Voci, dialoghi e musica

I modelli video più recenti, come Seedance 2.5, generano audio e immagini insieme: voci, rumori e ambienti nascono già sincronizzati con ciò che succede in scena. È comodo e spesso sorprendente, soprattutto per i suoni d'ambiente e gli effetti, ma offre meno controllo sui dettagli, come l'intonazione esatta di una battuta.

L'alternativa è creare l'audio separatamente, con strumenti dedicati, e poi usarlo come riferimento nel video o montarlo in post-produzione. È più lento ma permette di dirigere ogni battuta e ogni suono come in uno studio di doppiaggio. Nella pratica si usano entrambi: audio nativo per ambienti ed effetti, voci create a parte per i dialoghi importanti.

In praticaAnche quando usi l'audio nativo, esporta sempre una versione della clip senza audio. Al montaggio potresti voler sostituire o rifare il suono.

ElevenLabs è lo strumento di riferimento per le voci, e a fine settembre 2026 ha rilasciato il modello v4, il più espressivo finora. Supporta più di 90 lingue, gestisce in modo affidabile risate, sussurri ed effetti sonori dentro le battute e permette di dirigere l'interpretazione con indicazioni scritte tra parentesi o con semplici frasi descrittive.

• Clonazione istantanea della voce partendo da circa dieci secondi di audio.
• Pronuncia controllabile per nomi propri e termini tecnici.
• Dialoghi in cui i personaggi reagiscono al contesto dell'intera scena.
• Testi lunghi con narratori e personaggi coerenti tra un segmento e l'altro.

In praticaDati aggiornati a ottobre 2026. Clona solo la tua voce o voci di persone che ti hanno dato il permesso esplicito.

Generare una battuta non basta: va diretta come si dirige un attore. Il primo percorso ci ha insegnato che le indicazioni migliori sono situazioni e intenzioni, non aggettivi. Lo stesso vale con le voci AI: scrivere sussurrato, trattenendo le lacrime, come se avesse paura di essere sentita funziona molto meglio di triste.

Lavora sulle pause, sui respiri, sulle esitazioni: sono loro a rendere credibile una battuta. Genera più versioni della stessa frase con indicazioni diverse e scegli quella più vera, esattamente come si sceglie una ripresa sul set. E fai attenzione al contesto: una battuta deve suonare diversa se arriva dopo una notizia terribile o dopo una battuta di spirito.

In praticaAscolta le battute in sequenza, come un dialogo completo, prima di scegliere. Una battuta perfetta da sola può essere sbagliata accanto alle altre.

Quando un personaggio parla in un'inquadratura ravvicinata, le labbra devono muoversi esattamente come le parole. È il punto in cui lo spettatore si accorge più facilmente se qualcosa non va. Con i modelli di ottobre 2026 ci sono due strade principali: generare il video insieme all'audio, oppure caricare la voce già pronta come riferimento audio perché il modello sincronizzi le labbra.

La seconda strada dà più controllo, perché la battuta è già quella che hai scelto e diretto. In entrambi i casi conviene preferire inquadrature in cui il volto è ben visibile e frontale o di tre quarti, e controllare la sincronizzazione con attenzione, soprattutto sulle consonanti più marcate come p, b e m.

In praticaPer le battute più lunghe valuta il campo e controcampo con la voce fuori campo su chi ascolta. È una tecnica classica che riduce il rischio e spesso rende la scena più intensa.

Suno è uno degli strumenti più usati per generare canzoni complete, con musica, voce e testo. La versione 6, uscita a settembre 2026, permette di modificare sezioni e testi con indicazioni a parole, di combinare più fonti nello stesso prompt e di creare brani fino a otto minuti con la funzione di estensione. Nei piani a pagamento si possono separare le tracce, per esempio voce e strumenti.

Come abbiamo visto nel capitolo sulla scrittura, il modo migliore di usarlo è dare indicazioni di genere, atmosfera, voce e tema, lasciando che sia il modello a proporre il testo. Le tracce separate sono preziose al montaggio: puoi abbassare la voce sotto un dialogo o usare solo la parte strumentale.

In praticaDati aggiornati a ottobre 2026. I diritti per l'uso commerciale valgono per i brani creati con i piani a pagamento: controlla sempre le condizioni prima di pubblicare.

Udio genera canzoni con voce e permette di estenderle, modificarle e rifarne delle parti. Attenzione però a un dettaglio importante: a ottobre 2026 non è possibile scaricare i file audio, video o le tracce separate, ma solo condividere i link sul sito. Per un film, dove la musica va montata, è un limite che va considerato prima di sceglierlo.

Google Flow Music è la piattaforma musicale di Google basata sul modello Lyria 3.5. Genera brani fino a circa tre minuti con voci in diverse lingue, permette di scaricare in vari formati e offre le tracce separate in tutti i piani. Ogni brano contiene una filigrana digitale invisibile che ne indica l'origine artificiale.

In praticaDati aggiornati a ottobre 2026: le funzioni e i limiti di questi servizi cambiano spesso, verifica sempre lo stato attuale prima di iniziare un progetto.

Prima di pubblicare un film, soprattutto se partecipa a un festival o viene monetizzato, controlla i diritti di tutto ciò che hai generato. Ogni servizio ha regole diverse: alcuni concedono l'uso commerciale solo con i piani a pagamento, altri escludono certi utilizzi come cinema o televisione, altri ancora non permettono di scaricare i file.

Per la musica fai particolare attenzione: è il campo in cui le questioni legali sono più aperte, con cause in corso tra case discografiche e alcuni servizi. Evita di chiedere brani nello stile di artisti specifici o che imitano canzoni esistenti, e conserva le prove di come hai creato ogni brano e con quale piano.

In praticaTieni nella scheda di produzione una riga per ogni brano e ogni voce usata: servizio, piano, data di creazione e condizioni d'uso. In caso di dubbi avrai tutto a portata di mano.

Passi sul legno bagnato, gabbiani, il motore di una barca, la pioggia sottile sul cappotto: sono i suoni che rendono vero il nostro porto. L'audio nativo dei modelli video li genera spesso in modo convincente, e strumenti dedicati agli effetti sonori permettono di crearli separatamente, uno per uno, quando serve più controllo.

Le regole sono quelle del capitolo sul suono del primo percorso: costruisci uno strato di ambiente continuo che tenga insieme le inquadrature, aggiungi gli effetti sincronizzati con le azioni e usa il silenzio nei momenti giusti. Un buon ambiente sonoro nasconde molti piccoli difetti delle immagini e fa sembrare continue clip generate in momenti diversi.

In praticaStendi lo stesso ambiente sonoro sotto tutta la scena, attraverso i tagli. È il trucco più semplice per far sembrare una sequenza di clip un'unica scena.