Un video di spiegazione si rovina quando l’immagine cambia prima o dopo la frase. Il modo più semplice per evitarlo è invertire l’ordine: prima la voce, poi le scene.
I passi
- Scrivi una frase per scena (vedi voce AI locale).
- Genera l’audio di ogni frase e misura i secondi. Aggiungi mezzo secondo di pausa in coda.
- Scrivi nel brief
t0et1di ogni scena:t0è la somma delle durate precedenti,t1 = t0 + durata. - Nel render,
renderAt(t)cerca la scena cont0 <= t < t1e disegna con il tempo localet - t0. - Unisci l’audio al video con ffmpeg.
{ "scenes": [
{ "id": "titolo", "text": "Hai rubato un'auto e ti cerca la polizia? Calma.", "t0": 0.0, "t1": 3.9 },
{ "id": "cambia", "text": "Cambia macchina e vestiti.", "t0": 3.9, "t1": 6.7 }
] }
// dentro renderAt(t)
const s = brief.scenes.find((x) => t >= x.t0 && t < x.t1) || brief.scenes.at(-1);
drawScene(s.id, t - s.t0, s.t1 - s.t0); // tempo locale e durata della scena
ffmpeg -y -i out.mp4 -i voce.wav -c:v copy -c:a aac -shortest final.mp4
Sottotitoli parola per parola
Dentro la scena hai il tempo locale u e la durata d. Dividi la frase in parole e dai a ognuna una fetta di d in proporzione alle sue lettere. La parola da evidenziare è quella la cui fetta contiene u.
function activeWord(words, u, d) {
const total = words.reduce((n, w) => n + w.length + 1, 0);
let acc = 0;
for (let i = 0; i < words.length; i++) {
acc += (words[i].length + 1) / total * d;
if (u < acc) return i;
}
return words.length - 1;
}
Non è sincronizzato alla sillaba, ma a 24 fotogrammi al secondo l’occhio lo accetta. Se ti serve precisione vera, esistono strumenti di allineamento che danno il tempo di ogni parola; per i video brevi non conviene.
Controllo finale
Guarda tre istanti del video fermi (inizio, metà, fine di una scena lunga): il testo non deve coprire facce o oggetti importanti. Poi controlla che durata audio e video coincidano con ffprobe.
Vedi anche video con pupazzetti, senza gameplay.
Domande frequenti
Perché la voce deve guidare i tempi?
Perché se fissi le scene a 5 secondi e la frase ne dura 7, la voce viene tagliata o resta indietro. Se è la voce a decidere, scena e parlato finiscono insieme.
Come si fanno i sottotitoli parola per parola?
Dividi la frase in parole e distribuisci i secondi della scena in proporzione al numero di lettere di ogni parola. Non è preciso al millesimo, ma all'occhio basta.