Un video con un presentatore che parla in camera, senza attori, senza telecamera e senza giorni di montaggio: è quello che promette Synthesia, uno strumento che trasforma un testo scritto in un video con un avatar che lo legge a voce alta, in oltre 140 lingue. Non è un progetto sperimentale: lo usano reparti HR e formazione di aziende come Zoom, Heineken e Xerox per corsi interni, onboarding e materiali di compliance, proprio perché evita la parte più costosa della produzione video, cioè le riprese.
Questa guida spiega come funziona davvero, come si crea il primo video corso, quanto costa in euro e in quali casi conviene sceglierlo al posto di un video girato con attori reali o di uno strumento concorrente come HeyGen.
Cos’è Synthesia e a cosa serve davvero
Synthesia è una piattaforma online, fondata a Londra nel 2017, che genera video con un avatar digitale a partire da un testo. Si scrive lo script in una casella, si sceglie un avatar e una voce, e il sistema produce un video in cui l’avatar pronuncia quel testo con movimenti del viso e delle mani sincronizzati, senza bisogno di girare nulla con una telecamera vera.
Il caso d’uso principale non è l’intrattenimento, ma la formazione: corsi di onboarding per i nuovi assunti, moduli di compliance e sicurezza sul lavoro, aggiornamenti di prodotto per la rete vendita, guide interne che altrimenti resterebbero un documento PDF che nessuno legge fino in fondo. Un reparto HR che ogni anno deve rifare lo stesso corso sulla privacy per tutta l’azienda, cambiando solo qualche dato, è l’esempio concreto in cui questo tipo di strumento fa risparmiare settimane rispetto a un video girato.
Come funziona: dagli avatar al video finito
Il processo si basa su tre elementi. Il primo sono gli avatar: figure digitali realistiche, disponibili in diversi stili e abbigliamenti, che “recitano” il testo con gesti ed espressioni calibrati sul contenuto dello script, non semplicemente con la bocca che si muove sopra un’immagine fissa. Il piano gratuito ne mette a disposizione 9, quello Pro oltre 180, e sui piani a pagamento si possono anche creare avatar personalizzati, cioè un doppio digitale di una persona reale dell’azienda, utile per i corsi in cui conviene che a parlare sia sempre lo stesso volto noto ai dipendenti.
Il secondo elemento è la voce: le voci sono generate con la sintesi vocale e coprono più di 140 lingue, con un sincronismo labiale pensato per restare credibile anche quando il video viene tradotto in una lingua diversa da quella originale. Il terzo è l’assistente che trasforma materiale già esistente, come una presentazione PowerPoint o un PDF, in una bozza di script e di scene, così da non dover scrivere tutto da zero quando il contenuto di partenza esiste già.
Per chi deve aggiornare lo stesso corso più volte l’anno, l’elemento più utile è il controllo versione: si modifica solo la parte di testo cambiata, senza dover ricaricare l’intero video, e il resto della scena resta invariato.
I primi passi per creare il primo video corso
Il percorso tipico per un primo corso di onboarding o di formazione interna segue quattro passaggi. Si parte dallo script, scritto a mano oppure generato a partire da un documento già pronto caricato nella piattaforma. Si sceglie poi un avatar e una voce coerenti con il tono del corso: per un modulo di compliance normalmente conviene un registro più formale di quello usato per un video di benvenuto ai nuovi assunti.
Il terzo passaggio è l’impaginazione delle scene: si scelgono sfondo, posizione dell’avatar su schermo, eventuali slide o immagini da mostrare accanto a lui, e si applica il modello di marchio dell’azienda, cioè colori, font e logo coerenti con l’identità aziendale, così da non dover rifare questa parte a ogni nuovo video. L’ultimo passaggio è l’esportazione: il video può essere scaricato in mp4, incorporato in una pagina web, oppure esportato in formato SCORM, lo standard che permette di caricarlo direttamente dentro un sistema di gestione della formazione (LMS) tracciando chi lo ha visto e se ha superato il test finale collegato.
Quanto costa Synthesia: i piani in euro
Il listino ufficiale di Synthesia è in dollari; i valori in euro qui sotto sono una conversione indicativa al cambio corrente e possono variare leggermente nel tempo.
Il piano Basic è gratuito e include 10 minuti al mese di generazione video, 9 avatar e l’accesso a tutte le lingue disponibili, ma ogni video resta con il watermark di Synthesia, non si può scaricare e non si può rimuovere il logo: utile solo per fare una prova, non per un uso reale.
Il piano Starter costa 29 $ al mese, circa 25 €, e sblocca il download dei video, la rimozione del watermark e l’accesso a oltre 125 avatar, con un’allowance di circa 12 minuti di video aggiuntivi al mese oltre a quelli gratuiti. Il piano Pro, il più scelto da chi lo usa per lavoro, costa 89 $ al mese, circa 77 €, e porta l’allowance a circa 60 minuti di video al mese, oltre 180 avatar, 5 avatar personalizzati, video interattivi e supporto prioritario. Il piano Enterprise ha un prezzo personalizzato, concordato caso per caso, e aggiunge video illimitati, avatar personalizzati illimitati, accesso SSO per il login aziendale, collaborazione in tempo reale ed export SCORM per i sistemi di gestione della formazione: è il piano pensato per chi deve coprire la formazione di centinaia o migliaia di dipendenti.
Esiste anche un componente aggiuntivo dedicato, il Roleplay Training, pensato per simulazioni di conversazione con un avatar (ad esempio un colloquio di vendita o un confronto difficile con un cliente), che costa 29 $ al mese per ogni persona che lo usa, circa 25 €, al di sopra del piano scelto.
Synthesia per la formazione aziendale e i corsi online
Il punto in cui Synthesia convince davvero non è il video isolato, ma il corso che si ripete nel tempo e che deve restare aggiornato. Un’azienda che forma ogni trimestre nuovi agenti di vendita, o che deve certificare che tutto il personale ha seguito il modulo sulla sicurezza sul lavoro, usa lo stesso video più e più volte: con le riprese tradizionali, ogni piccola modifica normativa o di prodotto significa richiamare l’attore, riprenotare lo studio e rimontare tutto. Con un avatar generato dal testo, basta correggere la frase cambiata e rigenerare solo la parte interessata.
L’export in SCORM è il dettaglio che separa Synthesia da un semplice generatore di video: un corso esportato in questo formato entra dentro un sistema di gestione della formazione già in uso in azienda (i più diffusi in Italia sono Moodle, Docebo e TalentLMS) e il sistema registra automaticamente chi lo ha visto, per quanto tempo e se ha risposto correttamente alle domande di verifica collegate, un requisito che in settori come sanità, edilizia e trasporti è spesso richiesto dalla normativa sulla formazione obbligatoria.
Per chi lavora nella formazione scolastica o universitaria il discorso cambia: Synthesia nasce per la formazione aziendale e i suoi modelli di avatar restano più adatti a un contesto professionale che a una lezione rivolta a studenti, dove uno strumento come Gamma, pensato per presentazioni e materiali didattici, può risultare più naturale da usare insieme a un video introduttivo.
Un esempio concreto aiuta a capire la differenza di scala: un corso di dieci minuti girato con un piccolo studio esterno, in Italia, richiede tipicamente una giornata tra preparazione, ripresa e montaggio, con un costo che parte da alcune centinaia di euro e cresce rapidamente se servono più lingue. Lo stesso corso, generato come video con avatar e poi tradotto automaticamente in tre o quattro lingue per le sedi estere dell’azienda, resta dentro l’allowance mensile di un singolo piano a pagamento, e la traduzione in più lingue è compresa nello stesso processo, non un lavoro aggiuntivo da affidare a un doppiatore per ogni versione.
Dati aziendali e conformità: cosa sapere prima di caricare materiale riservato
Chi carica su Synthesia materiale interno, come slide con dati di prodotto non pubblici o script che citano procedure aziendali, deve considerare che il trattamento avviene sui sistemi di un’azienda con sede a Londra, nel Regno Unito. Synthesia pubblica un Trust Center separato con l’elenco aggiornato di certificazioni e opzioni di trattamento dati disponibili piano per piano: per un reparto HR o legale italiano che deve rispettare il GDPR, è quella la pagina da controllare prima di caricare contenuti davvero sensibili, piuttosto che dare per scontato che valgano le stesse regole di un fornitore con server in Unione Europea.
I limiti da conoscere prima di iniziare
Il primo limite è l’italiano parlato dagli avatar: la sintesi vocale è buona ma resta riconoscibile come voce generata, soprattutto su termini tecnici o nomi propri poco comuni, ed è buona norma ascoltare sempre l’intero video prima di pubblicarlo, non fidarsi dell’anteprima rapida. Il secondo limite è il costo per chi deve produrre molti minuti di video: l’allowance mensile si esaurisce in fretta se il corso è lungo, e superarla significa acquistare crediti aggiuntivi o passare al piano superiore.
Il terzo limite riguarda la personalizzazione visiva: gli avatar restano all’interno di un catalogo definito da Synthesia, e anche l’avatar personalizzato richiede l’invio di un video di registrazione della persona reale e un tempo di elaborazione, quindi non è un’opzione pronta all’istante per un video urgente. Chi ha bisogno di un volto aziendale riconoscibile da subito, senza questo passaggio preliminare, trova talvolta più immediato un concorrente diretto come HeyGen, che offre un flusso simile con un catalogo di avatar proprio.
Quando conviene (e quando no)
Conviene a un’azienda che deve produrre più corsi di formazione interna nel corso dell’anno, che li aggiorna spesso e che oggi si affida a un documento scritto o a una call registrata male: il salto di qualità percepito da chi guarda un video con un avatar che parla, rispetto a uno slide con audio di sottofondo, è reale, e il risparmio di tempo rispetto a una produzione video tradizionale si vede già dal secondo o terzo corso realizzato.
Non conviene invece a chi ha bisogno di un solo video all’anno, perché in quel caso il costo di un piano mensile supera facilmente quello di affidarsi una tantum a un freelance per un video girato con una persona reale. E non è lo strumento giusto per chi cerca un video emotivamente coinvolgente, pensato per una campagna di marketing o per raccontare una storia: lì la rigidità dell’avatar si sente, e altri strumenti pensati per il video generativo, come quelli messi a confronto in questo confronto tra Sora, Veo, Runway e Kling, restano la scelta più adatta.
Resta un fatto misurabile più di ogni opinione: il tempo che un’azienda impiega oggi per aggiornare un corso di formazione dopo una modifica normativa, da settimane a poche ore di lavoro su un testo.
