Avatar de video, en vivo o conversacional: elegir la experiencia

Elegir cómo responde el personaje

Separá cuatro capas: lo que el personaje puede decir, quién decide la respuesta, cómo se anima y dónde se presenta. Una figura en un display sigue siendo una imagen bidimensional; una pantalla transparente o una proyección requieren otra evaluación óptica. No implican captura volumétrica ni un holograma.

Un actor puede controlar un personaje con disparos de animación o con tracking; la captura facial y corporal son decisiones adicionales. En Unreal, Live Link recibe datos de animación: por sí solo no transporta la imagen terminada hasta la pantalla. La voz también necesita su ruta y su ajuste de tiempo.

Si no hay personal para atender imprevistos o conexión suficiente, conviene empezar con mensajes aprobados y operación asistida. Un agente necesita reglas de interrupción, respuesta a lo desconocido y salida humana. Ninguna modalidad garantiza retardo cero. Equipos, licencias, contenido y responsabilidades se confirman al definir el proyecto.

Video prerenderizado: recibir, orientar y volver a espera

1. Espera
2. Selección de mensaje
3. Clip aprobado
4. Cierre y retorno

Un personaje grabado puede dar la bienvenida, explicar un recorrido y presentar alternativas mediante clips aprobados. Una selección de idioma o tema puede lanzar la pieza correspondiente. La interacción elige material disponible: el personaje no escucha ni improvisa respuestas.

• Preparar una lista de clips por mensaje e idioma, con nombre estable, versión aprobada, duración real, encuadre y destino. El cierre debe permitir volver a espera sin un corte narrativo confuso.
• Entregar voz y texto revisados, subtítulos y una alternativa visible para información que dependa del audio. Confirmar derechos de personaje, interpretación, voz y música.
• Definir si una nueva acción se ignora, se encola o interrumpe el clip. Evitar que la persona cambie repetidamente de idioma y mezcle mensajes.
• Reservar un disparo manual para el anfitrión y una pieza de espera local. La detección automática puede fallar sin dejar la bienvenida inutilizable.

Un flujo propuesto es espera → selección → reproducción → cierre → espera. Si el visitante se retira antes, decidir si se completa el mensaje o se vuelve con una transición. El operador tiene una orden de retorno conocida. Prepará esos estados en el software de playback elegido y comprobá su reproducción con la guía de esa aplicación.

Ensayo propuesto: revisar todos los idiomas desde el punto de escucha y lectura, comprobar que el mensaje empieza a tiempo para la persona y repetir entradas durante reproducción. Verificar el archivo en la cadena final: una extensión no confirma resolución, audio, color o transparencia compatibles. El video aprobado se conserva como recurso local de respaldo.

Personaje en vivo: separar interpretación y técnica

1. Intérprete: voz + control
2. Animación / rig
3. Motor → imagen
4. Público → retorno al intérprete

Un intérprete puede conversar detrás del personaje y adaptar el tono a la situación. El público debe entender que interactúa con una representación animada. La producción necesita una persona responsable del personaje y otra función que supervise la continuidad técnica; la dotación concreta depende del alcance.

• Voz: micrófono del intérprete, procesamiento acordado y destino de escucha. Probar inteligibilidad junto con la animación labial, sin duplicar monitoreo de voz.
• Animación: disparos manuales, captura facial o corporal según necesidad. Identificar aplicación, plugins, versión, rig y ruta hasta el render.
• Retorno: el intérprete debe escuchar al participante y ver lo que necesita para responder. Acordar qué cámara muestra al público y si la vista del personaje se monitorea aparte.
• Conducción: anfitrión, idiomas y temas permitidos, turnos, descansos y señal para pasar a otra persona o a contenido grabado.

Cadena propuesta: voz y controles del intérprete alimentan caminos separados de audio y animación; el motor genera imagen; la salida llega a la superficie. El retorno del público viaja hacia el intérprete. Dibujar por separado estas rutas evita confundir una cámara de referencia con datos de animación.

Ensayo propuesto: una frase corta, una interrupción y una respuesta prolongada. Observar labios, audio y movimiento en el destino final, no sólo en el monitor de trabajo. Si cae el tracking, pasar a pose de espera o animación autorizada y avisar al intérprete; si cae la voz, entregar la conversación al anfitrión. No congelar un rostro en una expresión inadecuada.

Captura facial y Live Link: distinguir dato e imagen

En Live Link, una source aporta flujos llamados subjects; sus roles describen el tipo de dato. Son datos de animación, no la imagen de cámara terminada. La recepción debe vincularse al personaje y luego renderizarse.

Para evaluar captura facial con Live Link Face, identificar teléfono/tablet exacto, sistema, versión de la app, versión de Unreal/MetaHuman y modo de trabajo. Epic pide que la app permanezca activa en primer plano. La ficha consultada limita el tracking facial Android en tiempo real a Snapdragon 8 Gen 1 o posterior; eso no confirma cualquier combinación de dispositivo y build.

• Datos de animación a coordinar: nombre del subject esperado, rol, rig de destino y responsable de adaptar los datos. Guardar una referencia de rostro neutro y el rango de expresiones que se quiere usar.
• Ruta de voz: entrada, monitor del intérprete y entrega al público. Registrar por separado el retardo visible del rostro y el de la voz.
• Estado: mostrar al operador recepción reciente y validez, además de la conexión. Si deja de llegar información, definir pose de espera y recuperación antes de volver al público.
• Ensayo propuesto: rostro frontal, giro previsto, apertura de boca, cambio de expresión y pérdida/recuperación simulada. Verificar el personaje final, no sólo que aparezca un subject.

La prueba debe hacerse con un intérprete autorizado y condiciones de actuación definidas. Una demo con datos simulados permite revisar estados y adaptación visual; para comprobar compatibilidad y calidad facial, hay que usar el dispositivo y el personaje previstos. La captura de video y la salida a pantalla se configuran como etapas separadas.

Cuerpo completo: zona de actuación y retargeting

Separá captura del cuerpo, adaptación al personaje y render final. Epic documenta retargeting entre esqueletos mediante IK Rigs; esa adaptación no demuestra que un sistema de captura haya medido bien el movimiento. Elegir el sensor o traje es una decisión adicional.

• Zona: dibujar volumen de actuación, límites, posiciones de sensores y objetos que pueden tapar manos, pies o torso. Registrar luz y vestuario previstos.
• Captura: pedir fabricante, modelo, firmware, software/SDK, sistema operativo y método. No aplicar las condiciones de una cámara óptica a un sistema inercial.
• Personaje: confirmar rig, escala, orientación, postura neutra y contacto aparente de pies/manos. Un gesto humano puede requerir adaptación para un personaje de otras proporciones.
• Operación: definir entrada de un segundo cuerpo, cambio de intérprete y pérdida parcial de articulaciones. No aceptar un salto de identidad como si fuera continuidad del mismo participante.

Ensayo propuesto: caminar dentro del área, girar según guion, cruzar brazos, agacharse si la acción lo requiere y salir del volumen. Observar pies que deslizan, saltos de pose, extremidades mal orientadas y reaparición después de una oclusión. Los criterios se acuerdan para esos movimientos y ese lugar; no se deducen de una precisión comercial aislada.

Si el tracking no permite la intención, reducir el rango de movimiento, usar animaciones disparadas o pasar a una figura de medio cuerpo. Preparar una pose de descanso y transición aprobada para evitar deformaciones a la vista. La prueba física y la disponibilidad de equipos quedan por confirmar para el proyecto.

Agente conversacional: contenido acotado y salida humana

1. Entrada autorizada
2. Interpretación + fuentes
3. Respuesta / voz / figura
4. Operador o anfitrión

Una conversación generada suma una cadena de interpretación, respuesta y presentación. El servicio de avatar no equivale por sí solo a un agente con conocimiento del evento. Microsoft documenta síntesis de video/voz y opciones de conversación como componentes de su oferta; seleccionar servicio, región, idiomas y condiciones requiere una evaluación específica.

• Contenido autorizado: preparar preguntas, respuestas de referencia, fuentes aprobadas, versión y responsable de actualizar horarios o información. Definir temas que el personaje debe derivar.
• Participación: decidir si se usa texto, pulsador de turno o micrófono. Mostrar cuándo está escuchando, procesando y respondiendo; ofrecer una alternativa sin voz.
• Límites: respuesta breve, tratamiento de lo desconocido, interrupción y corte por operador. Una instrucción de estilo no garantiza que todas las respuestas sean correctas.
• Derivación: un anfitrión visible recibe consultas fuera de alcance, errores, idiomas no disponibles y pedidos de asistencia. Prever personal para ese relevo cuando la modalidad lo requiera.

Prueba propuesta con textos ficticios: pregunta cubierta, dato ausente, pregunta ambigua, interrupción y caída del servicio. Comparar respuesta con la fuente aprobada y verificar que el operador pueda cortar voz e imagen de respuesta y volver a espera. Revisar pronunciación y tiempos por idioma; no asumir equivalencia por activar una traducción.

Para cotizar, identificar integración, servicios medidos por uso, concurrencia, soporte y contenido local de respaldo. Confirmar licencias y tratamiento de datos antes de contratar; evitar conservar voces del público cuando no son necesarias. Usar personajes ficticios o activos autorizados y aclarar su carácter sintético.