¿Qué es D-ID?
D-ID es una plataforma de vídeo con avatares y agentes visuales disponible mediante Studio en navegador, aplicaciones móviles, integraciones, API y SDK. Puede animar una foto desde texto o audio, generar vídeo con presentadores de catálogo o personales, traducir metraje existente con sincronización labial y clonación de voz, y crear avatares interactivos respaldados por un LLM y una base de conocimiento.
Su alcance técnico actual incluye avatares fotográficos V2, avatares V3 de catálogo y vídeo instantáneo, avatares expresivos V4, más de 30 idiomas de salida para traducción, voces de varios proveedores, integraciones con Canva y PowerPoint e inserciones front-end. Un agente en vivo puede escuchar por micrófono, recuperar conocimiento de la organización, hablar mediante WebRTC o LiveKit y exportar conversaciones para analizarlas.
Esas superficies tienen flujos de datos distintos. Un vídeo formativo unidireccional, un avatar personal persistente, una voz clonada, una entrevista traducida y un agente siempre activo para clientes no deben compartir una aprobación genérica.
Calidad del avatar, traducción y seguridad del agente
La calidad depende del rostro fuente, resolución, pose, recorte, movimiento, audio, pronunciación, idioma y estilo. La sincronización y expresión pueden resultar persuasivas aunque poco naturales. Comprueba artefactos faciales, ojos y boca, manos, marcas, ritmo, pronunciación, subtítulos y si la interpretación cambia la emoción pretendida.
Video Translate cobra por idioma de salida y puede clonar la voz fuente. Revisa nombres, cifras, afirmaciones, términos regulados, tratamientos y expresiones culturales antes de generar. La comparativa actual limita los vídeos traducidos de autoservicio a cinco minutos fuera de Trial, mientras Enterprise admite hasta 30. Solo Enterprise enumera corrección como función empaquetada; los demás necesitan control lingüístico propio.
Visual Agents añade mayor riesgo. El sistema puede combinar micrófono, voz a texto, razonamiento LLM, documentos RAG, TTS y renderizado; la integración opcional con ElevenLabs delega la conversación a otro proveedor. Restringe fuentes, elimina secretos y contenido de inyección, define rechazos, prueba preguntas sin respaldo, limita herramientas y acciones, etiqueta el agente como IA, obtiene consentimiento del micrófono, ofrece traspaso humano y revisa transcripciones exportadas.
Precios y créditos actuales de Studio
La página anual muestra Trial a $0 por 14 días y tres minutos, Lite a $56 al año (equivalente a $4.70 mensuales) por diez minutos al mes, Pro a $191 ($16 equivalentes) por 15 y Advanced a $1,293 ($108 equivalentes) por 100. Enterprise es personalizado y anuncia minutos personalizados o ilimitados, colaboración, SSO, servicios profesionales y procesamiento más rápido. Los planes anuales se pagan por adelantado, pero los créditos llegan mensualmente y no como bolsa anual.
Trial y Lite tienen licencias personales. Pro añade uso comercial, voces premium, un clon de voz, subtítulos y una marca de IA. Advanced añade avatares y clones personales y permite logotipo personalizado. La ayuda dice que solo Enterprise elimina por completo la marca; confirma la diferencia entre logotipo propio y eliminación. Trial usa marca a pantalla completa; Lite, marca D-ID; y Pro, marca genérica de IA.
El uso normal de vídeo y traducción suele contar un crédito por hasta 15 segundos. Cada idioma traducido es una salida separada. Las respuestas de Agent cuestan 0.5 créditos por cada intervalo de 15 segundos y se detienen al acabar el saldo. El tráfico es por uso; modelos, voz, conocimiento y proveedores externos pueden cobrar aparte. El «primer mes ilimitado» está sujeto a uso razonable y no debe orientar cálculos de producción.
Consentimiento, biometría, imagen y aviso
La política biométrica de D-ID afirma que crear avatares, imágenes parlantes, clones de voz, solicitudes de vídeo a vídeo y verificar identidad puede extraer geometría facial, puntos de referencia, huellas de voz, marcha y otros rasgos biométricos. Puede compartirlos con proveedores de verificación o moderación. Dice que esta información no se usa para mejorar productos ni entrenar modelos y se destruye al final del periodo de retención aplicable.
Obtén permiso específico, informado y revocable de cada persona identificable. Indica qué rostro y voz se capturan, si se crea un clon reutilizable, fines y canales exactos, territorio, uso comercial, edición, traducción, duración, destinatarios, proveedores, retención, eliminación y efectos de retirada. Una imagen pública o consentimiento ordinario de grabación no autorizan automáticamente a sintetizar nuevo discurso.
Etiqueta presentadores sintéticos en contenido y metadatos cuando sea práctico y cumple las normas de plataformas, publicidad, elecciones, consumo, trabajo, imagen y biometría. Nunca hagas que una persona real parezca recomendar un producto, afirmar algo, aconsejar o participar en un acto que no aprobó.
Retención, seguridad y operaciones API
La privacidad dice que los Applicative Data de API no persistidos se borran automáticamente mediante AWS en 24 horas, los datos de Agent en 72 horas y los de Insight en 14 días. Un indicador persist conserva datos cifrados hasta que el usuario los elimina. Las plantillas biométricas necesarias para mantener un avatar pueden durar más, hasta el periodo necesario o permitido. Son relojes distintos: documenta cada uno.
Elimina entradas API completadas cuando sea posible, evita persist por defecto, retira avatares y clones sin uso, fija retención de exportaciones y verifica copias y subencargados. D-ID dice que los Applicative Data pendientes no se usan para entrenar y no se respaldan fuera de su política; confirma compromisos empresariales en el pedido.
Las credenciales API usan un par usuario/contraseña por autenticación Basic. Guárdalas solo en servidor o gestor de secretos, nunca en navegador o repositorios públicos. Rota claves, fija alertas de gasto, restringe dominios insertables, protege claves cliente, limita sesiones, valida cargas y URL, vigila generaciones inesperadas y ofrece un interruptor para agentes en vivo.
Veredicto
D-ID ofrece un recorrido amplio desde una foto parlante hasta bibliotecas localizadas de presentadores e interfaces de IA en tiempo real. Studio es accesible y las API y SDK hacen programable la capa visual.
Su idoneidad depende menos de la novedad que de autorización y gobernanza. Elige un plan con derechos comerciales y de marca correctos, prueba calidad lingüística y visual, haz evidente la identidad sintética, obtiene consentimiento granular de rostro y voz, minimiza persistencia, protege las claves y supervisa respuestas. Sin esos controles, un avatar convincente es una responsabilidad en lugar de un atajo de producción.
