Carica un ritratto e il parlato che vuoi. La foto parlante AI ne fa un video in cui quel viso dice ogni parola.
Ricevi un MP4 lungo quanto il tuo audio. La maggior parte dei clip brevi richiede 3–5 minuti.
Uno dei nostri test: un solo ritratto e una battuta parlata, trasformati in un video che parla. Attiva l'audio.

La battuta che pronuncia, in inglese: «Hi there. A minute ago this clip was silent. Now every word I say matches my lips.»
Livello Standard · 6,5 s di parlato · 56 crediti · circa 3,5 minuti
Abbiamo fatto dire la stessa battuta allo stesso uomo due volte: una con la foto parlante AI, una animando la foto e poi facendo il lip sync.
Entrano foto e audio, esce un video che parla. Un solo passaggio, e testa e viso si muovono con il parlato.
56 crediti
Prima un clip muto di 8 secondi dalla foto, poi la bocca ridisegnata sulla battuta. Due passaggi, e scegli il movimento nel primo.
30 + 64 = 94 crediti
Per un singolo ritratto che parla, la foto parlante AI costa meno ed è più semplice. Anima prima la foto se ti serve un movimento preciso, un'inquadratura più lunga o una scena intorno al viso.
Una foto parlante AI è un video creato da un'immagine fissa e da una traccia audio: il viso nella foto apre la bocca, sbatte le palpebre e muove la testa a tempo con il parlato. Le dai un ritratto e una registrazione vocale, e genera ogni fotogramma di quella persona che parla.
Dà un volto a una voce senza telecamera. Un video esplicativo di prodotto, l'intro di un corso, una foto di famiglia o un personaggio AI possono parlare in pochi minuti invece che in una giornata di riprese.
Il modello legge l'audio e ricava la forma della bocca per ogni suono, più i piccoli movimenti che accompagnano il parlato: un cenno del capo su una parola accentata, le sopracciglia alzate in una domanda, un battito di ciglia tra una frase e l'altra. Poi disegna ogni fotogramma dalla tua foto, mantenendo uguali viso, capelli e vestiti mentre l'espressione cambia.
L'identità della persona, l'acconciatura, i vestiti, lo sfondo e l'inquadratura della tua foto.
Movimento delle labbra allineato alle parole, battiti di ciglia naturali, piccoli movimenti di testa e spalle, e il tuo audio come colonna sonora.
Tutta la foto parlante AI avviene nel browser. Nessuna telecamera, nessun software di montaggio.
Un JPG o PNG con un viso rivolto alla camera, di almeno 300 pixel per lato.
Una registrazione MP3, WAV, M4A o AAC. Fino a 15 secondi con Standard e HD, 30 secondi con Cinema.
Scegli la qualità, spunta la casella del consenso e premi Anima. La maggior parte dei clip brevi è pronta in tre-cinque minuti.
Ogni livello usa la stessa foto e lo stesso audio. Cambiano la nitidezza, la durata massima del parlato e quanto è realistico il movimento.
8 crediti al secondo
Post sui social, bozze e test rapidi. Il nostro esempio qui sopra è Standard.
16 crediti al secondo
Presentatori, pubblicità e tutto ciò che va a schermo intero su un computer.
27 crediti al secondo
Discorsi più lunghi, interpretazione espressiva e i movimenti di testa e corpo più realistici.
La foto parlante AI può animare solo ciò che vede. Queste cinque cose fanno la differenza più grande.
Frontale o leggermente girato. Un profilo mostra solo metà bocca.
Il modello ha bisogno di entrambi gli angoli delle labbra per formare ogni parola.
Un'espressione neutra o un sorriso leggero lasciano al modello lo spazio per aprire la bocca in modo naturale.
Un sorriso largo o la bocca aperta nella foto vanno contro ogni parola.
Luce uniforme sul viso, niente ombre forti e almeno 300 pixel per lato.
Sono i dettagli intorno a occhi e labbra a rendere credibile il movimento.
Ritaglia le foto di gruppo lasciando solo il viso che deve parlare.
Con più visi, potrebbe mettersi a parlare quello sbagliato.
Niente mani, microfoni, occhiali da sole o capelli davanti alla bocca.
I tratti coperti vengono ridisegnati male o per niente.
Il video dura esattamente quanto il tuo audio, e paghi quei secondi. Un po' di preparazione fa risparmiare crediti.
Elimina i secondi muti all'inizio e alla fine. Costano quanto il parlato.
Registra in una stanza silenziosa, vicino al microfono. Musica di sottofondo o una seconda voce possono far seguire alle labbra il suono sbagliato.
Brevi pause tra le frasi danno al viso il tempo di sbattere le palpebre e ricomporsi, e il risultato sembra più umano.
La bocca segue i suoni, non le parole, quindi va bene qualsiasi lingua parlata o accento.
Tre modi per avere sullo schermo una persona che dice le tue parole. Scegli in base a ciò da cui parti.
Prezzo su Imgveo
40 crediti per 5 s con Standard
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.
Ovunque un volto lo direbbe meglio di un testo su una slide.
Dai a una pagina prodotto, a un corso o a un percorso di onboarding un volto amichevole che parla.
Usa lo stesso ritratto in ogni video, così il pubblico riconosce il presentatore.
Lascia che un personaggio generato si presenti, racconti una storia o risponda a un fan.
Genera il personaggio rivolto alla camera con la bocca chiusa, come nel nostro esempio.
Dai vita a un vecchio ritratto con un messaggio registrato da un parente.
Scansiona la foto in modo nitido e ritagliala su un solo viso prima di caricarla.
Registra lo stesso messaggio in più lingue e usa un solo ritratto per tutte.
Mantieni le registrazioni di durata simile, così i video risultano coerenti.
Limiti onesti, per sapere cosa aspettarti prima di spendere crediti.
Si muovono viso, testa e spalle. Per camminare, gesticolare o muovere la camera serve invece un modello video.
Se metà bocca è nascosta, il movimento sembra sbagliato. Usa una foto frontale.
Standard e HD arrivano a 15 secondi, Cinema a 30. Dividi i testi più lunghi in più clip.
Ti serve il diritto di usare il viso e la voce. Blocchiamo i contenuti che violano le nostre regole.
Cosa accetta la foto parlante AI, cosa restituisce e quanto costa.
Foto: JPG o PNG fino a 10 MB, almeno 300 px, con proporzioni non oltre 2.5 a 1 in larghezza o altezza. Audio: MP3, WAV, M4A o AAC fino a 10 MB.
Un MP4 lungo quanto il tuo audio, con il tuo parlato come colonna sonora, in 720p con Standard e in 1080p con HD e Cinema.
8, 16 o 27 crediti per secondo di audio, arrotondati ai secondi interi. Solo piani a pagamento. Le elaborazioni non riuscite vengono rimborsate.
| Durata dell'audio | Standard | HD | Cinema |
|---|---|---|---|
| 5 s | 40 | 80 | 135 |
| 10 s | 80 | 160 | 270 |
| 15 s | 120 | 240 | 405 |
| 30 s | — | — | 810 |
Una foto parlante può far sembrare che chiunque dica qualsiasi cosa, quindi prima chiediamo il permesso. Prima di ogni elaborazione confermi di avere il diritto di usare il viso e la voce, e ogni foto viene controllata.
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.
Dagli una voce, poi vai oltre.
Hai già un video? Sincronizza invece la sua bocca con un nuovo parlato.
Sincronizza un videoAnima una foto con movimenti di camera e una scena intorno.
Anima una fotoPorta la tua foto parlante a 2K o 4K per i grandi schermi.
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.