Vai al contenuto

Guida · Passo passo · Aggiornato il ott 2026

Come usare OmniHuman 2: da una foto a un video parlante

Questa guida ti mostra come usare OmniHuman 2 dall’inizio alla fine: quale foto e quale audio scegliere, come dirigere l’interpretazione con un breve prompt e come ottenere un lip sync pulito già dal primo rendering. Tutto avviene nel browser, non c’è niente da installare.

Foto+Voce=Video

Voce
Niente foto? Prova:
  • Anteprima gratuita
  • Accesso con Google
  • Caricamenti privati
Ads UGC
Canto
Più persone
per video
5 min
di output
720p
persone in scena
Più
lingue
6

OmniHuman 2 è il modello video di ByteDance che anima persone a partire dall’audio. Gli dai un’immagine statica e una clip audio, e lui produce un video in cui la persona parla o canta in sincronia con il suono, con espressioni naturali, gesti delle mani, movimenti del corpo e, se lo chiedi, movimenti di camera. Puoi seguire i passaggi qui sotto caricando una tua foto mentre leggi.

Cosa ti serve prima di iniziare

OmniHuman 2 richiede esattamente due input e ne accetta un terzo facoltativo. Prepararli bene conta più di qualsiasi impostazione, perché il modello costruisce l’intera interpretazione a partire da questi.

  • Un’immagine: JPG, PNG o WEBP (funzionano anche altri formati comuni), tra 300 e 6000 pixel per lato, sotto i 30 MB, con proporzioni tra 0,4 e 2,5.
  • Una clip audio: MP3 o WAV, da 4 secondi a 5 minuti, sotto i 15 MB. Il video finale dura esattamente quanto il tuo audio.
  • Facoltativo: un breve prompt testuale che descriva gesti, atmosfera, dettagli della scena o movimenti di camera. Sono supportati prompt in inglese, cinese, giapponese, coreano, spagnolo e indonesiano.

Come usare OmniHuman 2, passo dopo passo

Ecco il flusso di lavoro completo che usiamo per ogni video della nostra galleria.

  1. 1Scegli una foto chiaraScegli un’immagine in cui il volto sia nitido, illuminato in modo uniforme e non coperto da capelli, mani o microfono. Un’inquadratura a mezzo corpo o a figura intera lascia a OmniHuman 2 spazio per i gesti delle mani; un primo piano stretto mantiene l’attenzione sul viso.
  2. 2Prepara l’audioCarica un MP3 o un WAV oppure registra direttamente dal browser. Un parlato asciutto senza musica di sottofondo dà il lip sync più preciso. Per il canto funziona meglio una traccia vocale pulita con la base bassa nel mix.
  3. 3Scrivi un prompt facoltativoDescrivi cosa deve fare la persona in una o due frasi brevi, per esempio “smiles, leans toward the camera on the last line, slow push-in” (sorride, si avvicina alla camera sull’ultima battuta, lento avvicinamento). Parla di movimento e atmosfera, non di ciò che dice: quello lo definisce già l’audio.
  4. 4Genera e segui l’avanzamentoIl rendering richiede di solito qualche minuto, a seconda della durata. Puoi lasciare la pagina: il video finito comparirà nella tua libreria.
  5. 5Scarica e condividiScarica l’MP4 senza watermark. I video vengono generati in 720p, una risoluzione adatta a feed social, pubblicità e presentazioni.

Scegliere la foto giusta per OmniHuman 2

L’immagine definisce identità, inquadratura, illuminazione e stile del video finale, quindi vale la pena dedicarle trenta secondi. OmniHuman 2 non si limita alle persone reali: illustrazioni, personaggi 3D, dipinti e perfino animali con un volto riconoscibile possono essere animati.

Se vuoi più persone che parlano nella stessa scena — un podcast, un’intervista o un duetto — usa una sola foto con tutti nell’inquadratura e descrivi nel prompt chi parla. Le interpretazioni con più persone sono uno dei miglioramenti più evidenti rispetto a OmniHuman 1.5.

Scrivere prompt che OmniHuman 2 segue davvero

I prompt funzionano meglio quando sono concreti e fisici. Indica il gesto, l’emozione e il movimento di camera, ed evita di accumulare più di tre istruzioni in una frase. Se un risultato sembra troppo agitato, togli istruzioni invece di aggiungerne.

Il modello capisce indicazioni di camera come “slow push-in” (lento avvicinamento), “static medium shot” (piano medio fisso) o “gentle orbit” (leggera orbita), e gesti come “counts on fingers” (conta sulle dita), “points at the camera” (indica la camera) o “holds the product up” (mostra il prodotto).

Consigli per un lip sync migliore

La maggior parte dei problemi di lip sync dipende dagli input più che dal modello. Prima di generare di nuovo, controlla questi punti.

  • Elimina i silenzi lunghi all’inizio e alla fine dell’audio: il video li riproduce.
  • Lascia la bocca completamente visibile nella foto; la barba va bene, le mani davanti alla bocca no.
  • Evita riverbero pesante o musica sotto il parlato: confondono le sillabe a cui il modello si aggancia.
  • Per i copioni lunghi, genera prima un breve test di 5–10 secondi, poi la ripresa completa.

Limiti degli input: OmniHuman 2 vs OmniHuman 1.5

Limiti degli input: OmniHuman 2 vs OmniHuman 1.5
FunzionalitàOmniHuman 1.5OmniHuman 2
Durata massima dell’audio30 s a 1080p · 60 s a 720pFino a 300 s
Persone per scenaUn solo parlante (scelto tramite maschera)Interpretazioni con più persone
Output720p o 1080p720p nativo

Domande frequenti

Devo installare qualcosa per usare OmniHuman 2?

No. Funziona tutto nel browser: carichi una foto, aggiungi l’audio e il video viene generato sui nostri server.

Quanto può durare un video di OmniHuman 2?

È supportato un audio da 4 secondi a 5 minuti, e il video ha esattamente la stessa durata dell’audio.

Posso usare un cartone animato, un dipinto o un personaggio 3D?

Sì. Illustrazioni, render 3D e personaggi animali funzionano, purché ci sia un volto ben visibile.

Quanti crediti consuma un video?

10 crediti per secondo di video. Una clip di 30 secondi consuma 300 crediti, e il minimo è di 40 crediti per una clip di 4 secondi.

Posso far parlare più persone in un unico video?

Sì. Usa una foto con tutti nell’inquadratura e descrivi nel prompt chi parla. Le scene con più persone sono una novità di OmniHuman 2.

La mia foto resta privata?

Sì. I file caricati vengono archiviati privatamente nel tuo account e usati solo per generare i tuoi video.

Continua a esplorare

Fai parlare la tua foto.

Anteprima gratuita.