Ecco come preparare le foto di gruppo, l’audio dei dialoghi e come dirigere chi fa cosa.
Preparare una foto per un video AI con più persone
Chiunque debba muoversi deve avere il volto visibile, idealmente di dimensioni simili e senza sovrapposizioni. Da due a quattro persone affiancate in un’inquadratura orizzontale sono il punto di partenza più semplice: pensa al tavolo di un podcast, al divano di un’intervista o a una band sul palco. Un’illuminazione uniforme su tutti i volti evita che una persona sembri più piatta delle altre.
Se le persone sono a distanze molto diverse dalla camera, i volti più vicini prendono il sopravvento. Ritaglia l’immagine in modo che chi parla sia al centro dell’attenzione.
Preparare l’audio del dialogo
Carica un unico file audio mixato con l’intera conversazione, nell’ordine in cui deve essere riprodotta. Lascia brevi pause tra un interlocutore e l’altro, così i turni di parola si leggono chiaramente, ed evita lunghe sovrapposizioni in cui due persone parlano insieme.
Le registrazioni di podcast e interviste funzionano bene così come sono: taglia lo spezzone che ti interessa, normalizza il volume e caricalo in MP3 o WAV, fino a cinque minuti.
Dirigere chi parla e chi reagisce
Nel prompt descrivi le persone in base alla posizione, in modo breve:
- “Left host speaks first, right host nods and laughs, then answers.” (il conduttore a sinistra parla per primo, quello a destra annuisce e ride, poi risponde)
- “Woman on the right leads the verse, man on the left joins on the chorus.” (la donna a destra guida la strofa, l’uomo a sinistra entra nel ritornello)
- “Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.” (l’intervistatore a sinistra fa la domanda, l’ospite a destra gesticola mentre spiega, campo largo fisso)
- “Whole family waves at the end, gentle push-in.” (tutta la famiglia saluta con la mano alla fine, leggero avvicinamento)
Formati che all’improvviso diventano possibili
Video podcast da un’unica immagine statica, sketch comici con due personaggi, teaser di interviste, duetti e clip di cori, auguri di famiglia e giochi di ruolo in classe. Prima ognuno di questi richiedeva di riprendere più persone insieme; ora bastano una foto e una registrazione.
Problemi comuni nelle scene di gruppo
Se sembra parlare la persona sbagliata, rendi inequivocabili le posizioni nel prompt — “the person on the left” (la persona a sinistra) invece di un nome che il modello non può vedere — e verifica che i volti di chi parla abbiano più o meno la stessa dimensione nell’inquadratura. Se tutti si muovono troppo, chiedi “listeners stay mostly still” (chi ascolta resta quasi fermo), così chi parla risalta.
I gruppi molto numerosi distribuiscono i dettagli su tanti volti piccoli. Per la foto di un coro o di un team, ritaglia sulla prima fila e mantieni la clip breve.
Scrivere dialoghi per due voci
Funzionano meglio gli scambi brevi: una persona chiede, l’altra risponde con una o due frasi, e le battute si alternano rapidamente. I monologhi lunghi in una foto di gruppo lasciano a chi ascolta poco da fare; spezzali con reazioni o domande di approfondimento.
Domande frequenti
Quante persone possono esserci in un video?
I gruppi funzionano, ma da due a quattro volti ben visibili danno i risultati più affidabili.
Mi serve un audio separato per ogni persona?
No. Carica un unico file mixato della conversazione e descrivi nel prompt chi parla.
Le persone possono reagire mentre parlano gli altri?
Sì. Chi ascolta annuisce, sorride e guarda chi parla, se lo chiedi nel prompt.
OmniHuman 1.5 supportava più persone?
La versione 1.5 usava una maschera per scegliere un solo parlante. Le interpretazioni con più persone sono una novità della 2.0.
Posso usare una foto di famiglia?
Sì, con il permesso di tutti. I volti chiari e frontali funzionano meglio.
Quanto può durare la scena?
Fino a 5 minuti in un’unica ripresa.
Ogni persona può avere una voce diversa?
Sì. Registra o mixa il dialogo con la voce di ciascuno in un unico file audio, nell’ordine in cui parlano.
Chi ascolta resterà completamente immobile?
No, fa piccoli movimenti naturali. Se vuoi di più, chiedi reazioni come annuire o sorridere.
La foto di gruppo deve essere orizzontale?
Non necessariamente, ma un’inquadratura larga dà più spazio a ogni volto. Le foto di gruppo verticali funzionano meglio con due persone vicine, una sopra l’altra.