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

# sync.so Talking Image - ComfyUI Built-in Node Documentation

> Anima un retrato estático para convertirlo en un video parlante impulsado por audio de voz, utilizando el modelo sync-3 de sync.so.

Anima un retrato estático para convertirlo en un video parlante impulsado por audio de voz, utilizando el modelo sync-3 de sync.so. La duración de salida coincide con la duración del audio, y el costo escala con la duración de salida.

## Entradas

| Parámetro | Descripción | Tipo de dato | Obligatorio | Rango |
| - | - | - | - | - |
| `image` | Una única imagen con una cara claramente visible, de hasta 4K (4096x2160). | IMAGE | Sí | Se requiere exactamente una imagen |
| `audio` | Audio de voz que impulsa el video parlante; la duración de salida coincide con él. Conecta cualquier nodo TTS aquí para impulsar la animación desde texto. | AUDIO | Sí | Duración máxima: 600 segundos |
| `prompt` | Indicaciones opcionales sobre cómo el retrato cobra vida, p. ej. 'haz que el sujeto sonría y mire a la cámara'. Déjalo vacío para un movimiento de habla natural. (predeterminado: "") | STRING | No | Texto multilínea |
| `seed` | La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla. (predeterminado: 0) | INT | No | 0 a 2147483647 |
| `model` | Modelo de generación sync.so. La entrada de imagen es exclusiva de sync-3. | COMBO | Sí | `"sync-3"` |
| `speaker_selection` | Qué rostro animar cuando varias personas son visibles. `default`: dejar que el modelo decida. `coordinates`: apuntar al rostro en el píxel (`speaker_x`, `speaker_y`) de la imagen. No se admite la detección automática para imágenes. (predeterminado: "default") | COMBO | No | `"default"` `"coordinates"` |
| `speaker_x` | Coordenada X en píxeles del rostro del hablante. Solo se usa cuando `speaker_selection` es `"coordinates"`. (predeterminado: 0) | INT | No | 0 a 4096 |
| `speaker_y` | Coordenada Y en píxeles del rostro del hablante. Solo se usa cuando `speaker_selection` es `"coordinates"`. (predeterminado: 0) | INT | No | 0 a 4096 |
| `auto_downscale` | Reducir la escala de la imagen automáticamente si supera el límite de entrada de 4K (4096x2160); las coordenadas del hablante se escalan para coincidir. Cuando está desactivado, una imagen sobredimensionada genera un error en su lugar. (predeterminado: True) | BOOLEAN | No | True False |

**Nota:** Los parámetros `speaker_x` y `speaker_y` solo se utilizan cuando `speaker_selection` está configurado en `"coordinates"`. Cuando `auto_downscale` está habilitado, las coordenadas del hablante se escalan automáticamente para coincidir con las dimensiones de la imagen reducida.

## Salidas

| Nombre de salida | Descripción | Tipo de dato |
| - | - | - |
| `video` | El video parlante generado con el retrato animado sincronizado con el audio de entrada. | VIDEO |

> Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! [Editar en GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/SyncTalkingImageNode/es.md)

***

**Source fingerprint (SHA-256):** `21f722cdcc5ff017949887ed2252854feebb9b913034dc6a6c3ce196ad089468`


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.