Vai al contenuto

Recensione · Prova pratica · Aggiornato il ott 2026

Recensione OmniHuman 2: pregi, limiti e a chi è adatto

Questa recensione di OmniHuman 2 è scritta dal team che usa il modello ogni giorno su questo sito, quindi non è neutrale come quella di una testata esterna: vendiamo l’accesso al modello. Abbiamo cercato invece di essere utili: cosa ci ha colpito, cosa no, e i numeri pratici che si scoprono solo generando clip reali.

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

In breve: OmniHuman 2.0 produce alcuni dei video parlati e cantati da una sola immagine più naturali oggi disponibili, gestisce riprese lunghe e foto di gruppo che i modelli precedenti non sapevano gestire, e i suoi compromessi principali sono l’output a 720p e tempi di rendering che si misurano in minuti, non in secondi.

Cosa spicca nella nostra recensione di OmniHuman 2

Il lip sync è il punto più evidente, ma la vera differenza è tutto ciò che sta intorno alla bocca. Guance, mascella, sopracciglia e respiro si muovono con l’audio, e mani e spalle sottolineano le parole accentate. Il canto in particolare sembra interpretato e non solo mimato: respiri prima delle note lunghe, piccoli movimenti della testa a tempo.

L’altro punto di forza è la versatilità. Ritratti realistici, illustrazioni, personaggi 3D e mascotte stilizzate si animano tutti in modo convincente, e una sola foto con più persone può diventare una conversazione.

  • Espressioni e gesti naturali, non solo labbra in movimento.
  • Clip da 4 secondi a 5 minuti in un’unica ripresa.
  • Scene con più persone e movimenti di camera guidati dal prompt.

Dove è carente

La risoluzione è 720p. Va bene per telefoni e piattaforme social, ma non per il grande schermo o per display di grande formato. Inoltre il modello non sa inventare in modo convincente ciò che non è nell’immagine: un primo piano stretto non produrrà gesti delle mani credibili, e un prodotto che non è nella foto non comparirà solo perché lo nomini.

Angolazioni estreme, occlusioni pesanti (mani davanti alla bocca, microfoni, occhiali da sole) e audio molto rumoroso riducono la qualità in modo evidente. Niente di insolito per questo tipo di modello, ma è bene saperlo prima di spendere crediti.

Tempi di rendering nella pratica

In un nostro test, una clip di 4,65 secondi da un ritratto 1080 × 1080 ha richiesto poco più di due minuti dall’invio all’MP4 finito, inclusi la coda e la copia del file nello storage. Le clip più lunghe richiedono proporzionalmente più tempo, quindi un video esplicativo di un minuto è un’attesa da pausa caffè, non un risultato istantaneo.

I rendering vengono eseguiti in background: puoi chiudere la scheda e ritrovare il video nella tua libreria quando è pronto.

A chi conviene

Ne trarranno il massimo valore i performance marketer che testano hook in stile creator, i formatori che trasformano copioni in video con presentatore, i musicisti che creano visualizer e i piccoli team che hanno bisogno di un portavoce senza una troupe. Se ti serve un output in 4K o un controllo al fotogramma su ogni movimento, una ripresa tradizionale o una pipeline 3D restano lo strumento migliore.

Verdetto

Per trasformare una foto e una voce in un’interpretazione credibile, OmniHuman 2.0 è l’opzione più forte che abbiamo usato, e il salto rispetto alla 1.5 — riprese più lunghe, gruppi, regia — è notevole. Provalo prima con una clip breve del tuo materiale: l’anteprima è gratuita e un rendering di cinque secondi costa 50 crediti.

Cosa abbiamo testato

Per le nostre prove abbiamo usato ritratti realistici, una vecchia fotografia scansionata, un render di un personaggio 3D e una foto in studio con due persone, guidati da parlato asciutto, un memo vocale registrato con il telefono e una voce cantata. I ritratti in studio puliti e il parlato registrato vicino al microfono hanno dato il lip sync migliore; il memo del telefono ha funzionato comunque, con consonanti un po’ più morbide. La voce cantata ha prodotto i movimenti di testa e spalle più espressivi di tutta la serie.

I difetti sono comparsi con volti girati di oltre quarantacinque gradi circa rispetto alla camera o parzialmente coperti da una mano alzata, soprattutto intorno a labbra e denti.

Il confronto con altri approcci

Rispetto alle piattaforme con avatar preimpostati, OmniHuman 2 è molto più flessibile su chi compare — qualsiasi foto, qualsiasi stile — ma non offre un editor di copioni né presentatori di repertorio. Rispetto agli strumenti di lip sync che agiscono solo sul viso, produce interpretazioni dell’intero corpo invece di una bocca in movimento su un corpo immobile. Ogni approccio ha il suo spazio; questo modello è il più forte quando il punto di partenza è una sola immagine.

Domande frequenti

OmniHuman 2 è abbastanza buono per le pubblicità?

Sì, per gli annunci social e di performance visti sul telefono. Testa prima un hook breve per verificare la tua foto.

Quanto è realistico il lip sync?

Molto vicino al parlato naturale, con un audio pulito. Musica di sottofondo e rumore riducono la precisione.

Qual è il punto debole principale?

L’output a 720p e tempi di rendering di qualche minuto. Le foto di partenza scadenti sono il problema di qualità più comune.

Questa recensione è indipendente?

No: gestiamo omnihuman2.ai e vendiamo l’accesso al modello. Descriviamo apertamente i limiti così puoi giudicare da te.

Può animare i cartoni animati?

Sì. Illustrazioni, personaggi 3D e mascotte funzionano bene quando il volto è chiaro.

Quanto dura un rendering?

Nel nostro test, una clip di circa cinque secondi ha richiesto circa due minuti dall’inizio alla fine. Le clip più lunghe richiedono più tempo.

La qualità cala nei video lunghi?

Nella nostra esperienza identità e inquadratura restano stabili anche nelle riprese lunghe, perché l’intera clip viene generata da una sola foto e da una traccia audio continua.

L’output è abbastanza buono per YouTube?

Sì, per i formati con una persona che parla in camera e per i video esplicativi. Per la visione su grande schermo, ricorda che l’output è a 720p.

Continua a esplorare

Fai parlare la tua foto.

Anteprima gratuita.