Cómo hacer vídeos con IA para YouTube y TikTok: mi proceso paso a paso

Por Alejandro Ríos Martínez · Actualizado en noviembre de 2026

Algunos enlaces de esta página pueden ser de afiliado: si contratas a través de ellos, Rentabilizo puede recibir una comisión sin que a ti te cueste más. No cambia lo que cuento de cada herramienta. Cómo nos financiamos.

Así hacemos los vídeos de nuestro canal de YouTube y de TikTok: shorts de mentalidad y disciplina con monigotes, y piezas más largas de animación. No es la única forma, pero es un proceso que funciona y que hemos ido afinando a base de errores.

1. El guion: el gancho manda

Un asistente de IA te ayuda a escribir, pero el guion lo decides tú. Lo que más nos ha funcionado:

• Los dos primeros segundos son lo único que importa al principio. Abre con una frase que choque o una pregunta directa, no con una presentación.
• Escribe para el oído. Frases cortas, una idea por frase y números escritos como se dicen.
• Varía la duración. No hagas todos los vídeos de 30 segundos: alternar duraciones evita que el canal parezca una plantilla.
• No todo tiene que vender. Alterna vídeos que enseñan algo sin pedir nada con los que llevan una llamada a la acción.

2. La voz: ElevenLabs con emoción

Para la voz en off usamos ElevenLabs. Lo que marca la diferencia es el modelo Eleven v4 con etiquetas de emoción entre corchetes, como [excited] o [confident]: la voz cambia el tono sin leer la etiqueta.

3. Las imágenes: un estilo y siempre el mismo

Las imágenes las generamos en Google Flow. Lo importante no es la herramienta, es la coherencia: el mismo personaje, la misma paleta y el mismo estilo de dibujo en todas las escenas, para que el vídeo parezca una pieza y no un collage.

• Escribe un bloque de estilo fijo (tipo de trazo, colores, fondo) y pégalo al principio de cada indicación.
• Usa una imagen de referencia del personaje para que no cambie de cara entre escenas.
• Pide las imágenes en vertical (9:16) si son para shorts; recortar después pierde calidad.

4. La animación: pocas escenas, bien elegidas

Animar cada imagen sale caro y no hace falta. Lo que mejor retiene es que la primera escena se mueva y que haya unas 3 o 4 animaciones por minuto; el resto pueden ser imágenes fijas con un zoom suave en el montaje.

5. Los subtítulos: palabra a palabra

En vertical, mucha gente ve el vídeo sin sonido, así que los subtítulos son obligatorios. Los generamos con Whisper, un modelo gratuito que transcribe el audio con el tiempo exacto de cada palabra, y los animamos palabra a palabra.

Revisa siempre cifras y nombres propios: Whisper escribe lo que oye. Comparo todas las opciones en subtítulos automáticos. Si no quieres tocar nada técnico, CapCut tiene subtítulos automáticos, y herramientas como Submagic los hacen con estilos de TikTok (las comparo en IA para hacer shorts).

6. El montaje y la música

Nosotros montamos con Remotion, que permite hacer los vídeos con código y repetir una misma plantilla con datos distintos. Es potente, pero exige programar. Nuestro short más visto, con unas 35.000 visualizaciones, está hecho entero así: cuatro monigotes (motivación, disciplina, ego y obsesión) compiten en un reto de flexiones, sin voz, solo con animación, cifras y música. No todos los formatos necesitan narración. Si no programas, CapCut hace lo mismo a mano y tiene versión gratis.

• Música: usamos pistas de la biblioteca de audio de YouTube y la misma pista en YouTube y en TikTok. Revisa la licencia de cada pista antes de usarla fuera de YouTube.
• Volumen: la música por debajo de la voz, y que baje sola cuando se habla.
• Final: una pantalla final de 2-3 segundos con la llamada a la acción, no más.
• Publicar: programa los vídeos con antelación para no depender del día. Si publicas en varias redes, una herramienta como Metricool lo hace desde un sitio (sus planes, en precios de Metricool).

Lo que cuesta al mes

Precios de noviembre de 2026. Los planes de Google AI incluyen Flow «con acceso ampliado a los modelos creativos de Google»; los créditos para animar dependen del plan y del modelo.