Partner ufficiale di BytePlusBytePlus, un'azienda di ByteDance
Partner ufficiale di BytePlus · OmniHuman 2.0
Lip sync con l'IA: una foto e una voce diventano un video che parla
Carica una foto e aggiungi una voce: la persona della foto dice o canta ogni parola, con espressioni e gesti naturali. Funziona con OmniHuman 2.0, il modello di ByteDance guidato dall'audio, e una singola ripresa arriva a 5 minuti.
- Fino a 5 minuti
- Parlato, canto e rap
- Persone, personaggi, animali
- 720p o 1080p
- 0,18 € (0,20 $)/s in 720p
Lip Sync è uno strumento a pagamento. Due modi per iniziare spendendo poco: una prova di 48 ore a 2,64 € (3 $) (60 crediti, circa 15 secondi in 720p; poi prosegue il piano Creator a 16,73 € (19 $) il primo mese e 22,02 € (25 $) al mese, a meno che tu non annulli entro quelle 48 ore) oppure un pacchetto di crediti da 7,05 € (8 $) (160 crediti, circa 40 secondi in 720p, un solo pagamento e nessun abbonamento).
Aggiornato il
In questa pagina
Cosa puoi fare con il lip sync IA
Il lip sync con l'IA riceve due cose: la foto di qualcuno e quello che deve dire. Il risultato è un video in cui quella persona lo dice davvero. Il Lip Sync di KreatorFlow usa OmniHuman 2.0, il modello video guidato dall'audio più recente di ByteDance. KreatorFlow è un partner ufficiale di BytePlus, un'azienda di ByteDance ed esegue il modello tramite BytePlus.
Guidato dall'audio significa che è il suono a dirigere il video: la bocca segue le parole, sopracciglia e testa reagiscono agli accenti, le pause sembrano pause e il canto sembra cantato, non solo mimato. Nel testo di regia aggiungi solo quello che l'audio non può dire: un sorriso, un cenno, una camera che si avvicina piano.
Con un massimo di 5 minuti per generazione, un intervento, una lezione, una presentazione di prodotto o una canzone intera stanno in una sola ripresa con lo stesso volto, senza montare tante clip corte.
Un video in lip sync in 3 passaggi
- 1
Carica una foto
Una foto nitida di una persona, un personaggio o un animale: un tuo caricamento, un'immagine generata o un personaggio salvato. Funziona meglio con un solo volto, rivolto più o meno verso la camera e con la bocca ben visibile.
- 2
Aggiungi la voce
Scrivi un testo e scegli una voce pronta, oppure carica una registrazione, una canzone o una battuta creata nello studio Audio (MP3 o WAV). La traccia può durare da 4 secondi a 5 minuti.
- 3
Genera e scarica
Scegli 720p o 1080p, aggiungi se vuoi un'indicazione su gesti e camera e premi Genera. Il prezzo appare prima: 0,18 € (0,20 $) al secondo in 720p (4 crediti), 0,26 € (0,30 $) al secondo in 1080p (6 crediti). Il video dura quanto l'audio e resta nella tua libreria.
Che video puoi creare
Fino a 5 minuti in una ripresa
L'audio può durare da 4 secondi a 5 minuti e il video dura esattamente quanto l'audio.
Foto che parlano e che cantano
Dialoghi, narrazione, canzoni e rap veloce: bocca, intonazione ed emozione seguono l'audio.
Persone, personaggi, animali
Ritratti, personaggi di anime e cartoni, personaggi 3D, creature fantasy e animali.
In qualsiasi lingua
Il modello segue il suono: va bene ogni lingua e ogni accento presenti nell'audio, italiano compreso.
Indicazioni di regia
Descrivi gesti, emozioni, movimenti di camera e quello che succede sullo sfondo, fino a 2.000 caratteri.
720p o 1080p
4 crediti al secondo in 720p e 6 crediti in 1080p, mostrati prima di generare.
Da dove arriva la voce
Voci pronte. Scrivi la battuta e scegli una delle voci inglesi della schermata Lip Sync: prima viene creato l'audio con la sintesi vocale (2 crediti ogni 1.000 caratteri), poi il video.
La tua registrazione. Registra con il telefono e carica un MP3 o un WAV. Più la voce è pulita e senza rumori, più la bocca è precisa.
Voci dello studio Audio. Crea la battuta con la sintesi vocale in tante lingue e voci, voci italiane comprese, oppure clona la tua voce. I file vocali che crei compaiono nella lista audio di Lip Sync.
Canzoni. Carica una traccia vocale su cui hai i diritti. Se hai solo il mix completo, una versione con la base più bassa funziona meglio.
Prezzi dei video in lip sync
I crediti si contano per ogni secondo di audio iniziato, dallo stesso codice con cui lo studio li addebita.
720p, al secondo
4
crediti
1080p, al secondo
6
crediti
| Durata dell'audio | 720p | 1080p |
|---|---|---|
| 4 secondi | 16 crediti | 24 crediti |
| 10 secondi | 40 crediti | 60 crediti |
| 30 secondi | 120 crediti | 180 crediti |
| 1 minuto | 240 crediti | 360 crediti |
| 5 minuti | 1.200 crediti | 1.800 crediti |
La durata minima addebitata è di 4 secondi e il video più lungo, di 5 minuti, costa 1.200 crediti in 720p. Il lip sync richiede un account a pagamento: va bene un piano (da Creator a 16,73 € (19 $) il primo mese) oppure un pacchetto di crediti (da 7,05 € (8 $)). I crediti di un video non riuscito tornano in automatico. Trovi tutti i piani nella pagina dei prezzi.
Gli usi più comuni
- Presentazioni di prodotto e spot con un testimonial creato da una sola foto del brand
- Lezioni e video di formazione con lo stesso presentatore in ogni modulo
- Auguri di compleanno e messaggi di ringraziamento con una foto e la tua voce
- Videoclip e cantanti virtuali da un personaggio e una traccia vocale
- Lo stesso messaggio in più lingue da una sola foto
- Audiolibri, podcast e notiziari con un volto
- Mascotte, animali e personaggi dei cartoni che parlano per i social
Consigli per un risultato naturale
- Usa una foto nitida con un solo volto ben visibile. Primi piani e mezzibusti funzionano meglio; le foto da lontano con un volto piccolo no.
- Lascia libere bocca e mento: mani, microfoni o capelli non devono coprire le labbra.
- Usa un audio pulito. Rumori e musica di sottofondo alta rendono la bocca meno precisa.
- Nella regia descrivi solo il movimento, con frasi semplici, per esempio “sorride mentre parla e si avvicina alla camera”. Non serve descrivere quello che c'è già nella foto.
- Prima di un video lungo in 1080p, prova una battuta breve in 720p.
Consenso e uso responsabile
Il lip sync fa dire alla persona della foto esattamente quello che contiene l'audio, per questo ci sono regole chiare. Alla prima generazione con una nuova foto il sito ti chiede di confermare che sei tu o che hai il permesso. Le foto vengono controllate prima che i crediti siano scalati e quelle con nudità o con minori non vengono accettate.
- Usa solo foto tue o di persone che ti hanno dato il permesso di farle parlare. Personaggi, animali e disegni creati da te vanno benissimo.
- Usa solo voci che hai il diritto di usare: la tua, le voci pronte, una voce clonata con consenso o registrazioni autorizzate. Lo stesso vale per musica e canzoni.
- Niente contenuti sessuali, niente persone sotto i 18 anni, niente furti d'identità. Non far dire a una persona reale cose che non ha detto per ingannare, molestare o truffare.
- Personaggi famosi, politici e altre figure pubbliche non si possono usare senza il loro permesso e i diritti per quell'uso.
- Quando pubblichi un video in cui parla una persona reale, indica che è stato creato con l'IA: molte piattaforme lo richiedono.
Tutti i divieti sono nella politica di uso accettabile (in inglese).
Domande frequenti sul lip sync con l'IA
Che cos'è il lip sync con l'IA?
È la tecnica che unisce una foto ferma e un audio per creare un video in cui la persona della foto dice o canta quell'audio. Su KreatorFlow funziona con OmniHuman 2.0, il modello video guidato dall'audio di ByteDance: la bocca segue ogni parola, mentre volto, testa e spalle seguono il ritmo e l'emozione della voce.
Quanto può durare un video?
Il video dura quanto l'audio, da 4 secondi a 5 minuti per generazione. Basta per una presentazione, una lezione, un episodio di podcast o una canzone intera in un'unica ripresa.
Quanto costa il lip sync con l'IA?
Ogni secondo di audio costa 4 crediti in 720p e 6 crediti in 1080p, a secondi iniziati, con un minimo di 4 secondi. Una clip di 10 secondi costa 40 crediti in 720p, un minuto 240 crediti. Il prezzo esatto appare prima di generare e i crediti di un video non riuscito tornano sul tuo saldo.
Serve un piano a pagamento?
Sì. Il lip sync è disponibile con un piano a pagamento o con un pacchetto di crediti: i piani partono da Creator a 16,73 € (19 $) il primo mese, il pacchetto più piccolo costa 7,05 € (8 $) (160 crediti). Entrambe le risoluzioni sono incluse in ogni account a pagamento.
La foto può anche cantare, non solo parlare?
Sì. OmniHuman 2.0 segue il parlato, il canto e anche il rap veloce. Carica la traccia vocale: meno base musicale e voce più pulita danno una bocca più precisa.
Funziona in italiano?
Sì. Il modello segue il suono dell'audio, quindi va bene una voce in qualsiasi lingua. Le voci pronte della schermata Lip Sync sono in inglese: per le battute in italiano usa una voce italiana dello studio Audio oppure carica una tua registrazione.
Funziona anche con personaggi dei cartoni o animali?
Sì. Oltre alle persone reali, OmniHuman 2.0 anima personaggi di anime e cartoni, personaggi 3D, creature fantasy e animali come gatti o procioni, purché il volto sia ben riconoscibile.
Posso usare la foto di un'altra persona?
Solo con il suo permesso. La persona nella foto devi essere tu oppure deve averti dato il consenso, e devi avere i diritti sulla voce e sulla musica. Il sito te lo chiede per ogni nuova foto. Non sono ammessi personaggi famosi o figure pubbliche senza il loro permesso, né contenuti sessuali o con minori.
Posso usare la mia voce o una voce clonata?
Sì. Carica una tua registrazione, oppure clona la tua voce nello studio Audio, crea il file vocale e sceglilo in Lip Sync. Con una voce pronta, al prezzo del video si aggiunge quello della sintesi vocale (2 crediti ogni 1.000 caratteri).
Esiste un'API per il lip sync?
Sì. Gli sviluppatori chiamano /v1/lip-sync con una foto e un file audio e pagano al secondo con token prepagati: $0.20 al secondo in 720p e $0.30 in 1080p. Trovi tutti i dettagli nella pagina dell'API OmniHuman (in inglese).
Crea il tuo primo video che parla
Apri Lip Sync, aggiungi una foto e una voce: il prezzo appare prima di generare. Ti serve un piano a pagamento o un pacchetto di crediti.
Lip Sync è uno strumento a pagamento. Due modi per iniziare spendendo poco: una prova di 48 ore a 2,64 € (3 $) (60 crediti, circa 15 secondi in 720p; poi prosegue il piano Creator a 16,73 € (19 $) il primo mese e 22,02 € (25 $) al mese, a meno che tu non annulli entro quelle 48 ore) oppure un pacchetto di crediti da 7,05 € (8 $) (160 crediti, circa 40 secondi in 720p, un solo pagamento e nessun abbonamento).