El Fin del Texto Genérico: Usando Gemini para Autogenerar Videos de Demostración
· Manuel · 13 min read · Estrategia de Ventas
Si un SDR me envía un correo de texto de 4 párrafos explicando su producto, lo borro en 0.5 segundos. Pero si me envía un video de 45 segundos donde revisa físicamente mi sitio web, señala un defecto específico y demuestra cómo su herramienta lo soluciona, agendaré la reunión 9 de cada 10 veces.
La prueba visual es la mayor forma de apalancamiento en ventas. El cuello de botella siempre ha sido el tiempo humano de producción.
En GSD 500, necesitábamos enviar 1,000 videos altamente personalizados diarios sin contratar 30 personas. Lo resolvimos combinando las capacidades multimodales de Google Gemini 1.5 Pro con APIs de síntesis de video. Este es el plano arquitectónico.
Fase 1: Ingestión Visual (Puppeteer + Gemini)
1. Un flujo de n8n dispara un navegador oculto (Puppeteer). 2. El navegador va a la página web del prospecto. 3. Toma capturas de pantalla de la vista móvil y del carrito de compras. 4. Enviamos estas imágenes a Gemini 1.5 Pro Vision vía API con el prompt: "Analiza estas capturas, identifica un punto de fricción en su diseño UX, y escribe un guion conversacional de 60 segundos señalando el fallo."Gemini no adivina; es espeluznantemente preciso porque ve las imágenes de forma nativa.
Fase 2: La Síntesis de Audio (ElevenLabs)
Tomamos el guion de Gemini y lo enviamos vía API a ElevenLabs. Usamos un modelo de voz clonado de un ejecutivo de ventas. Ajustamos los parámetros para que incluya respiraciones naturales, haciéndolo sonar como un video auténtico, no un anuncio de radio pulido.Fase 3: Renderizado de Video (HeyGen/FFmpeg)
Enviamos el audio y la captura de pantalla de fondo a la API de HeyGen. Toma a nuestro Avatar fotorrealista pregrabado, sincroniza perfectamente sus labios con el audio y coloca el Avatar en un pequeño círculo en la esquina de la pantalla, imitando exactamente un video grabado en "Loom".Para campañas más económicas, usamos FFmpeg para hacer un paneo sobre la captura de pantalla y sobreponer una onda de audio y subtítulos en lugar del avatar humano.
Fase 4: Mecanismo de Entrega
Insertamos el video en AWS S3. En el correo, auto-generamos un GIF animado de los primeros 3 segundos (mostrando al avatar saludando frente a la página web real del prospecto) con un botón rastreable. Cuando hacen clic, van a una página de destino personalizada.El ROI del Video Autónomo
Cuando el prospecto ve su propio sitio de fondo con alguien saludándolo, su cerebro lo obliga a hacer clic.Al automatizar este flujo:
El salto del texto plano al video visualizado y autónomo es la expectativa actual de los compradores B2B. Si no usas IA multimodal, tus correos se irán directos a la basura.