Vai al contenuto

Guida · Prompt · Aggiornato il ott 2026

Guida ai prompt di OmniHuman 2: dirigi gesti, emozioni e camera

Un buon prompt per OmniHuman 2 è breve, fisico e preciso. L’audio decide già cosa dice la persona e quando si muovono le labbra; il prompt decide tutto il resto: come tiene il corpo, dove guarda, quali gesti accompagnano quale battuta e cosa fa la camera.

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

Questa guida ti dà una struttura semplice, il vocabolario a cui il modello risponde ed esempi pronti da copiare per i formati più comuni. Ogni esempio è pensato per essere incollato nel campo di regia dello studio e adattato alla tua foto.

Come strutturare un prompt per OmniHuman 2

Ragiona in tre blocchi: interpretazione, gesto e camera. L’interpretazione è l’atmosfera generale (“warm and confident”, “playful”, “serious newsreader”: caloroso e sicuro di sé, giocoso, conduttore di telegiornale serio). Il gesto è una o due azioni concrete (“counts on fingers”, “points at the viewer”, “holds the jar up to the lens”: conta sulle dita, indica chi guarda, avvicina il barattolo all’obiettivo). La camera è un solo movimento o un’inquadratura (“static medium shot”, “slow push-in”, “gentle orbit to the left”: piano medio fisso, lento avvicinamento, leggera orbita verso sinistra).

Resta sotto le 40 parole circa. I prompt lunghi con tante azioni in competizione tendono a produrre movimenti agitati e innaturali: meglio generare due volte con due prompt mirati che una volta con un prompt sovraccarico.

Indicazioni per la camera

Usa un solo movimento per clip. Queste espressioni sono chiare e ampiamente comprese:

  • “static medium shot” (piano medio fisso): calmo, in stile presentatore; ideale per i video esplicativi lunghi.
  • “slow push-in” (lento avvicinamento): aumenta l’intensità; perfetto per gli hook degli annunci e le battute emotive.
  • “gentle orbit around the subject” (leggera orbita intorno al soggetto): aggiunge valore produttivo alle canzoni.
  • “handheld feel, slight sway” (effetto camera a mano, leggero ondeggiamento): fa sembrare le clip in stile UGC girate con il telefono.
  • “wide shot, then slow zoom on the speaker” (campo largo, poi lento zoom su chi parla): utile nelle scene di gruppo.

Gesti e linguaggio del corpo

Indica il gesto e, se conta, quando avviene: “raises an eyebrow at the question” (alza un sopracciglio alla domanda), “opens both hands on ‘everyone’” (apre entrambe le mani su ‘tutti’), “nods while listening” (annuisce mentre ascolta). Le inquadrature di prodotto funzionano meglio quando il prodotto è già nella foto; il prompt può poi chiedere alla persona di sollevarlo, inclinarlo o indicarlo.

Per il canto, descrivi respiro e movimento invece delle forme della bocca — “closes eyes on long notes, sways with the beat, hand on chest in the chorus” (chiude gli occhi sulle note lunghe, ondeggia a tempo, mano sul petto nel ritornello) — e lascia che sia l’audio a guidare le labbra.

Esempi di prompt per formato

Sostituisci i dettagli con quelli della tua foto e del tuo audio. Nello studio incolla il testo in inglese; la traduzione tra parentesi è solo per riferimento.

  1. 1Hook UGC per skincareexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel (entusiasta, parla veloce, avvicina il flacone alla camera sulla prima battuta, effetto camera a mano)
  2. 2Annuncio del fondatorecalm and confident, open hand gestures, static medium shot, small smile at the end (calmo e sicuro di sé, gesti a mani aperte, piano medio fisso, piccolo sorriso alla fine)
  3. 3Balladeyes closed on long notes, gentle sway, slow orbit, soft emotional expression (occhi chiusi sulle note lunghe, leggero ondeggiamento, lenta orbita, espressione dolce ed emozionata)
  4. 4Podcast con due conduttorileft host speaks, right host nods and reacts, static wide shot, relaxed conversation (il conduttore a sinistra parla, quello a destra annuisce e reagisce, campo largo fisso, conversazione rilassata)
  5. 5Lezioneteacher tone, counts points on fingers, glances down as if at notes, static shot (tono da insegnante, conta i punti sulle dita, abbassa lo sguardo come per leggere gli appunti, inquadratura fissa)
  6. 6Saluto della mascottecheerful, waves at the start, bounces slightly, slow push-in (allegra, saluta con la mano all’inizio, saltella leggermente, lento avvicinamento)

Lingue e risoluzione dei problemi

Puoi scrivere le indicazioni di regia in inglese, cinese, giapponese, coreano, spagnolo (Messico) o indonesiano. L’audio parlato può essere in qualsiasi lingua: il lip sync segue il suono, non il prompt.

Se il movimento sembra esagerato, togli aggettivi come “very” e “dramatic” (molto, drammatico). Se sembra non succedere nulla, verifica che il gesto sia fisicamente possibile nell’inquadratura: le mani non possono gesticolare se la foto è un primo piano stretto del viso.

Errori comuni nei prompt

L’errore più frequente è descrivere il copione invece dell’interpretazione. Scrivere “she explains our new pricing” (spiega i nostri nuovi prezzi) non aggiunge nulla, perché l’audio contiene già le parole; “leans forward and taps the table on each price” (si sporge in avanti e batte sul tavolo a ogni prezzo) dà al modello qualcosa da fare.

Il secondo è la contraddizione: chiedere nella stessa clip un’inquadratura fissa e un’orbita, oppure un tono calmo e salti pieni di energia. Quando le istruzioni si scontrano, il movimento diventa confuso. Scegli un’atmosfera e un comportamento della camera per ogni rendering.

  • Evita gli estremi emotivi a meno che l’audio non li rispecchi: una battuta sussurrata con “shouting angrily” (urla arrabbiato) sembra un errore.
  • Non chiedere che compaiano oggetti assenti dalla foto; aggiungili piuttosto all’immagine.
  • Lascia perdere il gergo cinematografico tecnico che il modello non ha motivo di conoscere, come marche specifiche di obiettivi.

Iterare senza sprecare crediti

Fissa prima foto e audio, poi tra un rendering di prova e l’altro cambia solo il prompt. Genera un estratto di cinque secondi della battuta più importante con due o tre varianti del prompt da confrontare: a 50 crediti l’una, il confronto costa meno di un unico rendering lungo che non va a segno.

Quando un prompt funziona, salvalo nel progetto come “preset di regia” riutilizzabile per quel presentatore. Le serie risultano più coerenti quando ogni episodio parte dallo stesso testo di regia.

Domande frequenti

Il prompt è obbligatorio?

No. Senza prompt, OmniHuman 2 sceglie movimenti naturali in base all’audio. Il prompt aiuta quando vuoi gesti o movimenti di camera specifici.

Quanto deve essere lungo il prompt?

Una o due frasi, sotto le 40 parole circa. I prompt mirati danno movimenti più puliti.

Il prompt può cambiare ciò che dice la persona?

No. Parlato e movimento delle labbra arrivano dall’audio; il prompt controlla interpretazione e camera.

Posso dirigere più persone?

Sì. Descrivi ogni persona in base alla posizione, per esempio “left person speaks, right person reacts” (la persona a sinistra parla, quella a destra reagisce).

In quali lingue posso scrivere il prompt?

Inglese, cinese, giapponese, coreano, spagnolo (Messico) e indonesiano sono indicate come lingue supportate.

Perché il mio gesto non compare?

Di solito l’inquadratura nasconde le mani o il prompt chiede troppe azioni. Usa una foto più larga e meno istruzioni.

Continua a esplorare

Fai parlare la tua foto.

Anteprima gratuita.