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

I 5 strumenti per far parlare una foto antica, a confronto

Per confrontarli sul tuo caso, usa lo stesso materiale su ciascuno: qualche ritratto di famiglia di epoche diverse, in bianco e nero e a colori, e lo stesso file audio da 15 secondi per tutti. Prezzi indicativi: verificali sul sito di ogni strumento.

Strumento	Prova gratuita	Prezzo	Pensato per
D-ID Creative Reality	5 crediti	Da 5,90€/mese	Foto che parlano, avatar
HeyGen	1 min di prova	Da 29 USD/mese	Avatar e video di presentazione
ElevenLabs + D-ID	ElevenLabs gratuito	~6€/mese (D-ID)	Voce IA + animazione delle labbra
Edimakor HitPaw	Filigrana	Da 49 USD/anno	Editing video generalista
Filmora IA Parlante	Filigrana	Da 49,99€/anno	Editing video generalista

D-ID Creative Reality Studio è orientato alle foto che parlano: è stato progettato per le presentazioni aziendali con "avatar parlanti" e parte da una foto fissa. Su un ritratto ai sali d'argento, controlla la zona della bocca e la tenuta delle rughe e dei forti contrasti tipici delle foto del 1935-1955.

HeyGen è pensato soprattutto per avatar e video di presentazione, a partire da foto recenti con buona risoluzione. Sulle foto in bianco e nero precedenti al 1960, guarda la zona della bocca su certe sillabe: è lì che compaiono più facilmente gli artefatti.

Edimakor e Filmora sono software di editing video che hanno aggiunto una funzione "foto parlante" nel 2024-2025. Sono pensati per foto recenti in alta definizione, non per gli archivi di famiglia: su una foto antica in bianco e nero, verifica che le labbra generate restino credibili e dentro il viso.

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)

Su un insieme di foto di famiglia, aspettati quindi che una parte non sia adatta: troppo di profilo, troppo piccola o troppo danneggiata. L'animazione semplice (movimento naturale senza audio) è in genere meno esigente, perché non deve riprodurre forme labiali precise.

Una regola semplice: se il viso non è abbastanza nitido e frontale per la foto parlante, anima senza audio, per esempio con Incarn, lo strumento che sviluppiamo, 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.

Sulle foto in bianco e nero degli anni '30-'60, le versioni gratuite mostrano presto i loro limiti (quote, filigrane, risoluzione). Se è il tuo caso, valuta una versione a pagamento orientata alle foto che parlano, come D-ID (da 5,90€/mese).

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

Ecco un metodo semplice, con 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 può essere già convincente 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 (il nostro strumento) 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.

Per questo, sui ritratti molto antichi o di scarsa qualità, l'animazione semplice è spesso più indulgente della foto parlante, perché il modello non è costretto a riprodurre forme labiali precise.

La regola pratica: 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 pensato per i ritratti di famiglia, incluse le foto in bianco e nero degli anni '30-'70. 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.