Il prompt come documento di regia, non come didascalia
Generare un video con l'intelligenza artificiale è ormai semplice. Generarne uno che regga il confronto con una produzione curata è ancora difficile, e quasi mai la differenza dipende dal modello scelto. Dipende dalla richiesta. Due persone possono lavorare con lo stesso strumento, lo stesso modello e la stessa durata, e ottenere clip che sembrano appartenere a due universi produttivi diversi. La variabile che sposta il risultato è la qualità del prompt.
Un prompt per video non è una frase descrittiva: è un documento di regia compresso. Contiene soggetto, azione, inquadratura, luce, atmosfera, movimento di camera, ritmo, formato e, sempre più spesso, indicazioni sul suono. Chi lo tratta come una didascalia ottiene immagini casuali; chi lo tratta come un brief tecnico ottiene materiale che entra in montaggio senza dover essere rigenerato dieci volte.
Il metodo che segue non è una raccolta di trucchi isolati, ma una struttura riutilizzabile: si parte dall'anatomia del prompt, si passa alla grammatica modulare e alla continuità tra scene, si affrontano movimento e sonoro, e si chiude con l'ottimizzazione tecnica e il troubleshooting. L'obiettivo è ridurre il numero di tentativi necessari per arrivare a un piano utilizzabile, mantenendo la creatività sotto controllo.
Anatomia di un prompt cinematografico
Un prompt avanzato è composto da strati. Saltarne uno non impedisce la generazione, ma lascia al modello decisioni che dovrebbero essere tue. I quattro strati fondamentali sono soggetto, azione, messa in scena e stile.
Soggetto, azione e stato emotivo
Il soggetto va descritto con precisione fisica: età approssimativa, abbigliamento, postura, espressione. «Una donna» produce un risultato generico; «una donna sulla quarantina, cappotto di lana grigio, spalle leggermente curve, sguardo basso» produce una direzione. L'azione deve essere un verbo osservabile e continuo: cammina, si volta, apre, versa, esita. Verbi astratti come «riflette sulla vita» non hanno traduzione visiva e il modello li interpreta in modo imprevedibile. Lo stato emotivo va collegato al corpo, non dichiarato: invece di «triste», scrivi «labbra serrate, respiro corto, mani che stringono la tazza».
Inquadratura, obiettivo e luce
Questo strato definisce come lo spettatore vede la scena. Indica il tipo di piano (campo lungo, piano medio, primo piano, dettaglio), l'angolazione (altezza occhi, dal basso, dall'alto, olandese) e la profondità di campo. Aggiungere un riferimento di obiettivo — un grandangolo da 24 mm che esaspera la prospettiva, un 85 mm che comprime lo sfondo — cambia radicalmente la resa. La luce completa il quadro: sorgente principale, direzione, durezza, rapporto con le ombre. «Luce finestra laterale morbida, ombre lunghe sul lato sinistro» è un'istruzione operativa; «illuminazione bella» non lo è.
Atmosfera, palette e riferimenti di stile
L'ultimo strato riguarda il tono complessivo: palette cromatica, densità del contrasto, grana, formato. Anche il riferimento di stile va usato con misura: indicare un genere o un'epoca funziona meglio che citare un autore specifico, perché il modello tende a replicare elementi superficiali invece dell'intenzione registica. Meglio «documentario naturalistico con luce disponibile» che il nome di un regista.
Grammatica modulare: costruire prompt riutilizzabili
Scrivere ogni volta un prompt da zero è uno spreco di tempo e una fonte di incoerenza. La soluzione è dividere il prompt in blocchi riutilizzabili, come moduli di una libreria. Un blocco per il soggetto, uno per l'ambiente, uno per la camera, uno per la luce, uno per lo stile. Cambiando un solo blocco si genera una variante coerente con le altre.
Uno schema pratico:
[SOGGETTO + AZIONE] , [AMBIENTE + MOMENTO] ,
[PIANO + ANGOLO + OBIETTIVO + MOVIMENTO] ,
[LUCE + PALETTE] , [STILE + GRANA] , [FORMATO + DURATA]
Questo ordine non è casuale: parte da ciò che è più importante e finisce con i parametri tecnici, che il modello tende a rispettare meglio se non sono sepolti in mezzo alla descrizione. Mantieni una nomenclatura stabile per i blocchi e salva le combinazioni che funzionano. Dopo pochi progetti avrai una libreria di prompt riutilizzabili per interni notturni, esterni in luce naturale, ritratti, product shot e transizioni.
Un vantaggio meno evidente: la modularità rende il debug rapido. Se il risultato è sbagliato, sai quale blocco modificare. Se il video è troppo statico, agisci sul blocco camera. Se i colori sono spenti, agisci sul blocco luce. Se il soggetto cambia aspetto tra una generazione e l'altra, il problema è nel blocco soggetto, che è troppo vago.
Movimento: il vero test della dinamica
Un video generato si riconosce immediatamente da due difetti: immobilità e movimento incoerente. Entrambi si risolvono nel prompt, non nel montaggio.
Vocabolario dei movimenti di camera
Usa termini precisi perché i modelli sono stati addestrati su vocabolario cinematografico: carrellata laterale lenta, dolly in, dolly out, panoramica orizzontale, tilt verticale, steadycam che segue il soggetto, camera a mano con micro-oscillazioni, orbita attorno al soggetto, zoom ottico lento. Aggiungi sempre intensità e velocità: «carrellata laterale lenta verso destra» è più controllabile di «movimento di camera».
Errori che rendono un video piatto
Il primo errore è chiedere contemporaneamente troppi movimenti: panoramica più zoom più orbita produce instabilità. Il secondo è descrivere un movimento che contraddice l'azione: se il soggetto cammina verso la camera, un dolly in crea una collisione visiva. Il terzo è dimenticare il movimento interno alla scena — foglie, fumo, capelli, vestiti, acqua — che dà vita all'immagine anche quando la camera è ferma. Il quarto è ignorare il ritmo: un movimento lento su un'inquadratura di tre secondi non ha il tempo di leggersi.
Una regola pratica: un solo movimento principale per clip, più movimenti secondari nell'ambiente. Se hai bisogno di più dinamica, genera due clip e uniscile in montaggio.
Coerenza tra scene: keyframe, continuity e blocking
Il salto di qualità tra un esperimento e un progetto reale è la continuità. Personaggi che cambiano volto, abbigliamento che muta, luci che si spostano tra un'inquadratura e l'altra distruggono la sospensione dell'incredulità.
Tre strumenti aiutano. Il primo è il blocco descrittivo congelato: una descrizione del personaggio e dell'ambiente che copi identica in ogni prompt della stessa sequenza, cambiando solo il blocco camera e azione. Il secondo è il keyframe: genera o fornisci un fotogramma di riferimento e usalo come punto di partenza per l'animazione, così la prima e l'ultima inquadratura di un movimento restano ancorate. Il terzo è la continuity di scena: annota la posizione degli oggetti, la direzione della luce e lo stato dei vestiti, e riportali nel prompt successivo.
Attenzione anche alla continuity di direzione: se un personaggio esce a destra dell'inquadratura, nella scena seguente dovrebbe entrare da sinistra. È una regola classica del montaggio, ma nei video generati va pianificata nel prompt, perché il modello non ha memoria della clip precedente.
Il prompt sonoro: progettare l'audio prima del montaggio
Molti strumenti di generazione video producono anche una traccia audio. Trattare il suono come una conseguenza dell'immagine è un errore: il suono è una parte del progetto, e va descritto con la stessa disciplina del visivo.
Specifica tre livelli. Ambiente: pioggia leggera su lamiera, traffico lontano, vento tra gli alberi, silenzio di una stanza vuota. Effetti sincronizzati: passi su ghiaia, ticchettio di tastiera, porta che si chiude, vetro che si appoggia. Voce: tono, volume, distanza dal microfono, presenza di riverbero. Se la scena prevede dialogo, indica lingua, ritmo e intenzione, e ricorda che la sincronizzazione labiale resta il punto più fragile: spesso conviene generare il video senza voce e registrarla separatamente.
Un suggerimento operativo: progetta l'audio pensando al montaggio finale. Una clip con un ambiente coerente si taglia insieme alle altre molto più facilmente di una clip con musica generata casualmente, che spesso va eliminata.
Ottimizzazione tecnica: modello, durata e risorse
Il prompt giusto su un modello inadatto produce comunque un risultato mediocre. Questa sezione riguarda le decisioni tecniche che determinano costo, tempo e qualità.
Criteri di scelta del modello
Valuta quattro parametri. La resa del movimento: alcuni modelli eccellono nelle azioni fisiche, altri nei volti e nei dettagli. La fedeltà al prompt: alcuni seguono con precisione le istruzioni, altri privilegiano l'estetica e ignorano i dettagli. La durata massima per generazione: clip brevi richiedono più montaggio, clip lunghe richiedono più controllo sulla continuità. La coerenza temporale: se il modello mantiene stabili i tratti del soggetto, puoi costruire sequenze; altrimenti devi lavorare su piani brevi e tagli.
Un metodo semplice: prendi una scena di riferimento e testala su due o tre modelli con lo stesso prompt. Confronta movimento, aderenza e stabilità, non solo la bellezza del fotogramma.
Gestione delle code e delle risorse di calcolo
Le generazioni video sono pesanti: quando il carico aumenta, i tempi di attesa si allungano e il lavoro si blocca. Tre abitudini aiutano. Genera prima a bassa risoluzione per validare composizione e movimento, poi rifinisci i piani approvati. Raggruppa le richieste per progetto invece di alternare scene diverse. Tieni un ordine di priorità: prima i piani che richiedono più tentativi, poi quelli semplici, che puoi lanciare mentre attendi.
Se lavori in team, assegna a un solo ruolo la responsabilità dei test: evita che cinque persone lancino la stessa scena con prompt leggermente diversi, consumando tempo e risorse senza produrre un risultato confrontabile.
Formato, durata e risoluzione
Definisci il formato prima di scrivere i prompt. Verticale per i social, orizzontale per presentazioni e sito, quadrato per alcuni formati advertising. La composizione cambia: nel verticale il soggetto deve stare nel terzo centrale, nell'orizzontale hai spazio per l'ambiente. Esplicita sempre il formato nel prompt, perché il modello altrimenti sceglie in base ai dati di addestramento e puoi ritrovarti con un 16:9 da rifilare, perdendo dettaglio.
Workflow iterativo: dal primo test al montaggio finale
Un flusso di lavoro affidabile ha sei fasi. Prima fase: script visivo, una lista di piani con funzione narrativa. Seconda: definizione della scheda personaggio e della scheda ambiente, da riutilizzare. Terza: generazione di test a bassa risoluzione per verificare composizione e movimento. Quarta: selezione dei piani approvati e raffinamento ad alta risoluzione. Quinta: generazione audio, separando ambiente, effetti e voce. Sesta: montaggio, con particolare attenzione ai tagli sul movimento e all'unità della luce.
Durante il processo tieni un registro: per ogni piano annota prompt usato, modello, seed o variante, tempo di generazione e motivo dell'approvazione. Sembra burocrazia, ma è l'unico modo per riprodurre un risultato gradito. Nei progetti lunghi il seed diventa più importante del prompt stesso.
Errori frequenti e come risolverli
Il video è troppo statico. Aggiungi un movimento di camera principale e uno secondario nell'ambiente. Verifica che il movimento non sia coperto dall'azione del soggetto.
Il personaggio cambia volto tra una clip e l'altra. Congela la descrizione fisica, aumenta il dettaglio su viso e capelli, usa un fotogramma di riferimento come input.
Il risultato ignora parti del prompt. Riordina: metti le istruzioni critiche all'inizio, elimina le contraddizioni e riduci il numero di concetti per clip.
Il movimento è instabile o tremolante. Riduci a un solo movimento, abbassa la velocità, evita termini come «caotico» o «energico» se non vuoi deformazioni.
I colori sono diversi da quelli attesi. Esplicita palette e temperatura colore, e indica il tipo di luce principale invece di affidarti all'atmosfera generale.
Il dialogo non è sincronizzato. Genera senza voce e aggiungi l'audio in post-produzione, oppure limita il dialogo a piani in cui la bocca non è visibile.
FAQ
Il prompt deve essere scritto in inglese?
Molti modelli funzionano meglio in inglese, perché è la lingua più rappresentata nei dati di addestramento. Se scrivi in italiano, mantieni i termini tecnici cinematografici in inglese per i parametri di camera e luce. La coerenza linguistica conta più della lingua scelta.
Quanto deve essere lungo un prompt?
Abbastanza da coprire i quattro strati, non di più. Un prompt efficace sta tra le trenta e le sessanta parole per blocco. Prompt molto lunghi diluiscono le istruzioni e aumentano il rischio che il modello ignori la parte finale.
Posso riutilizzare lo stesso prompt per scene diverse?
Sì, se cambi solo i blocchi variabili. È esattamente il vantaggio della grammatica modulare: la struttura resta, la scena cambia.
Come ottengo un effetto cinematografico senza citare film?
Descrivi la tecnica invece del riferimento: tipo di obiettivo, rapporto d'aspetto, contrasto, grana, temperatura colore, movimento. Sono parametri verificabili e il modello li interpreta in modo più stabile.
Serve un modello diverso per ogni tipo di scena?
Non necessariamente, ma è utile avere un modello di riferimento per i volti e uno per le azioni fisiche. Testa la stessa scena su più modelli e scegli in base alla stabilità, non alla singola immagine.
Quante generazioni servono per un piano utilizzabile?
Con un prompt strutturato, tre o quattro tentativi sono realistici per un piano semplice. Se servono più di dieci, il problema è nel prompt: semplifica e isola una variabile alla volta.
Quando conviene passare a un piano più corto invece di rigenerare?
Quando il problema è la continuità temporale. Un piano breve con un solo movimento si genera in modo stabile e si monta con più libertà; insistere su un'inquadratura lunga e complessa consuma tempo senza garanzie.
