoy es desgranar las cuatro tecnologías clave que
Flow y los modelos de la familia Gemini...
Ponen sobre la mesa.
Hablamos de la consistencia paramétrica, la variabilidad contextual,
la cinemática y la transferencia espacial.
Suena muy técnico, pero es vital.
Es que comprender la mecánica de estos cuatro
pilares equivale a entender cómo todo el ecosistema
publicitario se está reescribiendo ahora mismo desde sus
cimientos.
Vale, pues vamos a desgranar esto.
Empecemos precisamente por el primer bloque.
La consistencia perfecta.
Porque, claro, antes crear un personaje con inteligencia
artificial...
Era como, no sé, intentar rodar una película
independiente donde para cada escena contratas a un
actor distinto.
Un actor que simplemente se da un aire
al anterior, sí.
Exacto.
En un plano, pues la estructura maxilar era
más ancha.
En otro, la distancia entre los ojos variaba
milímetros.
Y claro, se rompía la ilusión por completo.
Totalmente.
Pero, según la documentación de Flow, la plataforma
incluye ahora un botón, una función nativa llamada
Personajes, que está impulsada por Gemini mediante lo
que denominan una gema.
Una instrucción personalizada, ¿no?
Eso es.
En lugar de depender de la aleatoriedad, de
poner un texto descriptivo kilométrico y rezar para
que salga bien, el sistema te obliga a
establecer nueve pilares fundamentales antes de procesar un
solo gráfico.
Y ese paso de lo simplemente descriptivo a
lo paramétrico es el verdadero salto, ¿verdad?
Es el avance radical.
La gema funciona...
Funciona como un ancla en el espacio latente
del modelo.
O sea, no se limita a pedir un
chico con gafas.
Exige definir cosas como el tipo de encuadre,
la óptica exacta y el realismo técnico.
El operador puede especificar distancias focales o el
comportamiento de lentes fotográficas concretas.
¡Ostras!
Y luego pasa a la topología facial.
Requiere las medidas de la estructura de la
mandíbula, los pómulos y hasta identificadores inmutables, ¿eh?
Cicatrices, piercings, asimetrías...
...o el color exacto del iris.
Espera, sobre eso de las lentes me surge
una duda técnica.
Si en ese segundo pilar se especifica, por
ejemplo, un objetivo de 50 milímetros, ¿el modelo
realmente aplica principios de óptica o simplemente desenfoca
el fondo de forma así, genérica?
No, no, aplica principios ópticos simulados.
Entiende cómo la compresión de planos de un
objetivo de 50 milímetros afecta la proporción de
la nariz respecto a las orejas, por ejemplo.
¡Madre mía!
A diferencia de un gran angular, que distorsionaría
el centro del rostro.
Por eso los pilares quinto y sexto, que
se centran en la textura y la iluminación,
son tan críticos.
Claro, ahí es donde te la juegas con
el fotorrealismo.
¡Exacto!
La diferencia entre un renderizado que parece sacado
de un videojuego antiguo y un perfil comercial
de alto nivel que factura miles de euros,
residen en la imperfección.
En el defecto.
¡Eso es!
Al pedir parámetros como piel húmeda, asimetría en
los poros o micro lunares bajo una luz
muy alta, muy controlada, el algoritmo cruza la
frontera de la percepción humana.
Y a esto le sumas el séptimo pilar,
la definición del vestuario, especificando la textura, el
peso y la caída de la tela.
Y terminando con la composición y el tono
emocional, ¿no?
¡Exactamente!
Los pilares octavo y noveno.
¡Es una locura!
De hecho, los ejemplos que citan en las
fuentes muestran resultados que desafían cualquier escrutinio.
Analizaban un avatar de un divulgador científico hiperrealista,
otro de fantasía con el pelo simulando un
brócoli, texturas vegetales súper complejas y hasta un
pirata de estética ciberpunk.
Sí, sí.
También detallan que puedes subir una fotografía real
de un humano, de uno mismo y parametrizarlo.
Pero a ver, la mecánica que cimienta toda
esta identidad me resulta curiosa.
Una vez que introduces estos nueve pilares, el
sistema no te devuelve una sola imagen.
Fuerza la generación simultánea de tres perspectivas.
Frontal, de perfil estricto y de espaldas.
¡Exacto!
Es como si le hicieran un escáner 3D
y le firmaran un contrato de escritura.
Es una exclusividad al personaje.
Y esa triangulación es la piedra angular del
sistema.
Al obligar a la IA a proyectar el
mismo rostro desde tres ángulos opuestos, se está
construyendo un mapa topográfico tridimensional.
El modelo ya no tiene que adivinar o
alucinar el volumen craneal del personaje cuando le
pides una toma lateral.
Ya tiene la base de datos.
Eso es.
Posee una base de datos volumétrica exclusiva de
esa entidad.
Pero, a ver, pongámonos en la situación.
Si un usuario pide una toma en escorzo,
digamos un ángulo de 45 grados, ¿no existe
el riesgo de que la IA se invente
información en ese punto ciego que hay entre
el perfil y el frontal?
A ver, podría parecerlo, pero aquí entra en
juego la interpolación avanzada.
Los modelos modernos no almacenan imágenes como tal.
Almacenan vectores de relación espacial.
Si la herramienta conoce la profundidad exacta del
tabique nasal desde el frente y desde el
lateral, el cálculo del ángulo intermedio es puramente
matemático.
Por lo tanto, la integridad anatómica se mantiene
intacta en cualquier rotación.
Entendido.
O sea, esto no es solo una nueva
herramienta de diseño.
Es como si hubieran liberado el código fuente
de toda la producción audiovisual.
Han transformado la logística física de un casting
y las sesiones de fotos en variables de
texto.
Totalmente.
Pero claro, ese escaneo estático nos lleva al
verdadero problema comercial.
Un rostro tridimensional congelado en el vacío, pues
no sirve para hacer campañas de marketing.
Claro que no.
Las marcas necesitan a alguien sujetando su producto
en el mundo real.
Y aquí entramos en la segunda clave de
nuestra inmersión, las variaciones y la interacción en
el mundo real.
Correcto.
Porque la identidad visual no vale de nada
si no la integras en algo dinámico.
Y los documentos de Flow muestran cómo, una
vez que has anclado al personaje, basta con
utilizar el símbolo del arroba para invocarlo.
Igual que etiquetas a alguien en Instagram.
Tal cual.
El uso del comando arroba ciencia, por ejemplo,
llama a todos esos cálculos volumétricos al instante.
Y lo más destacable es que se ejecuta
a través de motores gratuitos como NanoBanana Pro,
NanoBanana 2 o Imagen 4.
O sea, modelos gratuitos.
Operan ahora mismo sin requerir consumo de créditos
de pago en sus configuraciones básicas.
El caso del científico ilustra esto fenomenal.
Porque la agencia cogió a este personaje y
lo ubicó dando una clase magistral frente a
un auditorio lleno de robots en una universidad
futurista.
Y la geometría del rostro reaccionaba a la
luz de ese entorno nuevo de forma impecable.
Pero aquí es donde se pone verdaderamente interesante.
La demostración que altera las reglas del juego
de la publicidad es la del perfume.
El informe describe a una creadora virtual que
se llama el Abby.
Sí, el caso del Abby es tremendo.
El usuario aportó una fotografía externa completamente real
de un frasco de perfume de una marca.
Y usando el comando de arroba tanto para
el avatar como para el archivo del producto,
ordenó generar una publicación profesional de Instagram sujetando
el producto.
A ver, ¿no es esto un terremoto absoluto
para las agencias de publicidad?
Es un cataclismo.
Porque si conectamos esto con el panorama general,
el reto computacional que acaba de resolver el
algoritmo en ese escenario es colosal.
La IA no está simplemente recortando y pegando
el frasto de colonia sobre una mano falsa.
Está analizando los vectores de luz que inciden
sobre el cristal real del producto y calculando
cómo esa luz se refractaría proyectando las sombras
coherentes sobre la piel sintética de la mano
que lo sujeta.
O sea, es una simulación de físicas de
contacto pero en tiempo real.
Exacto.
Y la profundidad de campo lo integra todo.
El desenfoque del dedo índice pulsando el vaporizador
hace que sea indistinguible saber qué parte es
foto real y qué parte es código puro.
La barrera de entrada para la publicidad de
alto nivel acaba de desaparecer.
Porque tradicionalmente, para conseguir este nivel de acabado
tenías que localizar un perfil adecuado, pagarle, alquilar
un estudio, contratar dirección de arte, técnicos de
luces, semanas de postproducción y ahora editas directamente
la realidad comercial con un presupuesto de cero
euros, cero créditos.
Y esta democratización a nivel de estudio se
multiplica cuando escalas la complejidad.
Porque la herramienta no sufre degradación al meterle
variables adicionales.
Probaron a invocar a tres personajes distintos a
la vez en la misma imagen.
¡Ostras!
Tres avatares creados previamente.
Sí.
Un equipo de seguridad cibernética caminando por un
pasillo y el sistema mantuvo la consistencia de
los tres cráneos, la coherencia de la ropa
y las físicas de la luz sin pestañear,
sin colapsar.
¡Qué barbaridad!
Encima, la plataforma tiene herramientas de edición de
flow nativas.
Tienes ajustes de brillo, de contraste, desenfoque y
puedes añadir texto que se integra perfectamente en
la imagen.
O sea, las letras proyectan su propia oclusión
ambiental sobre el decorado.
Y el inpainting para modificar partes, claro.
Exacto.
O redimensionar la imagen.
Si tienes una foto apaisada y la quieres
para un formato vertical en redes, el motor
entiende el contexto e inventa con precisión el
techo y el suelo que faltaban.
Y fíjate que este nivel de integración no
se queda solo en crear imágenes.
Los informes incluyen una nota incidental muy reveladora
sobre el patrocinador de uno de los creadores,
el caso de las gafas EVEN G2.
Ah, sí, sí.
Un apunte brillante, porque ilustra que el uso
de la inteligencia artificial en el día a
día ya es real.
Totalmente.
Las EVEN G2 parecen unas gafas de graduación
estándar, ¿no?
Sí.
Cristales normales, montura convencional.
Pero esconden un sistema de telepónter invisible en
el cristal y asistencia por IA, todo operado
de forma superdiscreta por un anillo, el EVEN
R1.
Lo que demuestra cómo la capa computacional se
está volviendo invisible, ya sea renderizando poros en
un embajador de marca virtual o superponiendo datos
en la retina en una sala de juntas,
la frontera entre lo tangible y lo sintético
se ha disuelto.
La IA ya es una infraestructura silenciosa, no
una promesa.
Pero, y aquí viene la gran pregunta, las
fotos de Instagram están muy bien, pero la
prueba de fuego de la influencia moderna es
el vídeo y la voz.
Por supuesto.
¿Cómo damos el salto del estatismo al movimiento
con flow?
Porque una fotografía, por compleja que sea la
luz, sigue siendo un objeto estático.
La influencia real exige cadencia, respiración… ¿Sonido?
Claro.
¿Cómo se traslada este mapa estático a un
flujo de vídeo?
Pues para lograr este salto, la plataforma le
asigna una voz consistente al avatar, una huella
biométrica permanente.
Y utilizan motores de vídeo como Gemini 3
.1 Lite, que es más barato, gasta unos
10 créditos, o el modelo FAST para una
calidad mayor.
Y el desafío aquí ya no es sólo
generar el movimiento, sino mantener la elasticidad facial
sincronizada con el audio.
Lo del lip sync y los ejemplos que
documentan son espeluznantes.
Muestran al personaje sintético en dos contextos súper
distintos.
En uno aparece tomando un café y dice
con claridad, vale, este es el mejor café
que he probado en mi vida.
Y en el otro clip está en la
playa.
Eso es.
El mismo avatar en la playa, con otra
luz, diciendo, ojalá la vida tuviese siempre esta
calma.
Y la sincronización labial es perfecta.
La coherencia de la voz es total.
La musculatura de la boca reacciona anatómicamente a
cada sílaba.
Es que la audiencia empieza a percibir una
firma acústica confiable, no sólo un rostro.
Y, técnicamente, para evitar el clásico efecto gelatina
de la IA en los vídeos… Que todo
se deforma de fondo, sí.
Claro.
Pues la herramienta te permite marcar el fotograma
de inicio y el fotograma de fin.
Así guías la transición temporal y la red
neuronal asegura que el entorno no se desintegre
mientras el personaje habla.
Estabilidad total.
Pero leyendo las fuentes sobre la transferencia a
través del modelo Omni, madre mía, aquí es
donde se desmorona todo.
La revolución de Omni es brutal.
Porque permite mezclar inputs.
O sea, detallan que puedes subir un vídeo
selfie grabándote con el móvil, apuntando a una
pared vacía, y pedirle a la IA que
añada a Super Mario y a Luigi en
la habitación.
Y no está pegando una pegatina digital sobre
el vídeo, ¿eh?
El modelo Omni decodifica el espacio físico, analiza
la luz de la ventana, la profundidad y
proyecta esas propiedades sobre Mario.
Hace que arrojes sombras reales en la pared
de tu cuarto.
Pero lo que de verdad plantea una pregunta
clave para los creadores humanos es el proceso
a la inversa.
La transferencia de identidad.
Si la IA puede clonar mi voz, ponerme
un traje a medida y enviarme a un
estudio de televisión profesional simplemente subiendo un vídeo
mío en pijama recién levantado, ¿qué significa todo
esto?
Es que plantea una pregunta importantísima sobre la
identidad vegetal.
El modelo Omni no solo crea de cero,
sino que transfiere realidades, extrae la intención del
humano, sus gestos y cambia todo el envoltorio.
Mencionan hasta transferencia de movimiento, ¿no?
Sí, sí.
Puedes subir un vídeo de una persona real
bailando agresivamente y aplicar exactamente esos movimientos fluidos
al avatar del científico, por ejemplo.
Transfiere la energía humana a la malla 3D.
Hay una nota técnica en la fuente que
dice que, por políticas de seguridad, a veces
esto se bloquea.
Sí, requiere poner el prompt en inglés o
usar no VPN de Estados Unidos para evitar
los bloqueos regionales.
Ya, la eterna lucha de la moderación.
Y para quienes agotan los 50 créditos diarios
de Flow, recomiendan una plataforma gratuita, ¿verdad?
OneVideo.
OneVideo, o Ken, sí.
Resuelve la escalabilidad, te permite animar personajes y
sincronizar audio de forma totalmente ilimitada y gratuita.
La pega es que, si desactivas lo mismo,
los créditos pasas a una cola de espera
más larga.
Tienes que tener paciencia, claro.
Exacto.
Pero la IA ya no es solo una
herramienta de creación, es un motor de traducción
de la realidad.
Y esto nos lleva a la gran reflexión
final, el mensaje central de todas estas fuentes.
Porque, claro, si el presupuesto para tener un
plató increíble, una voz perfecta y un rostro
de alta costura es cero euros… ¿Dónde reside
el valor ahora?
Exacto.
Las fuentes concluyen que el cómo se hace
y el quién lo dice, ya no importa.
Los rostros se van a olvidar o se
van a fabricar en masa.
Es la inflación masiva de la estética.
Habrá una sobreabundancia de carisma sintético en las
redes.
Totalmente.
Así que lo único que realmente va a
marcar la diferencia de ahora en adelante es
el qué, el mensaje.
Porque un rostro falso puede atraer las miradas
unos segundos, pero solo un mensaje real hace
pensar a la audiencia.
Exactamente.
La tecnología es el megáfono, pero el guión
lo seguimos escribiendo los humanos.
Qué gran cierre para este análisis.
Antes de despedirnos hasta el próximo programa, os
informamos de que las voces que oyes han
sido generadas por la IA de Notebook LM
y que dirigiendo el podcast se encuentra Julio
Pablo Vázquez, un humano que te envía saludos.
En caso de error, probablemente sean errores humanos.
¡Nos escuchamos!
Y hasta aquí el episodio de hoy.
Muchas gracias por tu atención.
Esto es BIMPRAXIS.
Nos escuchamos en el próximo episodio.
¡Gracias!