AnimazioneProvato da noi

Sincronizzare scene e voce in un video

Risposta breveNon scegliere prima la durata delle scene. Genera la voce di ogni scena, misura quanto dura e usa quel numero come durata della scena.

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

  1. Scrivi una frase per scena (vedi voce AI locale).
  2. Genera l’audio di ogni frase e misura i secondi. Aggiungi mezzo secondo di pausa in coda.
  3. Scrivi nel brief t0 e t1 di ogni scena: t0 è la somma delle durate precedenti, t1 = t0 + durata.
  4. Nel render, renderAt(t) cerca la scena con t0 <= t < t1 e disegna con il tempo locale t - t0.
  5. 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.

Guide correlate