Il prompt è ancora il vero collo di bottiglia
Ogni nuova generazione di modelli video promette di capire meglio le intenzioni dell'utente. In pratica, la distanza tra un risultato mediocre e un risultato credibile continua a dipendere quasi sempre dalla stessa cosa: la qualità e la precisione del testo che dai in input. Un modello eccellente con un prompt vago produce un video generico; un modello medio con un prompt costruito bene produce spesso un clip sorprendentemente solido.
Il motivo è semplice: i generatori video non leggono la tua mente, leggono letteralmente ciò che scrivi. Se chiedi "una donna cammina in città", il modello deve inventare da zero l'età, il vestiario, l'ora del giorno, il meteo, il tipo di strada, la macchina da presa, l'obiettivo, la luce. Ogni scelta lasciata al caso è una scelta che potrebbe andare contro la tua visione. Il prompt engineering video, quindi, non è un esercizio di stile: è la pratica di ridurre l'ambiguità del progetto, lasciando al modello solo lo spazio creativo che desideri davvero.
Questa guida propone un metodo pratico. Non troverai formule magiche da copiare, ma una struttura riutilizzabile per costruire prompt coerenti con qualunque generatore: dai sistemi fotorealistici come Flux, Sora, Veo o Runway, ai modelli con forte personalità registica come Kling, fino alle pipeline open source gestite localmente con Stable Diffusion Video o ComfyUI.
L'anatomia di un prompt iperrealistico
Un prompt per video realistico funziona come una piccola sceneggiatura tecnica. Non deve essere lungo per forza, ma deve essere completo nei punti che contano: soggetto, azione, contesto, resa visiva, movimento.
Soggetto, azione, contesto: la regola dei tre strati
Il primo strato è il soggetto, e va descritto in modo stratificato: chi è, quanti anni ha (anche in modo approssimativo), che tipo di corporatura, che abbigliamento, che espressione, che postura. "Uomo" è troppo poco; "uomo sulla quarantina, barba corta incolta, giacca di lana grigia leggermente consumata, postura stanca ma vigile" dà al modello materiale sufficiente per costruire un volto credibile e coerente.
Il secondo strato è l'azione. Qui la regola è: un solo micro-movimento principale per inquadratura. I generatori gestiscono bene un gesto continuo e leggibile (versare dell'acqua, aprire una porta, girarsi verso la finestra), mentre faticano quando chiedi tre azioni concatenate in pochi secondi. Descrivi quindi il movimento in termini fisici: da dove parte, dove finisce, con che velocità.
Il terzo strato è il contesto ambientale. Non basta "in una cucina": serve stabilire se è mattina o sera, se la luce entra da destra o da sinistra, quanto è grande lo spazio, cosa si intravede sullo sfondo, se l'ambiente è ordinato o caotico. Sono dettagli che riducono drasticamente il tasso di "allucinazione" visiva, cioè la tendenza del modello a inserire oggetti strani o architetture incoerenti.
Dettagli che il modello non può inventare
Alcuni elementi è inutile sperare che il modello li indovini: la forma di un oggetto specifico, il logo su una tazza, il numero di bottoni sul cappotto, la marca di uno strumento. Se un dettaglio è narrativamente importante, va scritto. Se non è importante, conviene ometterlo ed evitare il rischio che il modello lo reinventi in modo sbagliato.
Allo stesso tempo, ci sono elementi che è meglio lasciare fluidi. Descrivere in modo maniacale il fondale di un set complesso porta spesso a un risultato confuso: in quei casi è più efficace definire l'atmosfera ("mercato affollato sotto una pioggia leggera, insegne sfocate, ombrelli colorati") e lasciare che il modello riempia i dettagli.
Lunghezza utile, non decorativa
Un prompt efficace per un video realistico sta spesso tra le 40 e le 120 parole. Sotto le 30 parole mancano vincoli; sopra le 200 parole il modello inizia a ignorare parti del testo, spesso quelle centrali. Se hai molto da dire, privilegia elenchi brevi separati da virgole o da punti, non periodi lunghi con subordinate annidate.
Linguaggio cinematografico: focale, luce, pellicola
L'iperrealismo non nasce solo dalla fedeltà dei volti, ma dalla coerenza del linguaggio visivo. Un video sembra "vero" quando rispetta le regole con cui le macchine da presa reali registrano la luce.
Focale e apertura: i due parametri che cambiano tutto
Indicare una focale equivalente è uno dei modi più rapidi per controllare la percezione dello spazio. Un 24 mm allarga la scena e accentua le linee di fuga; un 35 mm è un buon compromesso per scene con persone in movimento; un 50 mm restituisce una prospettiva vicina all'occhio umano; un 85 mm comprime lo sfondo e rende il soggetto protagonista, ideale per primi piani.
L'apertura, invece, governa la profondità di campo. Un f/1.8 con soggetto a fuoco e sfondo cremoso è la firma visiva di moltissimo cinema moderno, ma applicarlo a ogni inquadratura stanca e può sembrare artificiale. Alternare piani a fuoco profondo e piani a fuoco selettivo dà ritmo.
Grana, formato e resa cromatica
Aggiungere indicazioni sul supporto di ripresa — "ripreso in digitale con lieve grana, look da pellicola 35 mm", "formato anamorfico 2.39:1", "colori desaturati con dominante verde" — orienta il modello verso un'estetica coerente anziché verso il tipico look plastico e sovrasaturo che molti generatori producono di default.
Se stai costruendo una serie di clip, scegli una sola combinazione di formato, grana e palette per l'intero progetto e ripetila identica in ogni prompt. La coerenza cromatica tra inquadrature è uno degli indicatori più forti di professionalità.
Un prompt strutturato di esempio
Immagina di voler ottenere un primo piano notturno. Un prompt ben costruito potrebbe suonare così: "Primo piano di una donna sulla trentina, capelli scuri legati in modo disordinato, giacca di pelle bagnata dalla pioggia, espressione calma ma tesa. Azione: gira lentamente lo sguardo verso la strada. Ambiente: strada urbana di notte, insegne al neon sfocate sullo sfondo, asfalto bagnato con riflessi. Luce: luce principale laterale da insegna al neon, rim light freddo sul bordo del viso, ombre morbide. Tecnica: 85 mm, f/2.0, profondità di campo ridotta, grana sottile, formato 2.39:1. Movimento camera: lenta carrellata laterale verso destra."
Non serve memorizzare lo schema, serve capire l'ordine: soggetto, azione, ambiente, luce, tecnica, movimento. Quell'ordine è leggibile sia per te che per il modello.
Illuminazione volumetrica e fisica dei materiali
La maggior parte dei video AI che "sembrano AI" ha due problemi ricorrenti: luce piatta e materiali inconsistenti. Entrambi si risolvono nel testo.
Sorgenti, diffusione e rimbalzi
Descrivi sempre la direzione della luce principale e la sua qualità. "Luce soffusa da finestra a sinistra, ampia e diffusa" è profondamente diverso da "luce dura da lampada al tungsteno, ombre nette e allungate". Aggiungi un secondo elemento luminoso — un rim light, un rimbalzo dal pavimento, una luce di fondo — e la scena acquisisce tridimensionalità immediata.
Per l'illuminazione volumetrica funzionano bene indicazioni come "fascio di luce visibile attraverso la polvere sospesa", "nebbia sottile che cattura la luce di fondo", "fumo che diffonde la luce laterale". Sono descrizioni fisiche: il modello non deve capire un concetto astratto, deve solo disegnare particelle che intercettano la luce.
Pelle, metallo, tessuto, vetro
Ogni materiale ha un comportamento ottico preciso e conviene nominarlo. La pelle umana ha sottosuperficie e riflessi irregolari: "pelle con texture visibile, pori leggeri, leggero sudore sulla fronte" evita l'effetto ceramica. Il metallo è speculare: "acciaio spazzolato con riflessi netti". Il tessuto è diffuso: "lana spessa che assorbe la luce". Il vetro è ambiguo e va guidato: "vetro trasparente con leggeri riflessi e lieve distorsione dello sfondo".
Un errore comune è dimenticare l'umidità. Pioggia, vapore, superfici bagnate e respiro freddo sono tra gli elementi che più rapidamente fanno percepire un video come reale, perché aggiungono micro-variazioni casuali che l'occhio interpreta come autenticità.
Movimento di camera e coerenza temporale
Il movimento della macchina da presa è parte del prompt quanto il contenuto.
Vocabolario essenziale dei movimenti
Usa termini tecnici riconosciuti, perché sono quelli su cui i modelli sono stati addestrati: carrellata (dolly in / dolly out), panoramica orizzontale o verticale, steadycam a mano, camera a spalla con micro-instabilità, drone in avvicinamento, orbita attorno al soggetto, zoom ottico lento. Aggiungi la velocità: "lentamente", "con decisione", "quasi impercettibile".
Evita di chiedere due movimenti contrastanti nella stessa clip. Un "dolly in mentre la camera orbita e poi si alza" è quasi sempre una richiesta che produce instabilità o morphing.
Coerenza del personaggio tra più scene
Se il tuo progetto prevede più inquadrature con lo stesso protagonista, la coerenza è la sfida principale. Tre accorgimenti aiutano molto. Primo: crea una descrizione canonica del personaggio e incollala identica in ogni prompt, senza sinonimi e senza variazioni. Secondo: usa un'immagine di riferimento o un fotogramma chiave quando il generatore lo permette. Terzo: mantieni costanti abbigliamento, acconciatura e illuminazione principale almeno per blocchi di scene consecutive, così eventuali differenze si notano meno.
Molti modelli soffrono inoltre di deriva temporale: il volto cambia lentamente durante la clip. Per ridurre il fenomeno, tieni i piani corti (3-6 secondi), evita di far ruotare completamente il soggetto e preferisci inquadrature con il viso parzialmente in ombra o di profilo.
Adattare il prompt al modello giusto
Non esiste un prompt universale. Lo stesso testo produce risultati diversi su modelli diversi, e la scelta del modello è una decisione di regia.
Modelli orientati al fotorealismo
Alcuni generatori eccellono nella resa di texture, pelle e dettagli di superficie. Con questi conviene spingere su descrizioni materiali, focale, apertura e micro-dettagli. Sono la scelta migliore per primi piani, prodotti, nature morte e scene statiche ad alta fedeltà.
Modelli orientati alla regia e al movimento
Altri modelli gestiscono meglio la coreografia di scena, i movimenti di camera complessi e la continuità narrativa. Con questi è più utile scrivere in termini di messa in scena: chi fa cosa, dove sta la macchina, come si muove lo spazio. Sono ideali per sequenze d'azione, danza, sport e scene con più persone.
Pipeline locali e controllo estremo
Chi lavora in pipeline locali con strumenti come ComfyUI può concatenare modelli per il primo fotogramma, il movimento e l'upscaling. In quel caso il prompt si scompone: un testo per l'immagine iniziale, uno per il movimento, uno per la rifinitura. La disciplina resta la stessa, ma ogni fase ha bisogno di meno informazioni.
Come scegliere in pratica
Se il tuo obiettivo è realismo fotografico su un volto: modello fotorealistico, focale lunga, luce laterale. Se devi raccontare un'azione con più soggetti: modello registico, inquadratura ampia, un solo movimento di camera. Se ti serve controllo totale e ripetibilità: pipeline locale con seed fisso. Prova sempre lo stesso prompt su due o tre modelli prima di decidere, perché le differenze possono essere enormi.
Workflow operativo in sette passi
Un metodo ripetibile vale più di cento tentativi casuali.
- Definisci l'intento in una frase. Prima di scrivere il prompt, scrivi in italiano semplice cosa deve comunicare la clip. Se non lo sai, nessun prompt lo risolverà.
- Scegli il modello in base all'intento. Fotorealismo, azione o controllo estremo: sono tre strade diverse.
- Scrivi il prompt canonico. Soggetto, azione, ambiente, luce, tecnica, movimento. Una descrizione per il personaggio, riutilizzabile.
- Genera tre varianti brevi. Cambia un solo parametro per volta: la luce, la focale o l'inclinazione della camera.
- Valuta con criteri fissi. Guarda coerenza del volto, aderenza al movimento richiesto, plausibilità dei materiali, stabilità dello sfondo. Assegna un punteggio da 1 a 5 per ciascuno.
- Blocca il seed vincente. Quando trovi una configurazione buona, fissala e usala come base per le inquadrature successive.
- Rifinisci in post. Stabilizzazione, color grading, rimozione di artefatti e montaggio completano ciò che il modello non può garantire.
Errori frequenti, prompt negativi e iterazione
Alcuni problemi ricorrono così spesso da meritare una lista di pronto intervento.
Volti che cambiano. Causa tipica: richieste di rotazione completa o clip troppo lunghe. Soluzione: piani corti, immagine di riferimento, descrizione canonica ripetuta.
Mani deformate. Riduci il movimento delle mani, mettile in ombra, oppure inquadra più largamente. Chiedere "mani perfette" non aiuta quanto evitare che siano protagoniste.
Sfondo incoerente. Aggiungi vincoli semplici sull'ambiente e limita gli elementi in scena. Un fondale con pochi oggetti definiti resiste meglio di uno affollato e vago.
Look plastico. Intervieni su grana, desaturazione, luce direzionale e profondità di campo. Il realismo percepito nasce spesso dalle imperfezioni.
Movimento innaturale. Un solo movimento per clip, velocità dichiarata, riferimenti a tecniche reali di ripresa.
Sui prompt negativi, la regola pratica è usarli in modo chirurgico: elenca solo ciò che il modello tende davvero a inserire (testo sovraimpresso, loghi, watermark, arti extra, volti duplicati). Liste negative lunghissime confondono più di quanto aiutino.
Infine, l'iterazione va fatta con metodo: un cambiamento per volta, seed fisso quando possibile, e un file di appunti con i prompt che hanno funzionato. Dopo dieci generazioni avrai un tuo vocabolario personale, molto più utile di qualsiasi elenco generico.
Domande frequenti
Quanto deve essere lungo un prompt video? Per la maggior parte dei casi tra 40 e 120 parole. La chiarezza batte la lunghezza: se un dettaglio non serve, togli lo.
Serve scrivere in inglese? Molti modelli funzionano bene anche in italiano, ma l'inglese resta la lingua con più dati di addestramento e tende a essere più prevedibile. Un compromesso pratico: prompt in inglese, appunti e struttura in italiano.
Come ottengo davvero l'effetto iperrealistico? Sommando tre cose: luce con direzione definita, materiali nominati correttamente e imperfezioni controllate (grana, umidità, disordine credibile). Il resto è montaggio.
Posso riutilizzare lo stesso prompt per scene diverse? Sì, se cambi solo i parametri variabili. Mantieni fissa la parte tecnica e modifica soggetto, azione e ambiente.
Quante generazioni servono per un risultato buono? Con un prompt strutturato, in genere da cinque a dieci tentativi per clip. Senza struttura, il numero cresce in modo imprevedibile.
Checklist prima di generare
Prima di premere il pulsante, verifica rapidamente: il soggetto è descritto in modo specifico? C'è un solo movimento principale? La luce ha una direzione dichiarata? Ho indicato focale, apertura e formato? Ho definito il movimento di camera e la sua velocità? Ho ripetuto la descrizione canonica del personaggio? Ho evitato richieste contraddittorie?
Se tutte le risposte sono affermative, stai già lavorando con un metodo professionale. Il resto è pratica: ogni generazione ti insegna qualcosa su come quel modello interpreta le parole, e quella conoscenza, accumulata, diventa il tuo vantaggio più concreto.
