Far parlare una foto antica: 5 strumenti IA testati (2026)

La foto del mio bisnonno misura 9 × 12 cm, formato cartolina, stampa ai sali d'argento degli anni '30. Indossa un colletto rigido e guarda l'obiettivo con quella serietà che i fotografi dell'epoca imponevano ai loro clienti. Volevo farlo dire qualcosa.

Non un deepfake. Solo sentire — o immaginare di sentire — quello che quella voce avrebbe potuto dire. Ciao, forse. O niente. Solo vedere quelle labbra muoversi.

Così ho trascorso cinque settimane a testare strumenti di animazione labiale su foto di famiglia degli anni '20 al 1975.

Cosa possono (e non possono) fare gli strumenti IA con le tue foto antiche

Una "foto parlante" (talking photo) è un breve video in cui una foto fissa viene animata sincronizzando le labbra con un file audio. Il risultato: la persona nella foto sembra pronunciare un testo, una frase, un discorso.

La tecnologia si basa su due componenti: un modello di generazione video che anima il viso, e un sistema di lip sync (sincronizzazione labiale) che allinea il movimento delle labbra con la forma fonetica dell'audio. Nel 2026, diversi strumenti combinano entrambi in un'unica pipeline.

Quello che questi strumenti non fanno: correggere i difetti di una foto. Se la foto è sfocata, il video sarà sfocato. Se il viso è di profilo, la sincronizzazione labiale sarà scarsa. Se la foto ha graffi che attraversano il viso, si animeranno con i graffi.

Il restauro della foto è quindi un passaggio preliminare non negoziabile. Non opzionale. Preliminare.

I 5 strumenti testati per far parlare una foto antica

Ho testato ogni strumento sullo stesso corpus: 12 ritratti da foto di famiglia (1920-1975), in bianco e nero e a colori, qualità variabile. Lo stesso file audio da 15 secondi per tutti.

Strumento	Prova gratuita	Prezzo	Qualità B&N	Naturalismo	Consigliato
D-ID Creative Reality	5 crediti	Da 5,90€/mese	Buono	Eccellente	✓ Sì
HeyGen	1 min di prova	Da 29 USD/mese	Medio	Buono	Parziale
ElevenLabs + D-ID	ElevenLabs gratuito	~6€/mese (D-ID)	Buono	Eccellente	✓ Sì (combo)
Edimakor HitPaw	Filigrana	Da 49 USD/anno	Basso	Basso su B&N	No
Filmora IA Parlante	Filigrana	Da 49,99€/anno	Basso	Basso	No

D-ID Creative Reality Studio è lo strumento più adatto ai ritratti antichi. È stato progettato per le presentazioni aziendali con "avatar parlanti", ma il suo algoritmo gestisce correttamente le fotografie ai sali d'argento. Le labbra non si deformano in modo anomalo. Le rughe e i forti contrasti delle foto del 1935-1955 non disturbano la generazione.

HeyGen dà buoni risultati su foto recenti con buona risoluzione. Sulle foto in bianco e nero precedenti al 1960, gli artefatti sono visibili: la zona della bocca si pixela leggermente in certe sillabe. Utilizzabile, ma non ottimale.

Edimakor e Filmora sono software di editing video che hanno aggiunto una funzione "foto parlante" nel 2024-2025. Su foto recenti in alta definizione, i risultati sono corretti. Su foto antiche in bianco e nero, le labbra generate sono artificiali ed escono visibilmente dal viso. Questi strumenti non sono progettati per gli archivi di famiglia.

Che tipo di foto ottiene i migliori risultati?

La sincronizzazione labiale funziona in uno spettro molto stretto. Cosa funziona bene:

• Ritratto frontale o leggermente di tre quarti (meno di 30° di lato)
• Risoluzione minima di 600 × 800 pixel dopo scansione o restauro
• Viso che occupa almeno il 40% della superficie dell'immagine
• Illuminazione omogenea senza ombre dure che attraversano la bocca

Cosa fallisce sistematicamente:

• Profilo puro (meno del 50% del viso visibile)
• Foto di gruppo dove ogni viso misura meno di 2 cm sull'originale
• Foto molto deteriorata con graffi o macchie sulla zona della bocca
• Sfocatura sul viso, anche lieve (la generazione accentua la sfocatura)

Dal mio corpus di 12 ritratti, 7 hanno dato risultati utilizzabili. 5 erano troppo di profilo, troppo piccoli o troppo danneggiati. È un rapporto accettabile ma inferiore a quello che si ottiene con l'animazione semplice (movimento naturale senza audio), che tollera foto di qualità inferiore.

La regola che ho seguito: se il viso non è abbastanza nitido e frontale per la foto parlante, animo senza audio con Incarn — i risultati sui ritratti antichi sono migliori, a 1,99€ per foto.

Far parlare una foto gratuitamente: cosa esiste nel 2026

La domanda che tutti fanno per prima. La risposta onesta: gratuito con limiti reali.

D-ID offre 5 crediti di prova alla registrazione, senza carta di credito. Ogni credito corrisponde a un video di massimo 15 secondi. È sufficiente per testare seriamente su 5 foto diverse.

HeyGen dà 1 minuto di generazione gratuita. Più che sufficiente per una prova, ma la quota si esaurisce rapidamente se si vuole confrontare più foto.

ElevenLabs (per la voce) offre un piano gratuito con 10.000 caratteri di sintesi vocale al mese, sufficienti per generare frasi brevi. Combinato con i 5 crediti gratuiti di D-ID, puoi creare fino a 5 foto parlanti senza spendere un euro.

Cosa il gratuito non fa: strumenti come Edimakor o Filmora in versione di prova aggiungono una filigrana visibile sull'intero video. Inutilizzabile per condividere in famiglia o sui social network.

Nessuno strumento gratuito dà buoni risultati sulle foto in bianco e nero degli anni '30-'60. Richiedono più potenza di calcolo e i modelli gratuiti sono limitati. Se è il tuo caso, D-ID nella versione a pagamento (5,90€/mese) rimane l'unica opzione seria.

Tutorial: far parlare una vecchia foto di famiglia in 6 passi

Ecco il metodo che ho adottato dopo i miei test — la combinazione ElevenLabs + D-ID.

Passo 1 — Preparare la foto. La foto deve essere scansionata ad alta risoluzione (minimo 1200 DPI per uno scanner piano, o l'equivalente con smartphone in luce naturale). Restaura i graffi e le macchie con Remini o Adobe Photoshop Express prima di continuare. Una foto deteriorata darà un video deteriorato.

Passo 2 — Creare la voce su ElevenLabs. Vai su elevenlabs.io. Seleziona una voce dalla libreria (scegli per età, genere, lingua). Digita il testo che vuoi far dire alla persona. Esporta in MP3 o WAV.

Passo 3 — Importare su D-ID. Su studio.d-id.com, crea un "presentatore" e importa la tua foto come avatar. Importa il file audio di ElevenLabs. Avvia la generazione.

Passo 4 — Verificare la sincronizzazione labiale. Il video generato dura quanto l'audio. Guarda attentamente la zona della bocca. Sulle buone foto frontali, la sincronia è naturale alla prima generazione. Sulle foto di profilo parziale, potrebbe essere necessario regolare l'angolo di ritaglio.

Passo 5 — Scaricare in MP4. D-ID esporta direttamente in MP4. La qualità è sufficiente per WhatsApp, Instagram o per l'integrazione in una presentazione funebre o in un album di famiglia digitale.

Passo 6 — Conservare l'originale. Non sovrascrivere mai la foto originale scansionata. Il video generato è una creazione derivata, non un sostituto.

È legale far parlare la foto di un parente deceduto?

La domanda sorge, e merita una risposta chiara.

Nella maggior parte dei paesi, i diritti d'immagine delle persone decedute appartengono ai loro eredi per un determinato periodo dopo il decesso. Per un uso strettamente privato e familiare — condividere il video con i propri figli, proiettarlo a una riunione di famiglia, usarlo in un omaggio commemorativo — il rischio legale è praticamente nullo.

Cosa è chiaramente vietato: usare una foto parlante per far dire a una persona deceduta dichiarazioni commerciali, politiche, o qualsiasi contenuto che avrebbe probabilmente rifiutato in vita.

Per le foto di persone viventi, è richiesto il consenso esplicito prima di qualsiasi utilizzo. Una foto parlante non consentita di una persona vivente costituisce una violazione del diritto all'immagine, indipendentemente dallo strumento utilizzato.

Per un omaggio familiare privato di un antenato deceduto da diversi decenni: usa questi strumenti senza preoccupazioni legali, con il solo limite del buon gusto.

Quando l'animazione silenziosa è sufficiente (e perché è diversa)

Far parlare una foto e animare una foto sono due cose distinte.

L'animazione standard — quella che si ottiene con strumenti come Incarn o Runway — crea un movimento naturale del viso: battiti di palpebre, leggera rotazione della testa, respirazione simulata. Nessun audio richiesto. La foto prende vita senza pronunciare parole.

L'animazione con sincronizzazione labiale aggiunge un livello di complessità: costringe il movimento a coincidere con fonemi precisi, il che impone requisiti rigorosi sulla qualità e l'angolazione della foto.

Risultato: sui ritratti molto antichi o di scarsa qualità, l'animazione semplice spesso dà risultati migliori della foto parlante, perché il modello non è costretto a riprodurre forme labiali precise.

La regola pratica che ho adottato: se la foto è frontale, nitida e di buona risoluzione, prova la foto parlante. Se la foto è di profilo, piccola o deteriorata, l'animazione semplice è più affidabile. Incarn è ottimizzato per i ritratti di famiglia, incluse le foto in bianco e nero degli anni '30-'70 — dove gli strumenti generalisti falliscono. Prima animazione gratuita alla registrazione, 1,99€ per foto dopo.

I due approcci si completano a vicenda. La foto parlante per il discorso e l'emozione. L'animazione silenziosa per la presenza e il ricordo.