Da podcast a video: come trasformare due persone che parlano in qualcosa che valga la pena guardare
La maggior parte dei podcast è fatta per l’orecchio. Punta una telecamera su uno di questi e ottieni due volti immobili per quaranta minuti: facile da ascoltare, difficile da guardare. Questa guida parla di quella distanza: cosa rende guardabile una conversazione filmata, come la monta Clipteach e come registrare perché il montaggio abbia materiale su cui lavorare.
Di Arnault, cofondatore · 25 ottobre 2026 · 7 min di lettura
Un podcast è pensato per chi sta facendo altro: guidare, cucinare, correre. Sullo schermo non deve succedere niente, perché lo schermo non c’è. Le voci reggono tutto.
Filma la stessa conversazione, guardala su un telefono, e l’immagine comincia a chiedere un’attenzione che non riesce a tenere. Due persone a un tavolo. Una parla, l’altra annuisce. L’inquadratura non cambia mai. Quando qualcuno dice «ed è lì che abbiamo visto i numeri», i numeri non ci sono. Dopo venti minuti, sullo schermo si sono mosse solo le bocche.
La soluzione non è aggiungere effetti. È la breve lista di mosse che le interviste televisive usano da sempre, ciascuna applicata per un motivo.
Cosa rende guardabile una conversazione a due?
Sei mosse fanno quasi tutto il lavoro. Ognuna risponde a una domanda che lo spettatore si fa, spesso senza saperlo:
Andare su chi parla. Lo spettatore vuole vedere il volto che sta parlando. Vai su chi dice una frase importante, torna su entrambi quando si scambiano battute, e tieni ogni inquadratura almeno un paio di secondi: tagliare a ogni «sì» rende nervosa una conversazione.
Dare un nome alle persone sullo schermo. «Chi è?» è la prima domanda di ogni nuovo spettatore. Un sottopancia con il nome, la prima volta che ciascuno parla, risponde.
Far uscire la frase chiave in parole grandi. Quando qualcuno dice la frase della puntata, mettila sullo schermo, in grande, accanto a lui. Trasforma un bel momento in uno che si ricorda.
Mostrare ciò di cui parlano. Un ospite parla di un prodotto, un luogo, un risultato: un inserto con un’immagine, mentre la voce continua, dà all’occhio un motivo per restare.
Tagliare i tempi morti. Un silenzio che al microfono sembra naturale, sullo schermo sembra lungo. Via le pause lunghe, le false partenze e il «la rifacciamo?».
Fare una clip verticale del momento migliore. Molti conosceranno il tuo programma da un minuto visto sul telefono. Un video verticale 9:16 dello scambio più forte è la porta verso la puntata intera.
Come Clipteach trasforma un podcast in video
Carica la conversazione in Il mio video, scegli Tieni la mia voce e lo stile Motion. Clipteach capisce chi parla e quando: le voci vengono distinte dal loro suono, e ognuna viene associata a un volto sullo schermo ovunque l’immagine lo renda chiaro.
Da lì, il regista IA lavora come il montatore di un talk show. Ogni persona riceve un sottopancia con il nome la prima volta che parla, dal suo lato dell’inquadratura. Quando una dice una frase importante, la camera va su di lei, con uno zoom puntato sul suo volto, e torna sull’inquadratura di entrambi quando si scambiano battute. Oppure i due stanno in due finestre affiancate, con il contorno di chi parla illuminato; in un video verticale, le finestre si impilano una sopra l’altra.
I nomi vengono da te, mai da un’ipotesi: da Copione e note, o da ciò che le persone dicono nella registrazione («Sono…»). Le parole grandi e gli inserti con immagini, dalla tua Libreria, dai tuoi caricamenti o create dall’IA, funzionano come per un video parlato in camera con una sola persona.
#50Video in arrivo
Il montaggio sotto: riprese migliori, silenzi, audio uniforme
Prima che venga disegnato qualcosa, un montatore IA taglia le parole. Con Tieni le riprese migliori, una frase detta due volte resta una sola volta, nella versione migliore; vengono tagliate le false partenze, le chiacchiere fuori tema e le voci sovrapposte che coprono una frase, ogni taglio in una pausa perché nessuno venga troncato a metà parola; e l’audio viene uniformato tra le clip, così un ospite registrato un altro giorno non arriva più forte o più piano del conduttore.
Ciò che tiene è lo scambio. In una conversazione, le reazioni e le risposte brevi sono contenuto, non rumore, e il montatore le tratta così. Taglia i silenzi toglie poi le pause in cui nessuno parla.
Movimenti di camera ed Effetti sonori si aggiungono se vuoi: zoom e spostamenti dove aiutano, fruscii, colpi e clic a tempo con ciò che si muove. La storia completa di come funziona il montaggio delle riprese migliori, su un set vero, è in come 29 minuti di riprese grezze sono diventati un’intro di 3.
Come registrare un podcast per il video
Buona parte di un buon montaggio di video podcast si decide prima di premere rec. Contano quattro cose:
Gira un’unica inquadratura larga con tutti e due dentro. Clipteach mette la camera su chi parla muovendosi dentro la tua immagine: uno zoom su un volto, o due finestre ritagliate dalla stessa inquadratura. Non sincronizza più telecamere registrate nello stesso momento, quindi i due volti devono stare in quell’unica inquadratura, ben illuminati. Gira alla risoluzione più alta che puoi (4K se la tua camera lo consente): ogni zoom ingrandisce l’immagine, e una sorgente più nitida resta nitida più da vicino.
Metti l’audio buono nel file video. Dai un microfono a ogni persona e tieni gli stessi microfoni dall’inizio alla fine. Clipteach sente l’audio che sta dentro le clip che carichi: se registri i microfoni a parte, metti il mix sul video prima di caricarlo invece di affidarti al microfono della camera.
Presenta ogni persona all’inizio. Una frase a testa, «Sono… e mi occupo di…», dà al montatore un nome per ogni volto. Oppure scrivi i nomi, e chi siede dove, in Copione e note.
Continua a registrare anche dopo un errore. Riprendi la frase venuta male e ridilla pulita. Il montatore tiene la versione pulita.
Un’inquadratura larga, l’audio buono dentro il file, un nome per ogni volto: è quasi tutto il lavoro.
Dalla puntata intera alla clip verticale
La clip verticale è un video a sé. Carica i pochi minuti attorno al momento che vuoi condividere, scegli il formato verticale 9:16 e lo stile Motion, e il regista lo impagina per un telefono: voi due uno sopra l’altro, chi parla illuminato, la frase chiave in parole grandi.
Entrambi i formati si esportano in MP4 1080p: 16:9 per la conversazione intera, 9:16 per Reels, Shorts e TikTok.
Non aggiunge musica. Gli Effetti sonori sono pensati per ciò che si muove sullo schermo; una sigla la aggiungi tu altrove.
Non scrive sullo schermo ogni parola detta. Le parole grandi fanno risaltare le frasi che contano; una trascrizione completa che scorre sullo schermo non è qualcosa che fa.
Accetta fino a 30 minuti di clip per video, in massimo 20 clip. Una puntata più lunga entra a pezzi, un capitolo alla volta, oppure scegli il tratto che vale la pena mostrare.
E non mette mai un conduttore generato o un avatar davanti ai tuoi ospiti. Le persone nel video sono le persone che erano nella stanza.
Parti con 300 crediti gratuiti all’iscrizione, senza carta. Le tue clip vengono preparate solo quando clicchi su Genera, e il prezzo, calcolato sulla durata del video finale, viene mostrato prima.
Domande frequenti
I tuoi dubbi, risolti.
Come si trasforma un podcast in video?
Filma la conversazione in un’inquadratura larga di entrambe le persone, carica le clip in Clipteach da Il mio video e scegli Tieni la mia voce e lo stile Motion. L’IA capisce chi parla e quando, dà un nome a ogni persona, mette la camera su chi parla e taglia le ripetizioni e i silenzi. Esporti un MP4 1080p in 16:9 o 9:16.
Clipteach sa chi sta parlando?
Sì. Le voci vengono distinte dal loro suono e associate ai volti dove l’immagine lo rende chiaro. I nomi vengono da Copione e note o da ciò che dicono le persone, mai da un’ipotesi.
Posso usare una telecamera per persona?
Clipteach lavora da un’unica immagine di voi due: la camera su chi parla è uno zoom o una finestra dentro quell’inquadratura. Non sincronizza più angolazioni, quindi carica un’inquadratura larga con entrambi i volti.
Quanto può durare la puntata?
Fino a 30 minuti di clip per video, in massimo 20 clip da 5 GB ciascuna al massimo (MP4, MOV o WebM). Una puntata più lunga entra a pezzi.