Il 28 settembre ElevenLabs ha lanciato Eleven v4, il nuovo modello vocale che, secondo l’azienda, clona una voce a partire da dieci secondi di registrazione e parla oltre novanta lingue. Sono dati dichiarati dal produttore, ma indicano una direzione precisa: riprodurre una voce credibile richiede sempre meno tempo e sempre meno competenze. Sul fronte opposto ci sono le regole. Dal 2 agosto 2026 l’articolo 50 dell’AI Act obbliga in Europa chi pubblica un deepfake a dichiararlo. In Italia l’articolo 612-quater del codice penale prevede da uno a cinque anni di reclusione per chi diffonde senza consenso immagini, video o voci falsificati con l’intelligenza artificiale, quando ne deriva un danno ingiusto.
Chi cerca oggi un avatar AI, cioè un volto e una voce digitali che parlano al posto suo nei video, si muove dunque in un mercato tecnicamente maturo e più regolato di dodici mesi fa. Questa guida mette in ordine gli strumenti: quelli davvero gratuiti, quelli freemium con limiti e filigrana, quelli a pagamento, più il percorso in locale per chi ha un computer con una scheda video abbastanza potente. I prezzi sono quelli riportati a settembre 2026 da listini e rassegne, in dollari e arrotondati; cambiano spesso, quindi vanno verificati sul sito del fornitore prima di abbonarsi.
Indice dei contenuti
Cercare “avatar AI gratis” significa mettere sotto lo stesso nome tre prodotti diversi. Il primo è l’avatar immagine, un ritratto stilizzato per profili social, chat e community. Il secondo è l’avatar 3D, un personaggio modellabile che serve nei giochi, nella realtà virtuale e nello streaming. Il terzo è l’avatar parlante, un volto che muove le labbra su un testo o su un audio e diventa il presentatore di un video; a quest’ultimo si affianca, come componente separata, la voce clonata. Ciascuna famiglia ha la sua geografia del gratis. Nell’immagine e nel 3D esistono strumenti che restano gratuiti senza scadenza, come VRoid Studio. Nel video parlante il gratis è quasi sempre una prova: pochi minuti al mese, risoluzione ridotta e una filigrana che rende il file poco spendibile con un cliente. Sul proprio PC il gratis è autentico, perché i modelli open source non hanno canone, ma il prezzo si sposta sull’hardware e sul tempo di calcolo.
| Strumento | A cosa serve | Formula | Limiti e prezzi (da circa) |
|---|---|---|---|
| VRoid Studio | avatar 3D in stile anime | Gratis | nessun canone |
| MetaHuman | personaggi 3D realistici | Gratis | funziona dentro Unreal Engine |
| MetaPerson | avatar 3D da selfie | Freemium | avvio gratuito; piani per sviluppatori |
| Canva, Fotor, Picsart | avatar 2D da foto | Freemium | base gratuita, extra a pagamento |
| Lensa | ritratti stilizzati | A pagamento | crediti o abbonamento |
| HeyGen | avatar parlante, gemello digitale | Freemium | gratis: 3 video al mese da 1 minuto, filigrana; Creator 29 $/mese |
| Synthesia | avatar parlante aziendale | Freemium | piano gratuito limitato; Starter 18-29 $, Creator 64-89 $ |
| Vidnoz | avatar parlante | Freemium | circa 3 minuti al giorno, 720p, filigrana; Starter 15-27 $ |
| Colossyan | avatar per la formazione | Freemium | 3 minuti totali gratis; Starter circa 19 $ |
| Hedra | foto che parla | Freemium | crediti mensili con filigrana; da circa 15 $ |
| D-ID | foto che parla | A pagamento con prova | da circa 5-6 $ |
| ElevenLabs | voce e clonazione | Freemium | gratis circa 10 minuti al mese, senza clonazione né uso commerciale; clonazione istantanea da 5-6 $, professionale da 22 $ |
| Chatterbox, InfiniteTalk, Wan2GP | voce e video in locale | Gratis | serve una scheda video; controllare le licenze |
Se serve un’immagine e non un video, la scelta cade sui generatori che partono da un selfie e lo rielaborano in stili diversi. Canva (canva.com) integra un creatore di avatar 2D nell’editor e ha un livello gratuito con gli strumenti di base; le rassegne ne segnalano il limite, che sta nel restare sul 2D senza inseguire il realismo. Fotor (fotor.com) trasforma i selfie in ritratti anime, cartone o digitali, con una versione gratuita e funzioni avanzate a pagamento. Picsart (picsart.com) offre sul mobile stili artistici, professionali e da supereroe, con un piano gratuito e una prova a pagamento. Lensa (prisma-ai.com/lensa) è l’app che con i Magic Avatars, alla fine del 2022, portò questa categoria al grande pubblico: da dieci a venti selfie ricava decine di ritratti stilizzati, ma la funzione richiede l’acquisto di crediti o un abbonamento.
Per una foto profilo professionale conviene scegliere stili sobri e leggere l’informativa sulle immagini caricate: al lancio dei Magic Avatars la stampa specializzata sollevò dubbi sui diritti concessi alla società sui selfie, e un volto resta un dato personale. Il consiglio pratico è partire dal gratuito con foto nitide, frontali e con luce uniforme, perché la qualità dell’input pesa più del generatore scelto.
Nel 3D la novità dell’anno è un’assenza. Ready Player Me, per anni il riferimento degli avatar interoperabili per giochi e mondi virtuali, ha chiuso la piattaforma pubblica il 31 gennaio 2026, dopo l’acquisizione da parte di Netflix annunciata a dicembre 2025. Anche Union Avatars, altra piattaforma da selfie a 3D, risulta offline da luglio. La chiusura è riportata da più fonti di settore, alcune delle quali vendono alternative e hanno quindi un interesse commerciale; molte guide ancora in circolazione elencano comunque Ready Player Me tra le soluzioni consigliate. Chi aveva esportato il file GLB del proprio avatar può continuare a usarlo in qualsiasi motore o visualizzatore.
Le strade gratuite oggi sono tre. VRoid Studio (vroid.com) è un creatore di personaggi 3D senza canone, pensato per avatar in stile anime e per chi non sa modellare. MetaHuman (metahuman.com) produce personaggi realistici ma vive dentro Unreal Engine, quindi richiede un PC all’altezza. MetaPerson di Avatar SDK (metaperson.avatarsdk.com) trasforma un selfie in un avatar 3D esportabile in formato GLB e ha un avvio gratuito per i privati.
È il territorio dove si concentra la domanda: dare la parola a un’immagine, o a una versione digitale di sé. Il processo ha due componenti, il volto che si muove e la voce, e le piattaforme si dividono tra chi le vende insieme e chi si specializza in una sola.
HeyGen (heygen.com) ha un piano gratuito permanente: tre video al mese da un minuto ciascuno, con filigrana, più di cinquecento avatar predefiniti, un gemello digitale personalizzato e oltre trenta lingue. Il piano Creator costa 29 dollari al mese (24 con fatturazione annuale) e comprende 600 crediti; poiché gli avatar di ultima generazione consumano 20 crediti al minuto, il budget corrisponde a circa trenta minuti di video di alta qualità, non a una produzione illimitata. Il piano Pro parte da 49 dollari e porta l’esportazione in 4K.
Synthesia (synthesia.io) è la piattaforma più usata per formazione e comunicazione interna. Ha un piano gratuito con pochi minuti di video e avatar limitati, Starter a 18-29 dollari e Creator a 64-89 dollari, a seconda che si paghi annualmente o mese per mese. Le fonti divergono sul piano che include l’avatar personale, quindi conviene chiarirlo con il fornitore prima di acquistare. L’Enterprise aggiunge single sign-on, avatar personali illimitati ed esportazione per i sistemi di e-learning.
Hedra (hedra.com) anima con il modello Character-3 una qualsiasi immagine, che sia una fotografia, un disegno o una mascotte, e la fa parlare con un audio o un testo. Il piano gratuito dà crediti mensili con filigrana: le fonti indicano cifre tra 100 e 400, e con un consumo stimato di circa sei crediti al secondo si va da una ventina di secondi a poco più di un minuto di video. Il gratis è quindi un assaggio; per togliere la filigrana e ottenere i diritti commerciali si parte da circa 15 dollari al mese.
D-ID (d-id.com) punta sulla foto parlante a basso costo, da circa 5-6 dollari al mese, con una prova gratuita invece di un piano permanente. Vidnoz (vidnoz.com) ha il piano gratuito più generoso della categoria, circa tre minuti di video al giorno a 720p con filigrana, e un Starter tra 15 e 27 dollari. Colossyan (colossyan.com) è tarato sulla formazione, con scene a più avatar e quiz interattivi; concede tre minuti totali gratuiti e uno Starter intorno ai 19 dollari con fatturazione annuale.
Per la voce il nome di riferimento è ElevenLabs (elevenlabs.io). Il piano gratuito offre 10.000 crediti al mese, circa dieci minuti di sintesi, ma senza licenza commerciale e senza clonazione. La clonazione istantanea parte dal piano Starter, tra 5 e 6 dollari al mese, mentre quella professionale richiede il piano Creator da 22 dollari. Con Eleven v4, secondo il lancio del 28 settembre, l’audio di partenza si riduce a dieci secondi e le lingue salgono a più di novanta; la piattaforma si collega anche a HeyGen, per abbinare una voce clonata a un avatar video.
Clonare se stessi richiede, in ordine, un video di riferimento, una voce e un copione. HeyGen e Synthesia vendono il risultato come gemello digitale o avatar personale: si registra un video con la webcam o con una camera migliore, e la piattaforma costruisce il modello. In una prova pubblicata nel 2024 da Elixirr Digital, trenta secondi di webcam sono bastati a ottenere un avatar istantaneo; l’autore giudicava la voce clonata riconoscibile ma piatta in alcuni passaggi. I modelli sono migliorati da allora, ma il consiglio resta valido: luce frontale, sfondo pulito e un microfono decente pesano più della piattaforma scelta.
VEED (veed.io) nasce come editor video nel browser, con sottotitoli automatici, timeline e strumenti di montaggio. Gli avatar sono arrivati dopo, come uno strumento tra gli altri: si sceglie un presentatore digitale, si incolla il copione e la piattaforma produce il video con la sincronia labiale. Una recensione dedicata giudica la resa vicina ma non perfetta e la consiglia per post su LinkedIn, aggiornamenti interni e spiegazioni rapide, non per i contenuti in cui è in gioco l’immagine del marchio; un confronto con HeyGen assegna a quest’ultimo la palma del realismo e della precisione labiale. Per chi parte da una foto propria o da un personaggio, VEED offre anche Fabric 1.0, il modello che anima qualsiasi immagine con un audio a scelta. Il listino per gli sviluppatori, riportato dalla stessa VEED, è di 0,08 dollari al secondo a 480p e 0,15 a 720p, per clip fino a cinque minuti; è una fonte interessata, quindi conviene confrontarla con una prova pratica. Il piano gratuito esporta a 720p con filigrana e con un limite di circa dieci minuti; Lite costa tra 9 e 12 dollari al mese con pagamento annuale, Pro tra 24 e 29 dollari, e con pagamento mensile le cifre salgono fino a 19-24 dollari per Lite e 49-55 per Pro. Anche l’accesso agli avatar varia a seconda di chi scrive: la pagina di VEED parla di avatar predefiniti gratuiti da provare, mentre alcune recensioni li collocano nel solo piano Pro, con circa cinque minuti al mese di video con avatar. Secondo le rassegne consultate manca inoltre una vera clonazione vocale, quindi per una voce propria conviene abbinare ElevenLabs.
La scelta ha una logica di flusso di lavoro: VEED ha senso quando il video parlante è solo una parte di un montaggio più ampio, con sottotitoli, doppiaggio, correzione dello sguardo e identità visiva del marchio nello stesso strumento.
Quando l’avatar deve muoversi in un motore di gioco o in una diretta, il formato conta più dell’aspetto. Avaturn (avaturn.me) trasforma un selfie in un avatar 3D dall’aspetto più stilizzato e offre SDK per gli sviluppatori; il piano professionale citato dalle rassegne, con mille avatar, costa 800 dollari al mese, quindi non è un prodotto per privati. Reallusion Character Creator (reallusion.com) è un programma desktop pensato per produzioni cinematografiche e videoludiche, con un controllo manuale molto più profondo. MakeHuman (makehumancommunity.org) è open source e costruisce esseri umani parametrici, ma non parte da un selfie.
Il formato d’uscita decide la compatibilità: GLB per il web e per i motori di gioco, FBX per i software di animazione, VRM per gli avatar in stile anime usati nello streaming. Prima di scegliere il servizio conviene verificare quale formato serve al programma che lo userà.
Lavorare sul proprio PC elimina filigrana e costo al minuto, e tiene voce e volto sulla propria macchina, un vantaggio non piccolo quando si clona una persona. In cambio servono installazione, pazienza e attenzione alle licenze.
Per la voce i requisiti sono contenuti: secondo le schede dei progetti, Qwen3-TTS lavora con 4-8 GB di memoria video e F5-TTS con circa 4 GB, mentre Kokoro gira anche sulla CPU ma non clona. Per il volto la storia cambia. Il progetto Wan2GP, che raccoglie i modelli video open source in un’unica interfaccia, dichiara requisiti che partono da 6 GB di memoria video per InfiniteTalk. In un test pubblicato su una RTX 4070 da 8 GB, ogni clip da nove secondi ha richiesto oltre dieci minuti di calcolo, più altri dieci minuti per la sincronia labiale. Estrapolando in modo lineare, un minuto di video vuol dire più di un’ora di lavoro su quella scheda; è una stima nostra, non un dato dei progetti. Con 16-24 GB di memoria video, i flussi che combinano Wan 2.2 Animate e InfiniteTalk in formato FP8 diventano più comodi. Il codice ufficiale di Wan2.2-S2V, non ottimizzato, chiede una GPU da 80 GB. I pesi dei modelli occupano inoltre decine di gigabyte, quindi serve un SSD capiente. Chi non ha una scheda adatta può ripiegare su un notebook Colab per InfiniteTalk con GPU T4, lento ma gratuito.
Chatterbox (github.com/resemble-ai/chatterbox) è il punto di partenza più semplice: licenza MIT, 23 lingue tra cui l’italiano, clonazione da pochi secondi di audio pulito. Qwen3-TTS ha licenza Apache 2.0 e clona da circa tre secondi, secondo le schede pubblicate. La licenza è il punto da guardare: F5-TTS (github.com/SWivid/F5-TTS) ha il codice sotto MIT ma i pesi sotto CC BY-NC, che vieta l’uso commerciale, secondo la scheda di OpenVox. Vale la stessa cautela per ogni modello, video compresi, prima di usare il risultato per un cliente.
InfiniteTalk (github.com/MeiGen-AI/InfiniteTalk) genera video parlanti di durata illimitata da un’immagine e un audio, oppure sincronizza le labbra su un video esistente, e ha un flusso di lavoro per ComfyUI (comfy.org). Wan2GP (github.com/deepbeepmeep/Wan2GP) lo include insieme a Wan, HunyuanVideo e LTX, scarica i modelli al primo avvio e permette di scegliere profili di memoria per le schede meno dotate. Un’alternativa più leggera e più datata è SadTalker (github.com/OpenTalker/SadTalker), open source e gratuito, con una resa meno naturale.
Il punto di partenza è il consenso: si clona la propria voce e il proprio volto, oppure quelli di una persona che ha dato un’autorizzazione esplicita e documentabile. Il resto entra in un terreno che la legge italiana ha reso penalmente rilevante. L’articolo 612-quater, introdotto dalla legge 132/2025 e in vigore dal 10 ottobre 2025, punisce con la reclusione da uno a cinque anni chi cagiona un danno ingiusto diffondendo senza consenso immagini, video o voci falsificati con sistemi di IA e idonei a ingannare sulla loro genuinità; il reato è punibile a querela, salvo i casi in cui si procede d’ufficio.
Sul piano europeo l’articolo 50 dell’AI Act distingue due ruoli. Ai fornitori dei sistemi generativi spetta la marcatura leggibile dalle macchine dei contenuti sintetici; a chi li usa, i deployer, spetta l’etichettatura visibile dei deepfake, che le linee guida della Commissione definiscono come immagini, audio o video generati o manipolati con l’AI che somigliano in modo apprezzabile a persone, luoghi o eventi esistenti e possono apparire falsamente autentici. Il Digital Omnibus, in vigore dal 27 luglio, ha spostato le scadenze sull’alto rischio ma non l’articolo 50, come ha ricostruito Digitalic in AI Act, cosa è scattato davvero dal 2 agosto. Per i fornitori con sistemi già sul mercato prima del 2 agosto, secondo una ricostruzione di dirittoaldigitale.com, la marcatura ha un termine esteso al 2 dicembre 2026. Il calendario completo era stato anticipato nel pezzo AI Act, conto alla rovescia.
In pratica, un gemello digitale che presenta un contenuto come se fosse stato girato davanti a una telecamera è il caso in cui la dichiarazione serve di più. Un presentatore evidentemente sintetico in un video formativo pone meno dubbi, ma la prudenza suggerisce un’etichetta chiara in entrambi i casi. È una lettura editoriale, non un parere legale: per un uso commerciale conviene una verifica con il proprio consulente.
Il rovescio della medaglia è la truffa. La voce clonata è già uno strumento di social engineering contro le aziende, e la difesa più solida resta interrompere la comunicazione e richiamare la persona su un canale già noto. Digitalic ha inquadrato lo scenario nella guida completa alla cybersecurity e in Cybersecurity PMI: l’AI pretende MSP e difesa continua; il phishing potenziato dall’intelligenza artificiale è anche il contesto di CollaboraSec, la proposta di Computer Gross e Cisco per le PMI.
Qual è il miglior generatore di avatar AI gratis?
Dipende dal prodotto. Per il 3D, VRoid Studio non ha limiti. Per il video parlante, Vidnoz concede più minuti gratuiti, mentre HeyGen permette di provare un gemello digitale con tre video al mese. Per ottenere risultati senza filigrana né limiti servono i modelli in locale.
Si può clonare la propria voce gratis?
Non sul piano gratuito di ElevenLabs, che esclude la clonazione. Si può fare in locale con Chatterbox o con altri modelli open source, a patto di avere una scheda video adeguata e di controllare la licenza.
Serve dichiarare che un video è stato fatto con un avatar AI?
Per i deepfake l’articolo 50 dell’AI Act lo richiede dal 2 agosto 2026; per i presentatori palesemente sintetici il quadro è meno netto, ma l’etichetta resta la scelta prudente.
Che scheda video serve per un avatar parlante in locale?
Si parte da circa 6-8 GB di memoria video, con tempi lunghi; 16-24 GB rendono il lavoro praticabile.
Quando volto e voce si replicano per pochi euro al mese, o per nulla su un PC di casa, a diventare scarsa è la prova di provenienza: sapere chi ha generato cosa, e con quale consenso. La marcatura leggibile dalle macchine che l’AI Act impone ai fornitori e le etichette visibili dei deployer sono un primo tentativo di rimettere in circolo quella prova. Resta da vedere se piattaforme, autorità e tribunali riusciranno a farla valere alla velocità con cui si muovono i modelli, mentre chi pubblica oggi un video con il proprio avatar sta già decidendo quale fiducia lasciare a chi lo guarda.
La quarta edizione di Rome Future Week ha attraversato la Capitale dal 21 al 27…
Durante la visita di Xi Jinping a Washington, Stati Uniti e Cina discutono un sistema…
Festival del Podcasting 2026: il 2 e 3 ottobre a Milano, Cascina Triulza, dieci anni…
Shadow AI e igiene informatica nelle PMI: il report WatchGuard 2026 su 684 dipendenti rivela…
Paola Pisano e Deeplomacy, l'AI di Torino che prevede i conflitti e riporta al centro…
Foresta degli Innovatori 2026: sul Monte Panarotta VAIA (con la sua comunità) pianta mille alberi,…
Via Italia 50, 20900 Monza (MB) - C.F. e Partita IVA: 03339380135
Reg. Trib. Milano n. 409 del 21/7/2011 - ROC n. 21424 del 3/8/2011