7 errori nei prompt video IA che rovinano silenziosamente le tue clip
Le clip video IA più deludenti non sono causate da un modello debole. Sono causate da abitudini di prompting prese in prestito dalla generazione di immagini, che non hanno mai funzionato per il movimento fin dall’inizio. Un singolo fotogramma fisso può assorbire un mucchio di aggettivi. Un video di cinque secondi non può farlo, perché il modello deve anche tenere traccia del tempo, del movimento della camera, della coerenza del soggetto e spesso dell’audio contemporaneamente.
Questa guida analizza sette abitudini di prompting che sabotano silenziosamente il video generato dall’IA, insieme a riscritture prima-e-dopo e veri test di generazione su PixVerse. Puoi confrontare queste correzioni sui modelli disponibili su PixVerse, tra cui Seedance 2.0, HappyHorse 1.0, PixVerse V6, PixVerse C1, Kling O3 e Kling 3.0. I problemi di fondo non sono esclusivi di un singolo modello: si presentano nella maggior parte dei generatori video IA perché i punti di rottura sono condivisi: prompt sovraccarichi, parole d’atmosfera vaghe, indicazioni di camera in conflitto tra loro, falsi prompt negativi, linguaggio di velocità che innesca sfarfallii, immagini di riferimento descritte in eccesso ed etichette di qualità generiche.
Non si tratta di scrivere prompt più brevi per il gusto della brevità. Si tratta di far sì che ogni parola del prompt svolga un lavoro reale. Un prompt ben costruito mette al primo posto l’informazione più importante, si impegna in un unico percorso di movimento, protegge ciò che deve rimanere visivamente coerente e sostituisce le parole vaghe di gusto con un linguaggio che il modello può effettivamente immaginare.
Come abbiamo impostato questi test
Ogni esempio qui sotto è stato generato su PixVerse con un’impostazione uniforme: le stesse impostazioni di generazione di base e l’audio attivato per ogni clip. Non stavamo cercando di mostrare il trucco di un particolare modello: l’obiettivo era isolare cosa stesse facendo il prompt in sé, mantenendo stabile il resto dell’ambiente. Sei clip sono state eseguite a 1280x720 in orizzontale; l’esempio con immagine di riferimento è stato eseguito a 720x1280 in verticale, poiché quel caso dipende da uno scatto di prodotto verticale. Ogni output include il suono.
Abbiamo valutato ogni risultato in base a sei elementi che un prompt efficace deve garantire: aderenza alle istruzioni, chiarezza del movimento, coerenza del soggetto, stabilità della camera, usabilità dell’audio e se la clip potesse realisticamente finire in un articolo di blog, in una bozza pubblicitaria, in una presentazione o in un tutorial.
Queste sono euristiche intenzionalmente valide per più modelli. La maggior parte dei generatori video attuali condivide gli stessi punti critici: deriva nel tempo, indizi di movimento ambigui, percorsi di camera instabili e istruzioni che entrano silenziosamente in conflitto tra loro.
Per maggiori informazioni sui modelli specifici citati qui, consulta la nostra recensione di Seedance 2.0, il nostro confronto tra HappyHorse 1.0 e Seedance 2.0 e la nostra analisi di Kling 3.0. Se stai integrando il test dei prompt in una pipeline di produzione, la nostra guida alla generazione di video IA tratta l’automazione del lavoro text-to-video e image-to-video.
Errore 1: trattare la lunghezza del prompt come indicatore di controllo
Aggiungere più descrizione sembra dare al modello più materiale con cui lavorare. In realtà, un prompt sovraccarico di solito seppellisce l’unica istruzione che conta davvero. La prima riga porta il peso maggiore; tutto ciò che viene accumulato dopo compete per l’attenzione del modello invece di rafforzare l’idea principale.
Ecco un esempio:
Una bottiglia di profumo di lusso in uno studio elegante, illuminazione bellissima, riflessi cinematografici, aspetto commerciale premium, materiali costosi, particelle morbide, movimento fluido, atmosfera raffinata, alta qualità, texture delicata, un movimento di camera drammatico, narrazione emotiva, energia da marchio di lusso, vetro realistico, liquido dorato, riflessi scintillanti, slow motion, ombre eleganti, composizione perfetta, senza distorsioni, senza sfarfallio, senza anatomia scorretta, senza sfondo disordinato, senza oggetti extra, video professionale, stile pubblicitario virale.
Sembra approfondito, ma quasi ogni frase è vaga o ripete un’idea precedente. Il modello deve scegliere tra movimento, illuminazione, atmosfera, riflessi, effetti particellari e un mucchio di etichette di qualità, e il soggetto reale si perde nel rumore.
Perché non funziona: i modelli video leggono il testo in sequenza, e il segnale più chiaro sull’azione principale tende a reggere meglio per tutta la durata della clip. Questo conta ancora di più man mano che le clip si allungano, poiché la coerenza temporale sta già chiedendo molto al modello. Questo si allinea con quanto notato da OpenAI sui modelli video che faticano ancora con la fisica precisa e con il rapporto causa-effetto: accumulare istruzioni deboli dopo l’idea principale non crea un controllo aggiuntivo, aggiunge solo rumore.
La correzione: punta a una struttura compatta di 50-80 parole: soggetto, azione e luogo nella prima frase, camera e stile nella seconda frase, vincoli nella terza frase.
Una bottiglia di profumo in vetro trasparente si trova su marmo nero mentre una luce calda di contorno attraversa il liquido dorato. La bottiglia compie un piccolo giro dimostrativo, rivelando un leggero bordo laterale, poi si assesta di nuovo al centro. Lenta spinta macro dall’altezza dell’etichetta al tappo, illuminazione da studio di lusso, polvere dorata morbida che fluttua dietro la bottiglia. Termina su un’inquadratura centrata e stabile, senza sovrapposizione di testo, senza oggetti extra. Audio: leggero movimento del vetro, tono ambiente da studio.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo per il movimento del vetro e il tono ambiente dello studio. Volevamo vedere se un prompt compatto potesse mantenere l’identità del prodotto, un movimento contenuto, l’illuminazione e il controllo della camera senza perdere l’azione principale.
Nel risultato, la bottiglia rimane centrata durante l’intera spinta in avanti, il liquido dorato si legge chiaramente attraverso il vetro, e la luce calda di contorno costruisce un’atmosfera premium senza che un singolo aggettivo faccia il lavoro pesante. I prompt brevi non sono automaticamente prompt vaghi: un’istruzione compatta con un soggetto, un’azione contenuta, un movimento di camera e alcuni vincoli reali batte costantemente una lunga lista di preferenze disperse.
Errore 2: affidarsi a “cinematografico” come interruttore di qualità
“Cinematografico” compare in quasi tutti i prompt video IA, ed è una delle parole meno utili che si possano usare. Può indicare un’illuminazione horror, un’ora dorata romantica, un realismo documentaristico crudo, una foschia fantascientifica, o una dozzina di altri stili cinematografici che non hanno nulla in comune tra loro.
Ecco un esempio:
Un detective in pensione cammina in un vicolo piovoso di notte. Cinematografico, professionale, drammatico, qualità da film.
Questo dà al modello un’atmosfera, non un aspetto. Il risultato potrebbe finire ovunque, dal cupo e crudo al luminoso e lucido, e non hai modo di prevedere quale.
Perché non funziona: parole ampie come “cinematografico” sono legate a enormi porzioni di dati di addestramento non correlati tra loro. Il modello non ha modo di sapere quale ramo di “cinematografico” stai immaginando, a meno che tu non nomini il linguaggio visivo effettivo: impostazione della luce, carattere dell’obiettivo, composizione, movimento di camera, palette di colori, o un riferimento a uno stile specifico da regista. La ricerca di Runway su Gen-3 Alpha punta nella stessa direzione: didascalie altamente descrittive e temporalmente dense superano costantemente le etichette di stile vaghe.
La correzione: sostituisci “cinematografico” con qualcosa di concreto: un’impostazione di illuminazione, un comportamento dell’obiettivo, una regola di composizione o una palette di colori.
Un detective in pensione con un lungo cappotto scuro cammina in un vicolo bagnato di pioggia di notte. Lenta spinta in avanti da un’inquadratura larga a un primo piano medio, neon rosso e blu riflessi sul ciottolato bagnato, prospettiva a un punto lungo il vicolo, bagliori anamorfici dell’obiettivo dalle insegne al neon pratiche, fumo di sigaretta che attraversa il suo volto. Audio: pioggia sul selciato, traffico distante, leggero ronzio del neon.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo per la pioggia e l’ambiente cittadino. Volevamo vedere se nominare elementi cinematografici specifici producesse un’atmosfera più stabile rispetto alla sola parola “cinematografico”.
Ha funzionato perché il prompt nominava cose che il modello poteva effettivamente rendere: ciottolato bagnato, riflessi al neon, una prospettiva a un punto lungo il vicolo, una lenta spinta in avanti, un’illuminazione in stile noir. Il detective rimane l’ancora visiva mentre la profondità del vicolo e le insegne colorate costruiscono l’atmosfera. La clip si legge come cinematografica perché il prompt ha descritto come dovesse apparire l’inquadratura, non perché ha preso in prestito una parola d’ordine.
Errore 3: accumulare più movimenti di camera in un unico piano
I modelli video IA possono seguire ragionevolmente bene le indicazioni di camera, ma solo quando c’è un unico movimento dominante. Accumula diverse indicazioni di camera insieme e tenderai a ottenere sfarfallio, deriva o una transizione indesiderata a metà clip.
Ecco un esempio:
Un treno magnetico in miniatura attraversa una città-terrario di vetro. La camera spinge in avanti, panoramica a sinistra, orbita attorno al treno, si inclina verso l’alto attraverso le torri di muschio e aggiunge tremolio a mano libera.
Sembra un vero movimento cinematografico, ma ai fini della generazione sono cinque vettori spaziali separati che competono per la priorità. Il modello deve sequenziarli o mescolarli, ed entrambi i percorsi tendono a produrre instabilità visibile.
Perché non funziona: una spinta in avanti, una panoramica, un’orbita, un’inclinazione e un tremolio a mano libera descrivono ciascuno una direzione diversa di movimento della camera. Accumulali e il modello deve indovinare quale debba dominare e quando passare al successivo: quel punto di passaggio è di solito dove appare l’oscillazione. La ricerca sui sistemi di controllo della camera come Direct-a-Video e MotionCtrl separa deliberatamente il movimento della camera dal movimento dell’oggetto proprio per questo motivo: a un singolo prompt non dovrebbe essere chiesto di portare cinque vettori di camera contemporaneamente.
La correzione: scegli un movimento di camera principale, poi aggiungi al massimo un indizio di texture in più.
Un treno magnetico in miniatura scivola attraverso una città-terrario di vetro su un tavolo da laboratorio, passando accanto a torri di muschio e pareti di vetro imperlate di condensa. Camera: un unico movimento fluido di tracking laterale parallelo al treno, solo una leggera texture a mano libera. Il treno rimane centrato mentre lo sfondo scorre. Audio: leggero ronzio elettrico, piccola vibrazione dei binari, gocce d’acqua sul vetro, tono ambiente attutito.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo. Questa scena è carica di un allettante caos di camera: riflessi di vetro, edifici minuscoli, condensa, un treno in movimento, scala macro, il che la rende un buon test di stress per capire se un unico movimento di tracking laterale può mantenere leggibile un piccolo soggetto mentre lo sfondo fa il lavoro di creare energia di movimento.
Il risultato è uno dei più puliti di tutto questo set. Il treno rimane leggibile in fondo all’inquadratura mentre il terrario coperto di muschio crea parallasse e profondità dietro di esso. Poiché il prompt si impegna in un unico movimento laterale invece di accumulare spinta, panoramica, orbita e inclinazione, la camera non entra mai in conflitto con se stessa.
Errore 4: scrivere prompt negativi che non esistono
Molti creatori portano abitudini di Stable Diffusion nel prompting video e scrivono righe come “negativo: sfarfallio, arti storti, tremolio, deformazione”. La maggior parte dei generatori video IA non ha un vero campo di prompt negativo: quel testo è semplicemente altro prompt.
Ecco un esempio:
Un orologiaio ripara un cubo di orologeria fluttuante sotto una lampada da scrivania. Negativo: sfarfallio, mani sbagliate, dita storte, tremolio, deformazione, ingranaggi rotti, illuminazione instabile.
Questo può effettivamente peggiorare le cose. Il modello legge comunque le parole “sfarfallio”, “dita storte” e “deformazione” come testo, e invece di escludere quei concetti, potrebbe introdurre esattamente le associazioni che stavi cercando di evitare.
Perché non funziona: a meno che l’interfaccia non abbia un input dedicato per il prompt negativo, tutto ciò che digiti viene trattato come istruzione positiva. Il modello non ha un concetto integrato di “negativo:” come esclusione rigida: se vuoi stabilità, devi descrivere direttamente il risultato stabile.
La correzione: converti ogni negativo in un vincolo positivo che afferma lo stato desiderato.
Un orologiaio usa pinzette di ottone per posizionare un ingranaggio trasparente all’interno di un piccolo cubo di orologeria fluttuante sotto una lampada da scrivania calda. La camera spinge lentamente dalle mani al cubo. Le mani si muovono naturalmente, i bordi dell’ingranaggio rimangono nitidi, il cubo rimane centrato, e la luce calda della lampada rimane costante senza sfarfallio. Audio: click delle pinzette di ottone, piccolo tic dell’ingranaggio, tono ambiente tranquillo da officina.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo per un piccolo suono meccanico e il tono da officina. Mani, ingranaggi minuscoli e bordi trasparenti sono tutti territori inclini agli artefatti, il che rende questo un test utile per capire se i vincoli dichiarati riducano effettivamente gli errori visibili rispetto a una lista negativa.
Le pinzette, il cubo trasparente e il dettaglio dell’ingranaggio rimangono tutti visivamente separati sotto la lampada. La mano è abbastanza vicina alla camera da mettere sotto stress il modello, ma dichiarare direttamente il comportamento desiderato — mani naturali, bordi nitidi, luce stabile — dà un risultato più pulito rispetto a una lista negativa che rischia di ripetere proprio le parole che si sta cercando di evitare.
Errore 5: usare “veloce” come istruzione di velocità
“Veloce” sembra la parola ovvia quando vuoi velocità, ma tende a spingere la generazione video verso l’instabilità, specialmente quando il prompt contiene già azioni complesse, movimento di camera, o più elementi in movimento.
Ecco un esempio:
Un longboarder scende velocemente lungo una strada di montagna, camera veloce, curve rapide, motion blur veloce, velocità dinamica, azione intensa, movimento rapido.
Ora al soggetto, alla camera, agli effetti e alla tempistica della scena viene chiesto di accelerare tutti insieme, e il modello deve mantenere insieme anatomia, forma dell’oggetto, percorso della camera e coerenza dello sfondo sotto quella pressione.
Perché non funziona: la velocità non è solo una parola di stile, è una richiesta temporale. Invece di chiedere “veloce”, descrivi la prova fisica che rende visibile la velocità: postura compressa, schemi di spruzzi, scie di sfondo allungate, inquadratura di camera controllata.
La correzione: sostituisci “veloce” con fisica del movimento concreta.
Un longboarder in discesa si piega in una curva su una strada di montagna resa scivolosa dalla pioggia, ginocchia compresse, mano posteriore che aleggia a pochi centimetri dall’asfalto. Ogni ruota lancia un sottile spruzzo d’acqua verso l’esterno mentre i catadiottri a bordo strada si allungano in morbide scie sullo sfondo. La camera resta bassa accanto alla tavola in un’unica ripresa di tracking stabile. Casco e giacca rimangono stabili. Audio: ronzio delle ruote, sibilo della strada bagnata, pressione del vento, una curva della tavola.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo. La domanda qui è se il linguaggio del movimento fisico possa comunicare la velocità senza chiedere al modello di accelerare cinque cose contemporaneamente.
Il risultato vende la velocità attraverso prove fisiche invece della parola “veloce”: l’angolazione bassa della camera, i riflessi della strada bagnata, la postura di guida compressa e lo spruzzo d’acqua si combinano tutti per far sembrare la discesa rapida, mantenendo pienamente leggibili il pilota e la tavola.
Errore 6: ridescrivere un’immagine di riferimento già caricata
Per il lavoro image-to-video, ripetere tutto ciò che è già visibile nella foto caricata crea un conflitto. Se l’immagine mostra già una borsa nera strutturata sotto un faro, e il tuo prompt descrive di nuovo la stessa borsa con parole leggermente diverse, il modello ha ora due istruzioni per un unico soggetto — i pixel e il testo — e qualsiasi discrepanza tra loro invita alla deriva.
Ecco un esempio (prompt image-to-video):
Una borsa in pelle nera con manico curvo, chiusura argentata, corpo strutturato, pannelli cuciti e sfondo da studio scuro si trova sotto un faro drammatico.
Se tutto questo è già nell’immagine di riferimento, il prompt sta invitando il modello a reinterpretare dettagli che dovrebbe semplicemente preservare — silhouette, materiale, elementi decorativi, persino lo sfondo può cambiare di conseguenza.
Perché non funziona: un’immagine di riferimento è già di per sé un’istruzione forte. Ridescrivere il soggetto visibile apre un secondo canale di istruzioni che potrebbe non allinearsi pixel per pixel con ciò che è effettivamente presente. Il compito del prompt, in questo caso, è coprire ciò che l’immagine non può mostrare: movimento e comportamento della camera.
La correzione: per l’image-to-video, limita il prompt a tre compiti: istruzione di movimento, istruzione di camera, una regola di coerenza.
Mantieni l’oggetto di riferimento completamente intatto. Aggiungi una leggera spinta in avanti della camera dall’inquadratura attuale mentre un’evidenziazione stretta si sposta lentamente sulla superficie visibile. Preserva l’esatta silhouette, i materiali, i dettagli decorativi, lo sfondo, la direzione della luce e la composizione dall’immagine di riferimento. Audio: leggero tono ambiente da sala espositiva, debole risonanza del vetro, sottile fruscio del tessuto.
Test: PixVerse, 5 secondi, 720p, 9:16 verticale, image-to-video con audio attivo per un suono sottile del materiale e il tono ambiente. Questo funziona solo perché l’immagine di riferimento definisce già l’oggetto — il prompt evita deliberatamente di ridescrivere colore, forma o materiale, e non chiede al modello di inventare meccaniche nascoste.
La borsa mantiene la sua silhouette, la posizione della chiusura, la forma del manico e la texture del cuoio, con lo sfondo scuro da studio intatto, mentre la camera e l’evidenziazione forniscono tutto il movimento. Per un video di prodotto guidato da riferimento, la moderazione nel prompt tende a contare più dell’ambizione.
Errore 7: riempire il prompt di parole di qualità generiche
Parole come “straordinario”, “bello”, “alta qualità”, “epico” e “professionale” compaiono costantemente nei prompt video IA, ma portano quasi nessuna informazione direzionale. Sono etichette ad alta frequenza legate a troppi tipi diversi di output per dare un controllo affidabile.
Ecco un esempio:
Una scena di festival notturna straordinaria, bella, epica con visual di alta qualità, movimento stupefacente, illuminazione professionale e composizione perfetta.
Questo dice al modello che l’output dovrebbe essere buono, senza dirgli come appare effettivamente “buono” in questa scena specifica.
Perché non funziona: “epico” da solo potrebbe significare un paesaggio maestoso, una battaglia, un cielo luminoso, una scala enorme, una colonna sonora drammatica, il slow motion, o un’armatura fantasy. Non c’è modo per il modello di dedurre quale intendessi senza sostituire l’aggettivo con qualcosa di visibile e specifico.
La correzione: sostituisci ogni aggettivo generico con un indizio nominato e visibile: composizione, impostazione di illuminazione, specifica dell’obiettivo, palette di colori, comportamento del materiale.
Un festival notturno di aquiloni si svolge su una distesa salata bianca coperta da un sottile specchio d’acqua. Tre aquiloni traslucidi a forma di creature degli abissi fluttuano sopra, costole bluastro-verdi bioluminescenti che pulsano sotto il tessuto. Lenta spinta dal basso dai riflessi all’altezza della caviglia alla coda dell’aquilone più vicino, sensazione di obiettivo grandangolare, contrasto di colore ciano-magenta, lanterne lungo l’orizzonte. Audio: sventolio del tessuto, vibrazione della corda tesa, passi nell’acqua bassa, mormorio distante della folla.
Test: PixVerse, 5 secondi, 720p, 16:9, audio attivo per il tessuto, i passi e l’ambiente della folla. L’obiettivo era vedere se indizi visivi concreti mantenessero la coerenza dello stile meglio delle parole di qualità generiche.
L’output preserva l’idea centrale — aquiloni traslucidi a forma di creatura con costole luminescenti sopra riflessi della distesa salata. L’angolazione della camera è atterrata un po’ più in alto rispetto all’inquadratura all’altezza della caviglia richiesta, quindi l’aderenza non è stata impeccabile, ma l’identità visiva è molto più forte di qualsiasi cosa avrebbe prodotto da sola “bello festival epico”. Sostantivi concreti, indizi di illuminazione e relazioni di colore superano costantemente gli aggettivi di gusto.
Due prompt completi, analizzati
Prima: “Fai un video IA cinematografico e figo su una città futuristica. Rendilo bello, realistico, drammatico, di alta qualità e virale.” — questo accumula l’Errore 2 e l’Errore 7 senza soggetto, azione, percorso di camera o fotogramma finale su cui ancorarsi.
Dopo: “Una rivelazione di una città futuristica di 6 secondi. La camera scivola bassa sopra una strada bagnata di pioggia con insegne olografiche blu riflesse sul selciato. Un singolo drone di consegna passa vicino all’obiettivo e si alza verso una torre di vetro. Tracking in avanti fluido, palette blu fredda, luce calda dell’ingresso della torre, pioggia leggera, traffico distante, un passaggio del drone.”
Prima: “Un longboarder corre velocemente lungo una strada di montagna, schiva il traffico, salta su un albero caduto, scivola tra le scintille, taglia su una ripresa da drone, taglia su un primo piano della ruota, taglia su un riflesso del casco, poi termina con un logo e fuochi d’artificio, tutto in 5 secondi, camera veloce, audio perfetto.” — questo combina gli Errori 1, 3, 4 e 5 in un’unica frase sovraccarica e senza fine.
Dopo: la stessa correzione del longboarder dall’Errore 5 sopra — un’azione, un movimento di camera, vincoli positivi, indizi audio concreti.
Un modello di prompt riutilizzabile
Usa questa struttura come punto di partenza predefinito:
[Soggetto] + [un'azione] + [luogo]. [Un movimento di camera] + [stile specifico, obiettivo, illuminazione o composizione]. [Vincoli positivi: cosa deve rimanere stabile, cosa dovrebbe essere assente, se serve l'audio].
Esempio: “Una tazza da caffè in ceramica si trova su un tavolo di legno scuro mentre il vapore si alza in lente spirali. Lenta spinta macro, luce laterale calda al tungsteno, profondità di campo ridotta, sfondo tranquillo di un caffè mattutino. La forma della tazza rimane stabile, nessuna sovrapposizione di testo, l’audio include un leggero tono ambiente e un debole tintinnio di cucchiaino.”
La conclusione
I prompt video IA migliori non sono più lunghi — sono più puliti. Metti in primo piano soggetto, azione e luogo. Sostituisci “cinematografico” e le parole di qualità generiche con indizi visibili e specifici. Impegnati in un unico movimento di camera. Salta i falsi prompt negativi a favore di vincoli positivi. Scambia “veloce” con dettagli fisici del movimento. Per l’image-to-video, lascia che l’immagine di riferimento faccia il suo lavoro invece di ridescriverla.
Queste correzioni valgono per la maggior parte degli attuali generatori video IA perché puntano alle stesse debolezze di fondo: deriva temporale, campionamento di stile vago, sfarfallio della camera, incoerenza del soggetto e istruzioni di movimento sovraccariche. PixVerse rende facile mettere tutto ciò in pratica, poiché puoi testare lo stesso prompt su Seedance 2.0, HappyHorse 1.0, PixVerse V6, PixVerse C1, Kling O3 e Kling 3.0 senza cambiare strumenti o ricostruire il tuo flusso di lavoro.
Domande frequenti
Cosa rende davvero buono un prompt video IA? Un buon prompt dà al modello un’inquadratura chiara: soggetto, azione, luogo, un movimento di camera, indizi di stile visibili e alcuni vincoli positivi. “Una bottiglia di profumo in vetro su marmo nero, lento giro dimostrativo, luce calda di contorno, riflesso stabile” supera sempre “un video di prodotto di lusso cinematografico”.
Quanto dovrebbe essere lungo un prompt video IA? Per la maggior parte dei prompt text-to-video, 50-80 parole sono un intervallo di partenza solido. Inizia con soggetto, azione e luogo, poi aggiungi movimento di camera, illuminazione, dettaglio del movimento e audio. Una frase di apertura vaga viene raramente salvata da più parole dopo di essa.
Perché “cinematografico” non funziona bene come parola nel prompt? È troppo generico per indicare qualcosa di specifico. Sostituiscilo con un linguaggio cinematografico visibile — “sensazione a mano libera in 35mm”, “vicolo piovoso con riflessi al neon”, “lento dolly-in”, “controluce duro”, “luci pratiche calde sullo sfondo”.
I generatori video IA supportano prompt negativi reali? Alcuni strumenti hanno un campo dedicato per il prompt negativo, ma una casella di prompt standard di solito legge tutto come istruzione. Scrivi invece vincoli positivi — “le mani rimangono naturali”, “la camera rimane stabile”, “lo sfondo rimane vuoto”, “la silhouette del prodotto rimane intatta”.
Come faccio a impostare un prompt per l’image-to-video senza cambiare il mio soggetto? Non ridescrivere ciò che è già presente nell’immagine caricata. Usa il prompt per ciò che l’immagine non può mostrare — movimento, comportamento della camera, cambiamenti di illuminazione, audio e un’unica regola di coerenza (“mantieni l’oggetto di riferimento intatto, aggiungi una leggera spinta in avanti, preserva silhouette e materiale”).