Conoce a Suri: la suricata que la IA dibuja con código
Conoce a Suri: la suricata que la inteligencia artificial dibuja con código
En Suricata Labs no hay ni un solo archivo de imagen de nuestra suricata.
Lo que hay es un programa que la dibuja de nuevo en cada cuadro de video, a partir de unas curvas, un esqueleto y unos pocos números que dicen la pose, la cara y hacia dónde mira. Ese programa no lo escribió un ilustrador ni un animador. Lo escribió una inteligencia artificial, mirando las ilustraciones de referencia, mientras yo aprobaba cada etapa.
Se llama Suri y es el primer resultado de nuestro laboratorio de diseño.
La pregunta del laboratorio
Casi todo el mundo usa la IA para lo obvio: pedirle una imagen, un texto o un resumen. Funciona, pero deja una pregunta sin responder: ¿hasta dónde llega si la usas de una forma que nadie usaría?
Para responderla escogimos un reto incómodo. Animar un personaje es de los oficios más artesanales que existen: alguien dibuja, alguien anima, alguien graba la voz, alguien monta. Las herramientas de IA que generan video resuelven parte de eso, pero el personaje cambia un poco en cada toma y no hay forma de pedirle que repita exactamente el mismo gesto.
Así que no le pedimos a la IA un video. Le pedimos que construyera el estudio de animación completo, en código, y que el personaje fuera tan preciso que un solo píxel fuera de lugar se pudiera detectar.
Un personaje que no es un dibujo
Cada parte de Suri (la cabeza, los ojos, las manchas, el cuerpo, los brazos, la cola) está escrita como una lista de curvas Bézier. Son las mismas curvas que usa la pluma de Illustrator o Figma: una línea que pasa por unos puntos y que otros puntos, los de control, jalan sin tocarla, como un imán.
La diferencia es que aquí nadie movió esos puntos con el ratón. La IA escribió las coordenadas a mano, dibujó el resultado, lo comparó con la referencia y corrigió. Una Suri completa de pie son unos 370 trazos así.
Debajo de las curvas hay un esqueleto: cuello, pelvis, hombros, codos, muñecas, caderas, rodillas y tobillos. Los huesos tienen un largo fijo, y las curvas del cuerpo se doblan a su alrededor.
Eso cambia por completo lo que significa una pose. Una pose no es un dibujo nuevo: es una lista de ángulos. Saludar es el hombro a −75°, el codo a −160°, la muñeca a 170°, la mano abierta, el cuerpo inclinado 3° y la expresión feliz. Para sostener una taza no se dibuja el brazo; se dice dónde tiene que quedar la mano y el programa calcula el codo.
La cara va aparte
La forma de la cabeza nunca cambia. Encima se ponen ojos, cejas y boca escogidos de una lista, y eso es una expresión. Suri tiene nueve: neutral, feliz, curiosa, sorprendida, pensativa, dudosa, concentrada, segura y explicando.
Para hablar hay cuatro bocas más (reposo, abierta, redonda y cerrada) que se combinan con cualquier expresión. Por eso puede estar curiosa y hablando al mismo tiempo.
Cuatro vistas y un giro sin cortes
El diseño original era de tres cuartos. De ahí salieron el frente, el perfil y la espalda, cada una con sus curvas pero con el mismo esqueleto, la misma paleta y las mismas proporciones.
Cuando Suri gira, el programa no cambia de dibujo de golpe. Mezcla las curvas de una vista con las de la siguiente y lo hace escalonado, como una suricata de verdad: primero los ojos, luego la cabeza, después el torso, al final un pasito, y la cola llega tarde.
El movimiento se calcula, no se dibuja
Un video de Suri no guarda dibujos intermedios. Entre dos poses, el programa calcula los ángulos de cada cuadro y la dibuja desde cero, 24 o 30 veces por segundo.
Los ángulos avanzan con una curva suave, con algo de anticipación al arrancar y de asentamiento al llegar. Lo que no es un número, como la forma de la mano o la expresión, cambia justo a la mitad, cuando el movimiento va más rápido y el ojo no lo nota. Y aunque no cambie de pose, Suri respira, mueve las orejas y parpadea.
Aquí aparece el dato que más me sorprendió. Dibujar a Suri no usa IA. Es un programa en Python que corre en el computador, sin internet: un cuadro tarda unas seis centésimas de segundo, y un video de 20 segundos se calcula en menos de un minuto.
La IA solo gasta cuando aprende algo nuevo: una pose, un movimiento, una corrección. Se paga una vez por enseñarle a Suri a saludar. Desde ahí, saludar es gratis y siempre sale igual.
Lo aprobado no se puede romper
Como todo es código, un cambio pequeño podría deformar a Suri sin que nadie lo notara. Por eso cada etapa se aprobó viendo imágenes y videos, y lo aprobado quedó congelado en 146 pruebas automáticas. La cabeza y la hoja completa del personaje se vuelven a dibujar y se comparan píxel a píxel con las versiones aprobadas. Un solo píxel distinto y la prueba falla.
Es la diferencia entre un personaje generado y un personaje con identidad.
Un estudio de animación hecho de código
Con Suri lista, el siguiente paso fue ponerla a trabajar. Un explainer de 60 segundos sale de un brief de seis líneas y un guion. Lo demás lo hace un sistema donde cada departamento de un estudio de animación es una pieza de software:
| Departamento | Quién lo hace | Qué entrega |
|---|---|---|
| Dirección | Yo | El brief y tres aprobaciones: guion, voz y video |
| Guion | Claude, con un método de copywriting persuasivo | El guion, escena por escena |
| Voz | ElevenLabs, con la voz de Suri | Un audio por frase y el tiempo exacto de cada letra |
| Storyboard | Claude | Cada gesto anclado a una palabra del guion |
| Animación | El programa de Suri | El personaje cuadro a cuadro |
| Dirección de arte | Un catálogo de objetos dibujados en código | Dibujos que se trazan solos sobre papel |
| Montaje | Remotion y ffmpeg | Las escenas en fila, los movimientos de cámara y el video final |
De nueve pasos, solo tres necesitan a una persona. Y los tres son decisiones de criterio: ¿este guion dice lo que tiene que decir?, ¿esta voz suena bien?, ¿este video está listo?
La voz manda
En un estudio tradicional se anima y después se dobla. Aquí es al revés. Primero se graba la voz, y la voz decide cuánto dura cada escena y en qué cuadro pasa cada cosa.
ElevenLabs devuelve el audio y el momento en que empieza y termina cada letra. De esos tiempos sale la boca de Suri (la a y la e la abren, la o y la u la redondean, la m, la b y la p la cierran) y salen también los subtítulos. Nadie los escribe a mano.
El storyboard tampoco cuenta cuadros. Dice cosas como "en la palabra individual, Suri presenta los escritorios; en cuando, señala". Si la voz cambia, todo se reacomoda solo.
Cada idea se vuelve un objeto
En los explainers, cada concepto se convierte en algo físico: el problema es un medidor, una persona del equipo es un escritorio, una organización es una fábrica, la IA es una chispa. Esos objetos viven en un catálogo, se dibujan solos trazo a trazo y se reutilizan de un video a otro.
El mismo guion y la misma voz sirven para horizontal y para vertical. Lo que cambia es dónde va cada cosa y hacia dónde señala Suri.
Cada video es más fácil que el anterior
El explainer sobre IA individual e institucional, el que abre este post, tiene seis escenas y salió en dos formatos. Hacerlo no exigió seis veces más trabajo que un video de una sola escena, sino apenas un poco más.
La razón es la que hace interesante todo el experimento: lo difícil es construir las piezas, no usarlas. El primer explainer creó 3 objetos. El segundo reutilizó esos y creó 12 más. Cada video nuevo debería crear menos que el anterior, y el personaje ya está hecho. Renderizar, además, corre en el computador y no gasta nada.
Lo que aprendimos (y lo que Suri todavía no puede hacer)
Los primeros videos dejaron reglas que ahora son parte del método:
- Las siglas se escriben completas la primera vez. La voz leyó "usa IA" como "haia". Los datos técnicos no delatan una mala pronunciación: hay que escucharla.
- Lo simple gana. Probamos la entrada de Suri con un salto, con un trote y con una caminata armada aparte. Las tres se veían peor que dejarla quieta en su lugar.
- Cada gesto tiene un porqué. Contar con los dedos al enumerar, encogerse de hombros ante una duda, asentir al confirmar. Un gesto en cada frase cansa.
- El fondo solo cambia si significa algo, como el papel envejecido cuando la historia vuelve a 1890.
Y hay límites. Suri camina solo de perfil, porque caminar de frente todavía no está aprobado. No agarra ni suelta objetos en medio de una animación: el objeto aparece o desaparece. Dos suricatas conversando aún no existen. Su acabado es más limpio y plano que la ilustración original.
Ninguno es un muro. Cada uno se le puede enseñar con el mismo proceso de referencia, revisión y aprobación. Así nacieron el salto, la voltereta y el giro de 360°.
Por qué esto importa más allá de una suricata
Suri no es un proyecto de animación. Es una prueba de algo que repetimos en cada programa de inteligencia artificial que acompañamos: la IA rinde de verdad cuando la usas para construir sistemas, no para pedir resultados sueltos.
Pedirle un video a una IA da un video. Pedirle que construya el estudio da cien videos coherentes, con el mismo personaje, a una fracción del costo, y con una persona decidiendo solo lo que exige criterio. Es la misma lógica que defendí en por qué las industrias creativas son las privilegiadas de la era de la IA: la ejecución dejó de ser el cuello de botella, y lo escaso ahora es saber qué vale la pena construir.
Suri va a seguir aprendiendo. Si en tu organización hay un proceso que hoy parece demasiado artesanal para la IA, probablemente valga la pena hacerse la misma pregunta que nos hicimos nosotros.
