Un video parlato è il modo più semplice per far lavorare il tuo influencer IA: scrivi cosa deve dire il personaggio e lui lo dice in camera con la sua voce e nella sua lingua, con movimenti della bocca che seguono le parole. Questa guida spiega come si realizzano i video parlati in AI Influencer Studio, cosa è cambiato con il metodo di alta qualità, come scrivere battute che suonino naturali e quanto costa.

Da dove vengono la voce e la lingua?

Dal personaggio. Quando crei un influencer, il passaggio «Voce e lingua» salva con il personaggio una lingua parlata (20 lingue) e una voce. Puoi filtrare la libreria delle voci per genere, età e tono e ascoltare ogni voce prima di sceglierla; se salti il passaggio, viene assegnata la voce consigliata. Con Basic e Pro puoi anche aggiungere la tua voce: registra o carica almeno 30 secondi (fino a 5 minuti) di parlato chiaro e conferma che la voce è tua. Si può clonare solo la tua voce.

Poiché la voce è salvata con il personaggio, la scheda Video non te la chiede più. Per cambiarla, apri le impostazioni del personaggio e modifica «Voce e lingua del personaggio». La modifica vale per i video successivi; i video già realizzati mantengono la loro voce. I passaggi di creazione sono descritti nella guida alla creazione.

Come realizzo un video parlato?

  1. Apri la scheda Video e scegli Video parlato.
  2. Scegli l’influencer o il personaggio della libreria che deve parlare. I video parlati usano un solo personaggio.
  3. Scrivi il testo. Sam può aiutarti: «Scrivi con Sam» prepara una battuta partendo da una breve descrizione, «Traduci con Sam» porta il tuo testo nella lingua del personaggio e «Accorcia con Sam» lo rende più asciutto. Il modulo ti avvisa se il testo sembra in una lingua diversa da quella del personaggio.
  4. Controlla la riga del piano sotto il testo. Mostra di quante clip ha bisogno il testo, quanto durerà il video e, all’incirca, quanto tempo richiederà.
  5. Controlla il prezzo e avvia. Quando il video è pronto viene salvato nella tua libreria.

Perché il mio testo viene diviso in più clip?

Una singola clip parlata dura al massimo 8 secondi. Un testo più lungo viene diviso a fine frase in clip da 4, 6 o 8 secondi, così nessuna frase viene tagliata a metà. La prima clip parte dal ritratto del personaggio e ogni clip successiva parte dall’ultimo fotogramma della precedente, così volto, outfit e ambiente restano stabili. Alla fine le clip vengono unite con una transizione breve e morbida, e le pause silenziose nei punti di giunzione vengono tagliate perché il parlato scorra come un’unica ripresa.

Ogni clip passa per tre fasi. Il personaggio viene ripreso mentre parla; il parlato viene convertito nella voce salvata del personaggio, mantenendo tempi e movimento delle labbra; poi le parole pronunciate vengono trascritte e confrontate con il tuo testo. Se una clip non dice il tuo testo in modo abbastanza fedele, viene rifatta una volta. È grazie a questo controllo che un video parlato ha la voce del tuo personaggio e dice ciò che hai scritto.

Cosa succede se una clip non si riesce a realizzare?

A volte una clip viene bloccata da un filtro dei contenuti o continua a non rispettare il testo. In quel caso il video viene completato con un metodo di riserva: prima viene generata la voce del tuo personaggio, poi un ritratto parlante viene animato su quella voce. Il risultato usa comunque la stessa voce e lo stesso testo. Quando si usa il metodo di riserva, nella cronologia compare una nota («Questo video è stato realizzato con il metodo di riserva») e la differenza di prezzo viene rimborsata alla consegna del video. Se fallisce anche il metodo di riserva, viene rimborsato l’intero lavoro.

Anche i video di scena possono parlare?

Sì. Nei video di scena e nei modelli, la sezione «Parlato» offre tre scelte: nessuno, voce fuori campo e sincronizzazione labiale. La voce fuori campo sovrappone la voce del personaggio a qualsiasi video e, in una scena con più personaggi, ognuno può avere la propria battuta. La sincronizzazione labiale fa parlare un personaggio in camera.

In una scena la sincronizzazione labiale usa il metodo di alta qualità quando valgono tre condizioni: un solo personaggio, un video 9:16 o 16:9 e una battuta che entra nella clip (circa 5 secondi di parlato in una scena da 5 secondi, girata come clip da 6 secondi, oppure circa 7 secondi in una scena da 10 secondi, girata come clip da 8 secondi). Lo studio disegna prima un fotogramma iniziale con il tuo personaggio, l’outfit, il luogo, il prodotto o lo screenshot, poi riprende il personaggio mentre parla e converte la voce. Se il video è quadrato o la battuta è più lunga, si usa la sincronizzazione labiale standard. Il modulo ti dice quale metodo si applica prima che tu avvii. Le scene contrassegnate «Adatta per parlare» danno i risultati migliori, perché il volto è grande e ben visibile.

Come scrivo battute che suonino naturali?

  • Scrivi come parleresti: frasi brevi, un’idea per frase. Le clip si possono dividere solo a fine frase, quindi una punteggiatura chiara aiuta.
  • Tieni il testo nella lingua del personaggio. Usa «Traduci con Sam» invece di mescolare lingue nella stessa battuta.
  • Leggi ad alta voce i nomi di marchi e prodotti. Se un nome viene spesso pronunciato male, scrivilo come si pronuncia.
  • Evita nel parlato lunghi elenchi di numeri e indirizzi web. Metti l’indirizzo nella didascalia o in una schermata finale.
  • Per tutto ciò che supera circa un minuto, o se vuoi immagini di copertura tra le parti parlate, usa la scheda Video lungo.

Quanto costa?

I video parlati hanno un prezzo per secondo di video finito. Il prezzo base è di 45.559 token al secondo e si applica il moltiplicatore del tuo piano (Pro ×0,8, Basic ×1, Free ×1,3). Un video parlato di 8 secondi costa 291.584 token con Pro. Nelle scene, la sincronizzazione labiale di alta qualità aggiunge alla clip parlata un fotogramma iniziale (base 29.167 token in Draft, 37.917 in Standard). L’importo esatto viene sempre mostrato prima dell’avvio, i lavori non riusciti vengono rimborsati automaticamente e i prezzi aggiornati sono nella pagina dei prezzi.

Calcola circa due minuti per clip. Un testo di 15 secondi che diventa tre clip richiede circa sei-sette minuti; il modulo mostra una stima e puoi lasciare la pagina mentre il video viene realizzato.

Domande frequenti

Il mio influencer IA può parlare con la mia voce? Sì, con Basic e Pro. Aggiungi la tua voce nelle impostazioni vocali del personaggio con almeno 30 secondi di parlato chiaro e conferma che è tua. Si può clonare solo la tua voce, che viene usata solo nel tuo account.

Perché a volte il video è un po’ più lungo del mio testo? Le clip durano 4, 6 o 8 secondi e lasciano un breve respiro all’inizio e alla fine. La riga del piano sotto il testo mostra la durata finale prima dell’avvio.

Due personaggi possono parlare tra loro? In un video di scena sì, con la voce fuori campo: ciascuno di un massimo di tre personaggi può avere la propria battuta con la propria voce. La sincronizzazione labiale e i video parlati usano un solo personaggio.

Un video parlato ha la filigrana? I risultati del piano Free hanno una piccola filigrana; quelli di Basic e Pro no.