> ## Documentation Index
> Fetch the complete documentation index at: https://www.vozo.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Comenzar

> Aprende cómo convertir un retrato en un video hablante utilizando tu foto y entrada de audio.

## Crear un Proyecto

Para comenzar, navega a tu **Panel de Control** y haz clic en **Generador de Video Hablante - Comenzar con Foto**.

Esto abrirá el diálogo de carga, donde puedes arrastrar y soltar tus archivos de imagen o hacer clic para cargar.

Puedes ingresar audio de múltiples maneras:

### Texto a Voz

Si tienes un guion y deseas generar voz a partir de texto, selecciona esta opción.

<Steps>
  <Step title="Elegir un Idioma y Voz">
    Selecciona el idioma y la voz que desees del menú desplegable. Si no estás satisfecho con las voces listadas, haz clic en *"Elegir Más de la Biblioteca"* para explorar más opciones.

    <Tip>
      **Usar una Voz Clonada:**

      Haz clic en *"Elegir Más de la Biblioteca > Voz Clonada > Clonar Nueva Voz"* y sigue las instrucciones para cargar o grabar audio y crear tu voz personalizada.
    </Tip>
  </Step>

  <Step title="Ingresar Guion">
    Ingresa tu guion y haz clic en el botón de reproducción para previsualizar.
  </Step>
</Steps>

### Cargar Audio

Si ya tienes un archivo de audio, selecciona esta opción para cargarlo directamente.

## Previsualizar y Descargar

Después de que se genere el video, previsualiza los resultados directamente en la página del proyecto.

Para descargar el video, haz clic en el botón de **Descargar/Exportar** en la esquina superior derecha.

## Preguntas Frecuentes

<AccordionGroup>
  <Accordion title="¿Qué resolución y codificación utiliza el video exportado?">
    * **Resolución**: Exportado como **720p**. El sistema selecciona automáticamente la relación de aspecto más adecuada según la imagen de entrada y produce a una resolución fija. Las resoluciones posibles incluyen:
      * **16:9** → 1248×704
      * **4:3** → 1120×832
      * **1:1** → 960×960
      * **3:4** → 832×1120
      * **9:16** → 704×1248
      * **21:9** → 1504×640
    * **Tasa de fotogramas**: Fijada en **25fps**
    * **Codificación**: **H.264**
    * **Tasa de bits**: Típicamente alrededor de **1100 kb/s**, varía dinámicamente entre **1000–2000 kb/s** dependiendo del contenido
  </Accordion>

  <Accordion title="¿Cuánto cuesta Foto Hablante?">
    Por favor, consulta la página de [Uso de Puntos para Herramientas de IA](/docs/es/common/tools-points-rules#talking-photo) para obtener detalles sobre las reglas de precios.
  </Accordion>
</AccordionGroup>