Video ads con RunPod

Account, chiave SSH, disco

1. Crea l'account su runpod.io e carica credito.
2. In Settings → SSH Public Keys registra la tua chiave pubblica (~/.ssh/id_ed25519.pub; se non ce l'hai: ssh-keygen -t ed25519). Gli script usano ~/.ssh/id_ed25519; per una chiave diversa imposta RUNPOD_SSH_KEY=/percorso/chiave prima di lanciarli.
3. Il disco di rete è facoltativo, e spesso conviene non averlo. Un Network Volume da 200 GB tiene i modelli (circa 176 GB) e te li fa scaricare una volta sola, ma costa 14 $ al mese e soprattutto ti incatena al suo data center: il pod nasce per forza lì, e se in quel data center la GPU giusta non c'è, sei bloccato. Senza disco il template scarica da solo i modelli all'accensione: con download_wan22=true (scene mute) e download_wan21=true (clip parlate) ci mette 1-3 minuti, pochi centesimi. I file di InfiniteTalk invece il template non li scarica: se ti servono clip parlate, aggiungili come al passo 3 (pochi minuti). Così prendi la GPU in qualunque data center dove c'è. Verificato il 2026-09-21 su pod senza disco: scene mute, clip parlate e immagini. Il disco conviene solo se generi tutti i giorni o hai modelli tuoi: in quel caso mettilo dove la RTX PRO 6000 c'è più spesso, mai in un data center che ha solo GPU da 32 GB.

Il pod

💡 Fallo gestire a Claude. Se colleghi il tuo account RunPod a Claude Code, il pod lo crea, lo spegne appena le clip sono scaricate e lo cancella (solo con la tua conferma) Claude da solo: niente pod dimenticati accesi. Il collegamento ufficiale di RunPod, da terminale, con la tua API key di RunPod (Settings → API Keys): claude mcp add --transport http runpod -s user https://mcp.getrunpod.io/ --header "Authorization: Bearer <la tua API key>", poi /mcp in Claude Code per ricaricare. Istruzioni complete e alternative: github.com/runpod/runpod-mcp. Senza collegamento, il pod lo crei tu come qui sotto.

Template consigliato: "One Click - ComfyUI Wan2.1 - Wan 2.2" (autore Hearmeman, id 758dsjwiqz). Alla creazione:

• GPU: RTX PRO 6000 Blackwell (96 GB) in Secure Cloud. Con meno RAM i modelli pieni (28 GB l'uno) mandano il pod fuori memoria al caricamento del secondo.
• La GPU dev'essere Blackwell, non una scheda più vecchia. Se la PRO 6000 non è disponibile, ripiega su un'altra Blackwell dello stesso data center (RTX PRO 4500 da 32 GB costa 0,72 $ l'ora, ma regge solo le scene mute: le clip parlate vanno fuori memoria anche da 7 secondi). Su architetture precedenti — A100, 4090, 5090 — le scene mute con Wan vengono benissimo, ma InfiniteTalk produce un fotogramma e poi nero: il modello parlato va in NaN e non dà nessun errore, né nel log di ComfyUI né in orchestrate.sh, che scrive DONE e scarica una clip nera. Te ne accorgi solo aprendo il file.
• Disco: nessuno (consigliato). Se hai un network volume, montalo su /workspace.
• Variabili del template: senza disco, a ogni pod, download_wan22=true (scene mute) e download_wan21=true (clip parlate): 1-3 minuti. Con un disco, true solo la prima volta, poi false: i modelli sono già lì e riscaricarli lo riempie.
• Porta 8188: è ComfyUI nel browser, all'indirizzo https://<pod_id>-8188.proxy.runpod.net.

Dalla scheda del pod, in Connect, prendi due cose che servono agli script: il pod id (è nell'URL) e l'utente SSH del proxy (<pod_id>-<codice>@ssh.runpod.io).

InfiniteTalk (solo per le clip parlate)

Un volto solo per clip. InfiniteTalk muove la bocca a tutte le facce che trova nel fotogramma, con lo stesso audio — compresi i volti di sfondo e quelli riflessi in uno specchio. Due persone inquadrate diventano due che dicono la stessa frase insieme. Le scene di dialogo si spezzano in due clip, una per battuta, e chi non parla resta di spalle, sfocato o fuori dal bordo.

Il template (v29) non scarica questi file: controlla con ls /workspace/ComfyUI/models/diffusion_models | grep -i infinitetalk, e se mancano aggiungili in /workspace/ComfyUI/models/ (da Hugging Face; senza disco, a ogni pod nuovo):

Il modello base wan2.1_i2v_480p_14B_bf16.safetensors lo scarica già il template.

💡 Spazio. Un disco da "200 GB" ne contiene circa 186 veri. Con tutto installato restano circa 20 GB per i video: se i download si fermano senza errori, è pieno. Il file wan2.1_t2v_14B_bf16.safetensors (27 GB, Wan da testo) non serve: si può cancellare.

Le altre due cose che InfiniteTalk richiede (un collegamento di cartella e una patch per la libreria transformers 5) le fa orchestrate.sh da solo a ogni pod nuovo, perché stanno sul disco del container e si perdono quando il pod viene cancellato.

Gli script sul tuo PC

Scaricali in una cartella, tutti insieme (si cercano a vicenda):

• lib_video.sh ↗ — i controlli condivisi
• orchestrate.sh ↗ — genera le clip sul pod
• gen_video.py ↗ — una clip (lo usa orchestrate)
• fix_wav2vec_tf5.py ↗ — la patch per InfiniteTalk (la applica orchestrate)
• monta_video.sh ↗ — monta il video parlato
• monta_short.sh ↗ — monta gli short senza voce
• esempi: clip.tsv.esempio ↗, montaggio.tsv.esempio ↗, chiusura.txt.esempio ↗

Da terminale:

mkdir -p ~/video-tools && cd ~/video-tools
for f in lib_video.sh orchestrate.sh gen_video.py fix_wav2vec_tf5.py monta_video.sh monta_short.sh clip.tsv.esempio montaggio.tsv.esempio chiusura.txt.esempio; do
  curl -fsSLO "https://app.roylead.com/supporto/video-tools/$f"
done
chmod +x *.sh

Servono anche ffmpeg (con libx264 e libass), ffprobe, python3, curl, ssh.

Gli script non si modificano: leggono tutto da file di dati nella cartella del video.

La cartella di un video

mio-video/
  clip.tsv                 i lavori: nome, tipo (it = parlata, wan = scena muta), immagine, battuta o fotogrammi, prompt
  immagini/                i fotogrammi di partenza (uno per shot, generati con ChatGPT dalle foto del prodotto)
  audio/battute/           le battute mp3, una per clip parlata
  montaggio.tsv            l'ordine delle clip nel video, con l'mp3 da mettere sotto le scene mute
  montaggio/sottotitoli.ass  i sottotitoli (su Meta si guarda senza audio)
  chiusura.txt             3 righe: offerta, riga 2, riga 3 (opzionale)
  prodotto.png             foto del prodotto per la chiusura (opzionale, va con chiusura.txt)

Le voci si fanno con ElevenLabs, un testo intero per personaggio con [long pause] tra le battute, poi si tagliano sulle pause in un mp3 per battuta (ffmpeg -af silencedetect). Se usi il playbook del lancio con Claude Code, sceneggiatura, clip.tsv, montaggio.tsv, sottotitoli e tagli delle voci li prepara lui.

Generare e montare

# accendi il pod, prendi pod_id e utente ssh da "Connect", poi:
nohup ./orchestrate.sh <pod_id> <utente_ssh> ~/mio-video > ~/mio-video/orchestrate.log 2>&1 &
tail -f ~/mio-video/orchestrate.log        # READY, MODELS, UPLOADED, poi un DONE per clip, ALL_DONE

Le clip arrivano in mio-video/clip/. Le mani con gli oggetti sbagliano spesso: metti in conto 2-3 tentativi per scena (cambia il seme rilanciando, o il prompt). Tempi misurati sulla RTX PRO 6000: prima clip 5-7 minuti (carica i modelli), poi 1-4 minuti l'una.

./monta_video.sh ~/mio-video      # → mio-video/video-finale.mp4 (1080x1920, 30 fps, -16 LUFS)
./monta_short.sh ~/mio-video      # → mio-video/short-<nome>.mp4, uno per clip, con la grafica sopra

monta_video.sh si ferma da solo se la voce ha buchi oltre 1,5 secondi: meglio un errore adesso che un video muto online. Il file finale si scrive sul disco di sistema e poi si copia: su un disco Windows montato in WSL l'unione può fermarsi con "No space left on device".

Poi cancella il pod.