Personaggi che parlano
Video AI con personaggi che parlano
Aggiornato il 15 novembre 2026

| SceneMixer in sintesi | Cosa ottieni |
|---|---|
| Prezzo video | Da 0,06 $ al secondo (10 crediti) nel livello predefinito, fino a 0,47 $ al secondo nel livello più alto; ogni prezzo ti viene mostrato prima di premere il pulsante |
| Durata della clip | Fino a 30 secondi per ogni segmento generato; un episodio viene composto a partire dai suoi segmenti a 1 credito al secondo |
| Un episodio, conti alla mano | Un episodio da 60 secondi nel livello predefinito costa circa 660 crediti (video più compositing), cioè circa 4,11 $ al prezzo più basso per credito; una serie di 10 episodi da 90 secondi ricavata da un romanzo di 30.000 caratteri costa circa 10.026 crediti, cioè circa 62 $ |
| Dialoghi | Pronunciati direttamente nel video, una voce per personaggio, in una qualsiasi delle 15 lingue |
| Formati | 9:16 verticale o 16:9 orizzontale; da 480P a 1080P, più un livello 2K |
| Gratis per iniziare | 50 crediti alla registrazione, 15 immagini di riferimento gratuite, uno storyboard gratuito per il primo episodio e un'anteprima video gratuita di 5 secondi |
| Chi lo usa | 2.900+ creator hanno generato con SceneMixer (account con almeno una generazione, conteggiati a novembre 2026) |
| Input | Una sceneggiatura, un romanzo o un'idea in una riga; caricamento di file .txt, .docx e .md |
La voce viene generata insieme all'immagine
Ci sono due modi per far parlare un personaggio sullo schermo. Uno è generare un video muto e poi animare la bocca con una traccia audio: è il metodo del lip-sync, che richiede un ritaglio del volto e un file audio di riferimento, produce un volto che si muove correttamente ma un corpo che non recita. L'altro è generare immagine e suono insieme, così la performance e la bocca sono un'unica scelta.
Il secondo lo fa la pipeline di SceneMixer. Il livello video predefinito è audiovisivo: al modello viene dato la battuta, chi la dice, come va detta e un riferimento vocale, e restituisce un'inquadratura con la battuta pronunciata dentro. Dopo non si cuce nulla.
In sintesi
| La battuta | Parola per parola, una sola volta. Pronunciata esattamente come scritta: non parafrasata, non ri-temporizzata. |
|---|---|
| Chi la dice | Indicato per nome, e associato al riferimento vocale di quel personaggio così la stessa persona ha la stessa voce in tutti gli episodi. |
| Come viene detta | Una breve indicazione tra parentesi: a bassa voce, sempre sorridendo, con tono piatto forzato. È un'indicazione di recitazione, non un sottotitolo. |
| Chi altro c'è nell'inquadratura | Contrassegnato con labbra chiuse, così chi ascolta non muove la bocca a tempo. |
| Discorso fuori campo | Indicato per primo nella parentesi — voce fuori campo, al telefono, dall'interfono — e poi tutti i personaggi visibili sono descritti con la bocca chiusa. |
| Temporizzazione | Un'inquadratura con dialogo non è mai più corta di quanto serva alla battuta: tre parole al secondo in inglese, cinque caratteri al secondo in cinese. |
Le voci vengono abbinate, non sintetizzate per ogni personaggio
Su SceneMixer, a ogni personaggio viene assegnata una voce da una libreria di voci di sistema pronte: senti un campione di tre-otto secondi prima di scegliere, puoi abbinare di nuovo, sceglierne un'altra dal selettore, oppure caricare una tua registrazione. La ragione per cui è un abbinamento e non un design vocale per personaggio è costo e stabilità: le voci disegnate derivano tra una generazione e l'altra e costano per personaggio, mentre una voce di libreria è la stessa voce nell'episodio uno e nell'episodio dodici.
Se un personaggio non ha una voce assegnata, l'inquadratura usa come fallback una descrizione scritta della voce — età, timbro, registro — che il modello interpreta. È il comportamento predefinito per i nuovi progetti; assegnare le voci è un passaggio deliberato, non qualcosa che avviene automaticamente per tutti i personaggi.
La regola di temporizzazione, e perché esiste
Un'inquadratura di quattro secondi non può contenere sedici parole di inglese. O la resa è così rapida da essere incomprensibile, o la battuta viene tagliata. Quindi le inquadrature di dialogo di SceneMixer hanno un minimo derivato dalla battuta: numero di parole diviso tre per l'inglese, numero di caratteri diviso cinque per il cinese, e le battute brevi ricevono una pausa in più invece di essere schiacciate al loro minimo teorico. Le inquadrature che risultano troppo corte per la loro battuta vengono segnalate e corrette prima di renderizzare, il che costa meno che scoprirlo nel risultato.
Lingua
La lingua dei dialoghi è un'impostazione del progetto, scelta una sola volta, e viene applicata nel momento in cui le battute vengono scritte, non tradotta dopo: così la performance è creata direttamente in quella lingua, non è un doppiaggio. Sono disponibili quindici lingue per l'interfaccia e i dialoghi sono supportati in tutte; un paio di lingue occasionalmente pronunciano male singole parole sul livello modello predefinito, e il selettore lo segnala dove succede. La pagina delle voci dei personaggi spiega questo nel dettaglio.
Cosa non fa
- Clonare una voce per cui non hai il diritto d'uso. Puoi caricare la tua registrazione come riferimento per i tuoi personaggi, e Voce originale di Redub clona la voce di un personaggio dalla clip stessa.
- Sincronizza le labbra di una foto che carichi. Il parlato di SceneMixer arriva dalla generazione, non dal pilotare un fotogramma esistente; un video caricato riceve nuove battute solo tramite Sostituisci di un remake, che genera di nuovo la parte modificata.
- Rispettare una durata esatta per una battuta. Viene imposta la durata minima; la lunghezza precisa della recitazione dipende dal modello.
- Incorporare i sottotitoli nel video. Nessun testo viene renderizzato nell'inquadratura. Le didascalie si aggiungono dopo l'esportazione.
- Garantire la pronuncia perfetta di ogni nome proprio. I nomi inventati in particolare vale la pena ascoltarli in anteprima prima di confermare un episodio.
Quanto costa
La voce è inclusa nel prezzo del video: non ci sono costi audio separati. Il video parte da 10 crediti al secondo di output (≈ 0,06 $/s sul livello prezzo più basso per credito) e arriva a 0,47 $/s sul livello più definito; l'assemblaggio costa 1 credito al secondo. Abbinare una voce dalla libreria è gratis. I nuovi account ricevono 50 crediti e un'anteprima gratuita fino a 5 secondi, abbastanza per ascoltare un personaggio parlare prima di decidere. Le tariffe sono sulla pagina dei prezzi.
Lingue
Dialoghi nativi in 15 lingue
Ogni serie qui sotto è stata prodotta con la stessa pipeline di SceneMixer, con il cast che parla la lingua in modo nativo: interfaccia, documenti di lavoro e battute sono tutti nella stessa lingua, niente doppiaggio. Aprila per ascoltarla.
A Carta de LisboaPortuguêsDialoghi nativi
윈터 프라미스한국어Dialoghi nativi
El Secreto de CostaEspañolDialoghi nativi
浪人の誓い日本語Dialoghi nativi
Ikrar JakartaBahasa IndonesiaDialoghi nativi
Зимняя коронаРусскийDialoghi nativi
L’Héritier du DéfiléFrançaisDialoghi nativi
Il Tavolo dell'OlivaItalianoNella tua lingua
De Vuurtoren van de FjordNederlandsDialoghi nativi
العهد الصحراويالعربيةDialoghi nativi
Çantasındaki SözleşmeTürkçeDialoghi nativi
Die Istanbul-TäuschungDeutschDialoghi nativi
Останній сигналУкраїнськаDialoghi nativi
問劍青雲繁體中文Dialoghi nativi
The Last EnvelopeEnglishDialoghi nativi
In SceneMixer rispetto a unire più strumenti
La maggior parte dei flussi di lavoro per i drama AI è una catena di cinque o sei strumenti. Qui trovi dove avviene ogni passaggio e che cosa sostituisce.
| Passaggio | In SceneMixer | A mano, con strumenti separati |
|---|---|---|
| Sceneggiatura e piano degli episodi | Incolla una sceneggiatura o un romanzo, oppure scrivi una sola riga: viene letta e trasformata in cast, location, oggetti di scena e un outline degli episodi che puoi modificare | Un modello di chat scrive la sceneggiatura; tu la dividi in episodi e porti il testo da uno strumento all'altro |
| Volti dei personaggi e luoghi | Ogni personaggio, location e oggetto di scena viene disegnato una sola volta come scheda di riferimento e collegato a ogni inquadratura in cui compare | Un modello di immagini, una scheda alla volta; sei tu a caricare il riferimento giusto per ogni clip |
| Inquadrature | Uno storyboard per episodio con inquadrature numerate e durata in secondi; il video viene generato segmento per segmento in 9:16 o 16:9, sempre sulle stesse schede | Un modello video, una clip per prompt, descrivendo ogni volta di nuovo le stesse persone |
| Voci e dialoghi | Le battute sono recitate nel video stesso, una voce per personaggio, in una qualsiasi delle 15 lingue | Uno strumento di sintesi vocale per ogni battuta, poi un passaggio di sincronizzazione labiale su ogni clip |
| Correggere una singola inquadratura | Modifichi il testo di quell'inquadratura e rigeneri solo quel segmento; il resto dell'episodio resta intatto | Rigeneri la clip, poi rifai il montaggio della timeline |
| Rifinitura | I segmenti vengono composti in un unico file per episodio, con la colonna sonora; i membri lo scaricano senza il badge AI | Un editor video per unire le clip, aggiungere musica e sottotitoli, poi esportare |
| Pubblicazione | Carichi l'episodio finito su TikTok, YouTube, Instagram o ovunque altro; non viene pubblicato nulla al posto tuo | Caricamento a mano, come qui |
Domande frequenti
È lip-sync?
No. SceneMixer genera immagine e parlato insieme in un unico passaggio, quindi bocca e interpretazione sono la stessa decisione. Non c'è una traccia audio separata abbinata a un render muto, e non c'è modo di pilotare una foto o un video caricato.
Posso usare la mia voce?
Puoi caricare una registrazione su SceneMixer come riferimento vocale per un personaggio. La voce di qualcun altro solo con il suo permesso.
Chi ascolta nell'inquadratura muove la bocca?
Non dovrebbero: SceneMixer marca esplicitamente ogni personaggio non parlante in quadro con le labbra chiuse, che è l'istruzione che impedisce a chi ascolta di muovere la bocca insieme alla battuta.
Cosa succede con le voci fuori campo e le telefonate?
SceneMixer scrive per primo il marcatore fuori campo nella nota di consegna, e poi descrive tutti i visibili nell'inquadratura con la bocca chiusa, così la battuta si sente senza che nessuno sembri dirla.
Perché la mia inquadratura con dialogo è più lunga di come l'ho scritta?
Perché la battuta ha bisogno del tempo. SceneMixer dà alle inquadrature con dialogo un minimo di circa tre parole al secondo in inglese, cinque caratteri al secondo in cinese, con una pausa aggiunta per le battute molto brevi. Un'inquadratura troppo corta per la sua battuta viene corretta prima del render invece che dopo.
Ascolta un personaggio prima di confermare un episodio
L'anteprima gratuita è abbastanza lunga per una riga di dialogo.
Prova SceneMixer gratisPacchetti di crediti da 1,49 $ · Pro 7,99 $/mese · Nessuna carta di credito per iniziare