# Sincronizzare scene e voce in un video

> Come far durare ogni scena quanto la sua frase parlata: la voce decide i tempi, le scene si adattano. Con un esempio di sottotitoli parola per parola.

Status: testato · Updated: 2026-11-20

**TL;DR:** Non 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](/it/guide/voce-ai-locale-per-video)).
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.

```json
{ "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 }
] }
```

```js
// 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
```

```bash
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`.

```js
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](/it/guide/video-con-pupazzetti-senza-gameplay).

## FAQ

### 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.
