Carica un clip e la voce che vuoi. Il lip sync AI ridisegna la bocca perché ogni parola combaci, per doppiaggi e personaggi.
Ricevi un MP4 con il nuovo parlato e le labbra sincronizzate. La maggior parte dei clip brevi richiede 2–3 minuti.
Uno dei nostri test, dall'inizio alla fine. Passa dal clip muto al risultato sincronizzato, con l'audio attivo.
La battuta che pronuncia, in inglese: «Hi there. A minute ago this clip was silent. Now every word I say matches my lips.»

La foto di una persona che non esiste: viso verso la camera, bocca chiusa, luce uniforme.

Otto secondi di battiti di ciglia e piccoli movimenti della testa, generati dalla foto con Veo 3.1 Lite.

Il lip sync AI ha ridisegnato la sua bocca per ogni parola. Il resto dell'inquadratura è rimasto com'era.
Il lip sync AI è uno strumento che modifica i movimenti della bocca in un video perché corrispondano a una nuova traccia audio. Gli dai il video di una persona e il parlato che vuoi, e ridisegna labbra, mascella e denti fotogramma per fotogramma finché parole e bocca non combaciano.
Ti evita di girare di nuovo. Uno spot doppiato, il nome di un prodotto corretto o un personaggio AI che ha bisogno di una voce un tempo volevano dire nuove riprese o animazione a mano. Il lip sync AI lo fa partendo dal clip che hai già.
Il modello ascolta l'audio e lo divide in fonemi, i suoni del parlato. Ogni suono corrisponde a una forma della bocca, chiamata visema: labbra chiuse per la M, aperte per la A, arrotondate per la O. Poi il modello ridipinge la parte bassa del viso in ogni fotogramma per formare quelle posizioni al momento giusto, fondendole con la pelle e la luce intorno.
Inquadratura, sfondo, illuminazione, movimenti della testa e il resto del viso restano com'erano. Viene ridisegnata solo la zona della bocca.
Labbra, denti e mascella seguono il nuovo parlato, e il nuovo audio sostituisce il suono originale del clip.
Tutto il lip sync AI avviene nel browser. Nessun software di montaggio e nessun plugin.
Trascina un MP4 o MOV da 2 a 60 secondi. Il risultato migliore arriva con una persona rivolta verso la camera e la bocca visibile.
Carica un audio MP3, WAV, M4A o AAC fino a 10 MB. Registralo con il telefono, esportalo da uno strumento vocale o usa un doppiaggio.
Spunta la casella del consenso e premi Sincronizza. La maggior parte dei clip brevi è pronta in due o tre minuti, in MP4.
Il lip sync AI può ridisegnare solo una bocca che riesce a trovare. Questi cinque fattori decidono se la trova.
Di fronte o leggermente girato funziona meglio. Un profilo completo nasconde metà delle labbra.
Il modello ha bisogno di entrambi gli angoli della bocca per posizionare ogni forma.
Usa almeno 720p per i primi piani. Visi molto piccoli o sfocati danno labbra morbide e impastate.
Più pixel intorno alla bocca significano più dettagli da ridisegnare.
Tieni un solo viso ben visibile nell'inquadratura. Con un gruppo, la sincronizzazione può finire sulla persona sbagliata.
Lo strumento anima un solo viso per clip.
Mani, microfoni, mascherine e barbe folte sopra le labbra sono d'intralcio.
Tutto ciò che copre la bocca viene ridisegnato male o per niente.
Rotazioni veloci della testa e luce tremolante rendono la bocca difficile da seguire da un fotogramma all'altro.
Il mosso nasconde la forma che il modello sta cercando di cambiare.
Il risultato mantiene la durata del tuo video, e paghi i secondi del video. Ecco cosa succede quando i due file non coincidono.
| I tuoi file | Cosa ottieni | Consiglio |
|---|---|---|
| Audio lungo quanto il video | Le labbra si muovono per tutto il clip | Il caso ideale per il doppiaggio |
| Audio più corto del video | La persona smette di parlare quando finisce l'audio | Taglia prima il video sulla durata dell'audio e paghi meno secondi |
| Audio più lungo del video | L'audio viene tagliato dove finisce il video | Accelera la battuta o usa un clip più lungo |
Lo strumento mostra entrambe le durate prima della sincronizzazione, così una differenza non è mai una sorpresa.
Ci sono tre modi per ottenere un video di qualcuno che dice le tue parole. Quello giusto dipende da cosa hai all'inizio.
Prezzo su Imgveo
40 crediti per un clip di 5 s
Prezzo su Imgveo
Da 30 crediti per un clip di 8 s con audio
I prezzi sono presi dal nostro listino in vigore. La riga della foto parlante è esattamente il percorso che abbiamo seguito per l'esempio qui sopra.
Il lip sync AI è l'ultimo passaggio di un doppiaggio. Lo stesso video può parlare spagnolo, giapponese o tedesco senza nuove riprese.
Traduci la battuta e leggila ad alta voce. Tienila vicina alla durata originale.
Registra un madrelingua o esporta la battuta da uno strumento vocale in MP3 o WAV.
Taglia il silenzio all'inizio e alla fine perché il parlato riempia il clip.
Carica il video originale con il nuovo audio. Ripeti per ogni lingua.
Alcune lingue richiedono più sillabe per la stessa idea. Se una battuta in tedesco viene lunga, accorcia il testo invece di accelerare la voce, che suonerebbe affrettata. Il lip sync AI segue qualunque ritmo abbia l'audio.
Ovunque un viso sullo schermo debba dire qualcosa che non ha detto il giorno delle riprese.
Cambia un prezzo, il nome di un prodotto o una call to action senza richiamare il presentatore.
Tieni da parte una ripresa pulita del presentatore che guarda in camera per le modifiche future.
Pubblica un video in più lingue con la bocca allineata a ciascuna.
Parti dal mercato più importante e controlla il risultato prima di fare il resto.
Dai a un personaggio generato una voce e una battuta adatta alla tua storia.
Genera il personaggio rivolto alla camera con la bocca chiusa, come nel nostro esempio.
Sostituisci una parola sbagliata in un intervento, un corso o un clip per i social senza rigirare.
Taglia solo quella frase, sincronizzala e reinseriscila nel tuo montaggio.
Abbiamo testato i limiti sui nostri clip. Ecco cosa aspettarti.

Se il viso è girato, minuscolo o sfocato dal movimento, la sincronizzazione si ferma e i crediti ti vengono restituiti.
Viene sincronizzato un viso per clip. Per una conversazione, taglia ogni persona in un clip a parte.
Il lip sync AI adatta la bocca, non l'interpretazione. Una registrazione piatta resta piatta.
Cosa accetta il lip sync AI, cosa restituisce e quanto costa.
Video: MP4 o MOV, da 2 a 60 secondi, fino a 100 MB, almeno 360p. Audio: MP3, WAV, M4A o AAC fino a 10 MB.
Un MP4 della stessa durata del video, con il nuovo parlato come colonna sonora e la bocca allineata.
8 crediti per secondo di video, arrotondati ai secondi interi. Solo piani a pagamento. Le elaborazioni non riuscite vengono rimborsate.
| Durata del video | Crediti |
|---|---|
| 5 s | 40 |
| 10 s | 80 |
| 30 s | 240 |
| 60 s | 480 |
Il lip sync AI può mettere parole in bocca a qualcuno, quindi prima chiediamo il permesso. Prima di ogni elaborazione confermi di avere il diritto di usare il viso e la voce.
Per approfondire: le guide del blog
Apri Imgveo Studio per usare questo e ogni altro modello di video e immagini IA da un unico spazio di lavoro, con un solo saldo di crediti.
Crea il clip, poi dagli una voce.
Trasforma un ritratto in un breve clip su cui fare il lip sync.
Anima una fotoPorta il tuo clip sincronizzato a 1080p, 2K o 4K.
Ingrandisci un videoGenera scene nuove con dialoghi e audio integrati.
Prova Veo 3.1Carica un ritratto e una traccia vocale, e la foto parlante AI fa il resto in pochi minuti.
Anima una fotoCarica un clip e il parlato che vuoi, e il lip sync AI fa il resto in pochi minuti.