Blog
La maggior parte delle "guide ai suggerimenti sull'intelligenza artificiale" sono scritte da persone che hanno generato forse dieci video. Ti dicono di essere specifico. Ti dicono di aggiungere "4K cinematografico". Poi ti lasciano incagliato nel momento in cui il tuo soggetto si trasforma in uno schizzo di Cronenberg al terzo tentativo.
Di Gürsu Yaman · Fondatore, muvi.video ·
La maggior parte delle "guide ai suggerimenti sull'intelligenza artificiale" sono scritte da persone che hanno generato forse dieci video. Ti dicono di essere specifico. Ti dicono di aggiungere "4K cinematografico". Poi ti lasciano incagliato nel momento in cui il tuo soggetto si trasforma in uno schizzo di Cronenberg al terzo tentativo.
Un messaggio video AI funzionante fa quattro cose contemporaneamente. Nomina un argomento chiaro. Mette quel soggetto in una scena con una geografia reale. Dice alla fotocamera cosa fare. E specifica uno stato d'animo o uno stile a cui il modello può agganciarsi. Salta qualcuno di questi e speri. Colpiscili tutti e quattro e sarai il regista.
Questa guida è la versione lunga. Analizzeremo l'anatomia di un buon suggerimento, i modelli che funzionano su Veo 3.1, Seedance 2.0 e Kling 3.0, gli errori che distruggono i tuoi risultati, il ciclo di iterazione che in realtà si compone e i modelli che puoi utilizzare per cortometraggi TikTok, riprese di eroi del prodotto, scene di dialogo e B-roll. Nessuna sciocchezza, nessun "sblocco della creatività ", nessun esempio falso. Proprio quello che abbiamo imparato spedendo migliaia di clip AI.
Se sei nuovo, inizia prima con come realizzare video AI. Se desideri consigli sulla piattaforma, consulta la nostra suddivisione dei migliori generatori di video AI. Altrimenti entriamo nel merito.
Pulsante CTA: > Prova muvi.video gratuitamente
Ogni buon messaggio video AI è costruito con gli stessi sei ingredienti. Puoi rilasciarne uno occasionalmente, ma i suggerimenti più efficaci li includono tutti e li inseriscono più o meno in questo ordine:
1. Soggetto, chi o cosa è nell'inquadratura 2. Scena, dove sono, cosa c'è intorno a loro, la geografia 3. Azione/Movimento, cosa sta succedendo, chi si muove e come 4. Fotocamera, angolo, distanza, movimento, obiettivo 5. Illuminazione, direzione, colore, umore 6. Stile, riferimento visivo o segnale estetico
Ecco un suggerimento debole: "Uno chef che cucina."
Ecco la stessa idea costruita con i sei ingredienti:
"Uno chef di mezza età con un logoro grembiule blu scuro si trova davanti a un fornello in acciaio inossidabile in un izakaya di Tokyo poco illuminato. Gira un piccolo pezzo di pesce in una padella di ghisa fumante; il pesce fa un arco e atterra piatto. Primo piano medio all'altezza del petto, la fotocamera spinge lentamente verso l'interno la padella. Calda luce al tungsteno dall'alto mescolata con il freddo bagliore blu di una finestra dietro di lui. Obiettivo cinematografico, anamorfico, leggera grana della pellicola."
La prima versione fa indovinare tutto al modello. Il secondo dice esattamente dove posizionare la telecamera, come è illuminato lo chef e come si svolge l'azione, battuta dopo battuta. Modelli come Veo 3.1 non premiano le sciocchezze prolisse, ma premiano questo tipo di specificità stratificata.
La regola pratica delle 30-80 parole
Punta a 30-80 parole per la maggior parte degli scatti. Sotto i 30 sei sotto-diretto. Sopra 100 inizi ad avvertire un rapido affaticamento, i modelli lasciano cadere gli elementi che hai scritto più avanti nella frase. Se la tua scena ha davvero bisogno di più, dividila in due clip e uniscile.
Alcune strutture rapide generalizzano. Lavorano su Veo 3.1, lavorano su Seedance 2.0, lavorano su Kling 3.0. Memorizzali e avrai un'impalcatura per l'80% degli scatti di cui avrai bisogno per scrivere.
L'impostazione predefinita per tutti gli usi. Usalo quando non sei sicuro da dove iniziare.
"Un labrador nero (soggetto) corre lungo un vicolo acciottolato bagnato (azione + ambientazione), carrellata bassa di lato a livello del suolo (fotocamera), riflessi al neon sulle pozzanghere, tavolozza di colori cyberpunk lunatica (stile)."
Ideale quando vuoi che la fotocamera svolga un lavoro di narrazione.
"Grande ripresa aerea di un villaggio di montagna addormentato e innevato all'alba. La telecamera scende lentamente e avanza lentamente attraverso la strada principale, rivelando infine un'unica finestra illuminata dove un fornaio sta impastando la pasta. Tenue luce rosa dell'alba, dolce nevicata."
La formula dialogo/momento del personaggio. Forte di Veo 3.1, gestisce bene le scene multi-beat e genera nativamente audio ambientale e di dialogo insieme al video (secondo la documentazione del prodotto Google, verificare sulla piattaforma).
"Primo piano di una donna che legge una lettera al tavolo di una cucina in legno. Finisce di leggere, espira e i suoi occhi si riempiono di lacrime. Calda luce pomeridiana che entra da una finestra dietro di lei. Fotocamera statica, obiettivo 35 mm, profondità di campo ridotta."
Il cavallo di battaglia dell’e-commerce. Funziona altrettanto bene come messaggio di testo in video o come messaggio di immagine in video con una foto del prodotto allegata.
"Ripresa in studio di una custodia per auricolari wireless nera opaca su un piedistallo di cemento lucido. La custodia ruota lentamente di 90 gradi mentre la fotocamera orbita nella direzione opposta. Luce morbida dei tasti dall'alto a sinistra, luce sottile sul bordo da dietro, profonda caduta delle ombre. Estetica pulita, minimale, premium."
Per spaccati e scatti d'atmosfera che completano un montaggio più lungo.
"Ripresa macro di un espresso che riempie lentamente una piccola tazzina di ceramica bianca. Vapore che si arriccia verso l'alto. Calda luce mattutina dalla finestra a sinistra. Profondità di campo ridotta, leggera grana della pellicola, senza musica."
Quando non vuoi il fotorealismo.
"Animazione 2D disegnata a mano, in stile Studio Ghibli. Una giovane ragazza con un impermeabile giallo salta in una pozzanghera sulla strada piovosa di un villaggio. Spruzzi d'acqua al rallentatore. Sfondi acquerelli tenui, tavolozza pastello tenue, texture delicata dipinta a mano."
Per Veo 3.1 e qualsiasi modello con audio nativo.
"Due amici sono seduti uno di fronte all'altro al tavolo di un ristorante. Quello a sinistra dice: 'Starai bene', in silenzio. L'altro annuisce ma non parla. Luce soffusa e calda dall'alto. Due inquadrature medie, telecamera statica. Rumore ambientale del ristorante, chiacchiere basse, tintinnio di posate distanti."
Scegli uno schema, riempi gli spazi vuoti, genera. Ripeti da lì.
I modelli si generalizzano. Ma ogni modello ha la sua personalità e gli stimoli che lo spingono verso un grande lavoro differiscono. Ecco cosa abbiamo imparato dall'uso quotidiano intenso di tutti e tre.
Veo 3.1 è stato addestrato su molti filmati girati professionalmente e si vede. Quando scrivi in ​​termini cinematografici, "lente anamorfica", "messa a fuoco su rack", "carrello inserito", "luce chiave a 3/4", "profondità di campo ridotta", Veo lo traduce sorprendentemente alla lettera. È anche l'unico modello mainstream che riproduce bene l'audio nativo, quindi se la tua ripresa ha un sound design (dialogo, ambient, SFX), Veo è quello a cui rivolgersi. Resisti all'impulso di sovraccaricare il suggerimento di aggettivi, Veo preferisce una direzione strutturata e specifica a un muro di vibrazioni. Per un approfondimento completo su Veo 3.1, consulta la nostra guida completa a Veo 3.1.
Seedance 2.0 supporta qualsiasi durata di clip intera da 4 a 15 secondi, la gamma più ampia nel catalogo muvi.video. Quando una scena necessita di un arco di movimento sostenuto che il soffitto di 8 secondi di Veo 3.1 non può contenere, Seedance è la strada giusta. Supporta anche sei rapporti d'aspetto (1:1, 9:16, 16:9, 4:3, 3:4, 21:9) rispetto solo a 16:9 / 9:16 di Veo, quindi per i formati vertical-plus, quadrati o ultrawide offre più margine compositivo. La risoluzione è limitata a 720p (1440p nella variante Start/End Frame), quindi riserva Seedance per le scene in cui la durata e la flessibilità delle proporzioni contano più della fedeltà a livello di pixel. La variante Omni-Reference accetta fino a nove riferimenti immagine, tre video e tre audio, utili per la continuità dei personaggi attraverso una serie di clip.
Kling è veloce, il che significa che è perfetto per l'iterazione. Ma funziona peggio di Veo o Seedance quando i suggerimenti diventano lunghi o tecnici. Riduci il vocabolario cinematografico, mantieni i tuoi suggerimenti sotto le 50 parole e appoggiati a semplici descrizioni visive. Kling brilla soprattutto su soggetti umani, volti espressivi e brevi clip in formato social. Se il tuo messaggio richiede tre virgole per descrivere l'illuminazione, stai scrivendo per Veo, non per Kling. Sono disponibili tre varianti: Text-to-Video, Image-to-Video e Kling O3.
Una scorciatoia: prototipa il tuo scatto su Kling perché è economico e veloce. Una volta che l'inquadratura e il movimento sono corretti, rigenera la versione finale su Veo 3.1 utilizzando il prompt che hai ora perfezionato. Il flusso di lavoro a due modelli ti fa risparmiare ore.
Questi sono gli schemi che vediamo più e più volte nei prompt che non funzionano. Ognuno viene fornito con una brutta versione e una riscrittura.
Errore: "Una persona che cammina per strada."
Correzione: "Una donna sulla trentina con un lungo trench beige cammina per una stretta strada parigina, con le mani in tasca."
Il modello necessita di una faccia per il rendering. "Una persona" non dà nulla, sceglierà qualunque cosa suggerisca la media del set di dati e la media è raramente interessante.
Errore: "Un cane che corre in un parco."
Correzione: "Un golden retriever corre dal lato sinistro dell'inquadratura a quello destro, attraverso un ampio prato soleggiato punteggiato di foglie autunnali, alberi ad alto fusto sullo sfondo."
Se il modello non sa dove si trova il soggetto nello spazio, il soggetto finirà per fluttuare. Dai alla fotocamera un'idea di dove le cose sono l'una rispetto all'altra.
Cattiva: "L'auto se ne va."
Correzione: "L'auto rossa si allontana dalla telecamera, accelerando in lontananza, la strada curva leggermente a destra."
"Si allontana" è ambiguo. Verso la telecamera? Lontano da esso? Di lato? Di' al modello il vettore.
Scarsa: "Un video professionale di un tramonto bellissimo, cinematografico, sorprendente."
Correzione: "Un'ampia ripresa statica del sole che tramonta dietro una fila di pini su una collina, il cielo che passa dall'oro al magenta intenso, time-lapse, 4K."
L'impilamento degli aggettivi non aggiunge informazioni. Le modelle non riescono a distinguere "bello" da "splendido". Possono distinguere un campo lungo da un primo piano.
Pessimo: "Anime fotorealistici in stile documentario noir degli anni '50."
Correzione: Scegline uno. Noir fotorealistico. Oppure anime di ispirazione noir. Non fondere estetiche incompatibili, il modello le media e si ottiene un fango visivo.
Scarsa: "Uno scatto verticale in stile TikTok, ma generato in 16:9, poi ritagliato."
Correzione: Genera nelle proporzioni in cui pubblicherai. Il modello compone lo scatto per la tela che gli dai. Uno scatto in 16:9 ritagliato a 9:16 perde sempre il soggetto.
Cattivo: "Una scena in un bar." (su Veo 3.1)
Correzione: "Una scena in un bar. Chiacchiere ambientali, sibilo della macchina per caffè espresso in sottofondo, soft jazz che suona a basso volume."
Veo 3.1 genera audio indipendentemente dal fatto che tu lo diriga o meno. Se non lo specifichi riceverai un lettino ambiente generico. Dedica due secondi a dirgli come suona la stanza.
Nessuno scrive un ottimo suggerimento al primo tentativo. I creatori che ottengono risultati costantemente buoni non sono più talentuosi, iterano con disciplina. Ecco il ciclo che funziona.
Utilizza uno dei modelli della Sezione 3. Non ottimizzare ancora. Metti giù i sei ingredienti.
Usa Kling 2.0 o un altro modello veloce. Non stai cercando di produrre il clip finale, stai testando se il modello ha capito la scena.
Guarda l'output e chiediti: cosa ha sbagliato il modello? Era l'argomento? La telecamera si muove? L'illuminazione? Sii specifico. "Non è quello che volevo" non è una diagnosi.
Questa è la disciplina che la maggior parte delle persone salta. Se la telecamera era sbagliata, cambia solo la linea della telecamera. Se l'illuminazione era sbagliata, cambiare solo la linea di illuminazione. Se riscrivi l'intero prompt, non puoi dire quale modifica ha risolto il problema e commetterai di nuovo lo stesso errore allo scatto successivo.
Salva le istruzioni che funzionano in un documento, organizzate per tipologia, inquadrature di prodotti, scene di dialoghi, paesaggi, momenti dei personaggi. Quando in seguito si presenta uno scatto simile, si inizia da un'impalcatura nota invece che da zero. Dopo alcune settimane, avrai una libreria tempestiva che farà la maggior parte del lavoro pesante per te.
Una volta che un prompt produce risultati affidabili e buoni sul modello veloce, rigenerare la versione finale su Veo 3.1 Standard con lo stesso prompt. La cinematografia rimane la stessa; la qualità della produzione salta.
Questo ciclo sembra lento. Non lo è. Una volta che hai completato tre o quattro iterazioni in un progetto, è più veloce che indovinare e la qualità aumenta perché la tua impalcatura migliora ogni settimana.
Risultati finali diversi, impalcature tempestive diverse. Copiali, modifica le parentesi.
"[Soggetto in abiti interessanti] esegue [singola azione chiara] in [ambientazione urbana o naturale riconoscibile]. Inquadratura verticale in stile telefono, atmosfera energica, luce del giorno brillante, [tavolozza di colori di tendenza]. Movimento rapido, senza rallentatore."
Note: i modelli verticali si compongono meglio quando assegni esplicitamente un nome al formato. Mantieni le azioni semplici, le clip verticali non hanno spazio per scene a più battute.
"Inquadratura ampia di tipo cinematografico di [soggetto] in [ambiente]. Fotocamera lentamente [spingere / dolly indietro / orbita]. Luce dell'ora d'oro, lente anamorfica, profondità di campo ridotta, 4K. Design del suono ambientale sottile."
Note: 16:9 è dove Veo 3.1 brilla. Utilizza questo formato per le aperture, le riprese degli eroi e i B-roll.
"Scatto in studio di [prodotto] su [superficie]. Il prodotto lentamente [ruota/si solleva/si illumina]. Luce morbida da [direzione], luce sul bordo da dietro, caduta di ombre profonde. Premium, estetica minimale, nessuna persona, sfondo pulito."
Note: fai riferimento all'immagine-video qui per scatti accurati del marchio. Blocca lo sfondo in ambienti semplici e affollati che distraggono dal prodotto.
"[Due scatti o primo piano] di [Personaggio A] e [Personaggio B] in [ambientazione]. Il personaggio A dice '[linea]'. Personaggio B [reazione]. [Illuminazione]. Fotocamera statica, obiettivo 35 mm. Ambiente [tonalità della stanza]."
Note: solo Veo 3.1. Altri modelli fingono male i dialoghi. Mantieni le linee brevi, le linee lunghe vanno fuori sincrono.
"Ripresa macro/primo piano di [oggetto con texture o dettaglio]. Sottile [movimento: vapore, increspatura, sfarfallio, oscillazione]. [Luce dell'ora del giorno]. Profondità di campo ridotta. Nessuna musica, solo ambiente."
Note: i clip brevi appaiono più nitidi. Non allungare un tiro B-roll oltre i 5 secondi, l'IA inizierà a inventare il movimento.
Di seguito sono riportati cinque suggerimenti che abbiamo testato su muvi.video utilizzando Veo 3.1, Seedance 2.0 e Kling 3.0. Le descrizioni dell'output sono qualitative, la tua generazione varierà in base alla versione del modello, alla sfumatura del prompt e alla data, quindi trattale come illustrative del tipo di output prodotto dal prompt, non come risultati garantiti.
"Ampia ripresa aerea di un lago alpino vetroso all'alba, la nebbia che si abbassa sull'acqua, le cime innevate riflesse sulla superficie. La telecamera si tira indietro lentamente e si inclina verso l'alto per rivelare la catena montuosa. Luce blu morbida e fredda che vira verso il rosa caldo. 4K cinematografico, anamorfico, senza musica, vento ambientale."
Tipo di risultato: uno scatto di paesaggio cinematografico pulito. Il pull-back e il tilt-up di solito funzionano bene su Veo. Il movimento della nebbia sembra naturale.
"Rotazione lenta di 360 gradi. Illuminazione da studio, superficie in cemento lucidato, luce morbida dai tasti in alto a sinistra, bordo discreto da dietro. Nessun movimento della fotocamera, inquadratura centrale del prodotto." (In allegato: foto del prodotto di un orologio)
Tipo di risultato: una rotazione affidabile degli eroi dell'e-commerce. Kling gestisce le rotazioni brevi in ​​modo pulito quando il prompt è breve.
"Una giovane donna con un lungo cappotto rosso attraversa una piazza innevata di notte, la neve cade pesantemente. Si ferma, alza lo sguardo e sorride. La luce morbida e calda del lampione, sfondo blu freddo. Carrellata media di lato, poi si gira e la fotocamera regge. Obiettivo 35 mm, profondità di campo ridotta."
Tipo di risultato: momento del carattere a più battute. Il soffitto della clip da 8 secondi di Veo 3.1 si adatta alla sequenza "cammina, fermati, guarda in alto, sorridi" con spazio per eseguire ogni battuta e l'audio ambientale nativo (leggera nevicata, tono di città lontana) viene stampato insieme al video senza un passaggio di partitura separato.
"Ripresa macro di cioccolato fondente fuso versato lentamente su una fragola fresca su marmo bianco. Luce calda dall'alto, leggero vapore che sale. Profondità di campo ridotta, riflesso lucido sul cioccolato. Suono sottile, senza musica."
Tipo di risultato: shot di cibo croccante. Il movimento di colata e la superficie riflettente del cioccolato sono i punti in cui il motore fisico di Veo 3.1 dà i suoi frutti.
"Animazione 2D dipinta a mano, stile acquerello. Una piccola volpe entra con cautela in una radura in una foresta profonda al crepuscolo. Le lucciole fluttuano attorno ad essa. Tavolozza tenue, contorni morbidi, texture delicate disegnate a mano, vento ambientale e insetti distanti."
Tipo di risultato: una clip stilizzata con linee coerenti. Kling 3.0 gestisce l'estetica del movimento stilizzato, la texture acquerellata e dipinta a mano risulta più affidabile qui che sui modelli fotorealistici.
Una nota sulla riproducibilità : i modelli video AI cambiano frequentemente e lo stesso prompt eseguito sullo stesso modello a sei mesi di distanza può produrre output notevolmente diversi. Tratta i suggerimenti come impalcature, non come ricette esatte.
D1: Devo scrivere le istruzioni video AI nello stesso modo in cui scrivo le istruzioni di metà viaggio? No. I suggerimenti di metà viaggio funzionano come elenchi di tag separati da virgole ("donna, cappotto rosso, cinematico, 4k, --ar 16:9"). I modelli video funzionano molto meglio con frasi complete che descrivono azione, movimento e tempo. Scrivi le istruzioni video nel modo in cui descriveresti una ripresa a un direttore della fotografia, non nel modo in cui taggheresti un'immagine fissa.
I modelli video AI utilizzano semi casuali, quindi ogni generazione è un nuovo lancio di dadi con il tuo suggerimento come vincolo. Anche lo stesso prompt eseguito due volte produrrà output diversi. La maggior parte delle piattaforme ti consente di bloccare un seme se hai bisogno di riproducibilità , utile quando vuoi testare modifiche immediate senza che il rumore del seme sia d'intralcio.
30-80 parole sono il punto debole per la maggior parte dei modelli. Sotto i 30 anni e sei sotto-regia, il modello colma le lacune con valori predefiniti generici. Oltre 100 e arrivi a un rapido affaticamento, dove il modello inizia a ignorare gli elementi (di solito quelli che hai scritto per ultimi). Per Kling 3.0, resta più vicino a 30-50 parole. Per Veo 3.1 e Seedance 2.0, puoi spingerti verso 80.
Sì, soprattutto su Veo 3.1. "Dolly in", "messa a fuoco su rack", "angolo basso", "obiettivo 35 mm", "anamorfico", tutti questi si traducono nel comportamento effettivo della fotocamera che il modello può riprodurre. Kling è meno reattivo al vocabolario cinematografico, quindi su Kling attenersi a descrizioni più semplici come "la telecamera si muove lentamente verso il soggetto".
A volte. Veo 3.1 e Seedance 2.0 rispondono alla semplice negazione ("nessuna persona sullo sfondo", "nessun testo sullo schermo", "nessuna musica"). Non rispondono in modo affidabile alla negazione astratta come "non sfocato" o "nessun artefatto", sono aspirazionali, non indirizzabili. Usa i negativi con parsimonia e per cose specifiche a cui puoi dare un nome.
Per lo più sì. I modelli nella Sezione 3 sono indipendenti dal modello. Ma otterrai risultati migliori se modifichi il modello in base al modello, rimuovi il vocabolario cinematografico per Kling 3.0, ti appoggi alla flessibilità della durata e delle proporzioni per Seedance 2.0, aggiungi la direzione audio e i termini cinematografici per Veo 3.1. Stessa impalcatura, modifiche leggere.
D7: Esiste un modo "giusto" per combinare le istruzioni da testo a video e da immagine a video? Per la conversione da immagine a video, la richiesta deve solo descrivere il movimento desiderato, l'identità visiva è già nell'immagine. Mantieni le istruzioni da immagine a video brevi (10-30 parole) e focalizzate su ciò che dovrebbe cambiare o muoversi. I lunghi suggerimenti descrittivi sulla conversione dell'immagine in video possono contrastare l'immagine di riferimento e produrre risultati confusi.
I creatori che ottengono un output video AI affidabile e eccezionale non stanno scrivendo istruzioni magiche. Stanno usando gli stessi sei ingredienti, la stessa manciata di schemi e la disciplina di cambiare una variabile alla volta. Questo è tutto. Una volta creata una libreria di prompt personale, alcune dozzine di impalcature organizzate per tipo di ripresa, non si inizia più da zero e la qualità del risultato aumenta di settimana in settimana.
Apri muvi.video, scegli un modello, scrivi un prompt utilizzando uno dei modelli sopra e ripeti. Il primo non sarà perfetto. Il decimo sarà fantastico. Il centesimo sarà nella tua libreria e non lo scriverai mai più da zero.
Pulsante CTA: > Inizia a creare video AI
Ultimo aggiornamento: maggio 2026. Aggiorniamo questa guida man mano che i modelli cambiano e mentre apprendiamo nuovi modelli dal lavoro di produzione.
La maggior parte delle "guide ai suggerimenti sull'intelligenza artificiale" sono scritte da persone che hanno generato forse dieci video. Ti dicono di essere specifico. Ti dicono di aggiungere "4K cinematografico". Poi ti lasciano incagliato nel momento in cui il tuo soggetto si trasforma in uno schizzo di Cronenberg al terzo tentativo.