Prompt engineering per video AI: guida pratica e workflow

Il prompt non è una didascalia appiccicata a un'idea: è il copione tecnico che il modello legge, interpreta e traduce in immagini in movimento. Due persone possono chiedere «un drone che sorvola una città al tramonto» e ottenere risultati completamente diversi, non perché il sistema sia imprevedibile, ma perché una delle due richieste contiene le informazioni che servono davvero: direzione della luce, quota di volo, velocità, ottica, atmosfera. Imparare a scrivere prompt significa soprattutto imparare a distinguere ciò che è essenziale da ciò che è decorativo, e a trasformare un'intenzione creativa in istruzioni verificabili.

Questo articolo non offre scorciatoie magiche. Offre un metodo: uno scheletro per costruire la richiesta, un criterio per riscriverla quando il risultato non convince, una procedura per mantenere la coerenza tra le clip e una griglia per valutare ciò che hai ottenuto. Sono gli strumenti che separano chi genera dieci versioni a caso da chi arriva alla scena giusta in tre tentativi mirati.

Il prompt è regia, non didascalia

Un modello di generazione video non interpreta un'intenzione come farebbe un operatore sul set. Legge il testo, assegna priorità ai segnali che riconosce e riempie i vuoti con ciò che ha osservato durante l'addestramento. Se la richiesta è ambigua, quei vuoti vengono colmati dal caso statistico: un volto che cambia tratti tra due inquadrature, un movimento di macchina che non avevi chiesto, una luce piatta dove volevi controluce.

La conseguenza pratica è che la qualità del risultato dipende meno dal numero di tentativi e più dalla precisione della prima richiesta. Un prompt ben costruito riduce le rigenerazioni, rende confrontabili le varianti e ti permette di capire che cosa ha funzionato. È la differenza tra premere «genera» sperando bene e condurre un esperimento controllato.

C'è poi una questione di economia del lavoro. Chi produce serie di clip — un lancio prodotto, una sigla, una sequenza narrativa — non può ricominciare da zero ogni volta. La documentazione dei prompt diventa parte del processo, come lo è un foglio di servizio sul set: contiene le decisioni già prese, evita di ridiscuterle e permette a un'altra persona di continuare il lavoro senza ricostruire il contesto a memoria.

Infine, il prompt è lo strumento con cui impari il linguaggio visivo. Ogni volta che devi specificare un'ottica, una qualità della luce o un tipo di raccordo, sei costretto a nominare ciò che vedi. È un esercizio che migliora anche quando torni a girare o a montare senza intelligenza artificiale, perché ti abitua a pensare per variabili invece che per impressioni.

Lo scheletro di un prompt video: cinque blocchi

Un prompt solido risponde a cinque domande: che cosa vedo, come è filmato, come è illuminato, come si muove, in quali condizioni tecniche. L'ordine non è rigido, la gerarchia sì: il soggetto viene prima di tutto, i dettagli atmosferici vengono dopo. Se il soggetto è confuso, nessuna specifica tecnica lo salverà.

Soggetto e azione osservabile

Descrivi il soggetto con elementi verificabili: età apparente, abbigliamento, postura, espressione, oggetti che tiene in mano. Poi indica un'azione singola e osservabile. «Una donna cammina» è debole; «una donna sulla quarantina, impermeabile beige, cammina lentamente verso la vetrina di un negozio chiuso, mani nelle tasche» dà al modello abbastanza vincoli per costruire una scena coerente.

L'ambiente completa il quadro: luogo, ora del giorno, condizioni meteorologiche, presenza o assenza di altre persone. Un dettaglio ben scelto vale più di dieci aggettivi: «marciapiede bagnato», «insegna al neon sbiadita», «cavi elettrici che tagliano il cielo» sono ancore visive, mentre «atmosfera suggestiva» non dice nulla al modello.

Inquadratura e ottica

Qui si gioca la differenza tra un video generico e uno che sembra girato. Usa termini di mestiere: piano medio, primo piano, campo lungo, angolo dal basso, punto di vista soggettivo. Specifica l'ottica — grandangolo da 24 mm, normale da 50 mm, teleobiettivo da 85 mm — perché cambia la resa dei volti e la compressione dello sfondo. Un ritratto a 85 mm con sfondo sfocato racconta intimità; un 24 mm vicino al volto racconta tensione e distorsione.

Se vuoi che il soggetto non sia centrato, dillo: la composizione per terzi influenza il modo in cui il modello distribuisce lo spazio. Indica anche l'altezza della macchina da presa rispetto al soggetto: all'altezza degli occhi, all'altezza della vita, a terra. È un parametro piccolo che cambia completamente il tono della scena.

Luce e palette cromatica

La luce è il parametro che i modelli interpretano con maggiore sensibilità, ed è anche quello che viene omesso più spesso. Nomina la fonte e la direzione: luce finestra laterale, controluce al tramonto, neon freddo dall'alto, luce pratica di una lampada da tavolo. Aggiungi la qualità: morbida, dura, diffusa, contrastata, con ombre nette o sfumate.

Per il colore, scegli una palette coerente invece di elencare cinque aggettivi. «Toni desaturati con accento caldo sulle pelle» comunica più di «bello e colorato». Se lavori su una serie, definisci la palette una volta e ripetila: è uno dei pochi modi affidabili per far sembrare diverse clip parte dello stesso progetto.

Movimento e fisica

Descrivi la fisica invece dell'emozione. Se chiedi «corre veloce», spesso ottieni un movimento instabile o arti deformati; se scrivi «passo lungo, appoggio deciso del piede, busto leggermente inclinato in avanti, braccia che accompagnano il movimento», il modello ha meno margini per inventare. Vale anche per gli oggetti: se un bicchiere cade, indica il punto di impatto e il comportamento atteso — «il liquido si rovescia verso destra, il vetro si frantuma sul pavimento di legno».

Per il movimento di macchina, scegline uno per clip: carrello laterale, dolly in avanti, panoramica orizzontale, macchina a mano, steadicam. Se non vuoi movimento, scrivilo: «camera fissa su cavalletto» è un'istruzione tanto utile quanto «movimento rapido». Due movimenti contrastanti nello stesso prompt producono quasi sempre un'immagine instabile.

Formato, durata e ritmo

Specifica le proporzioni: 16:9 orizzontale per il cinema, 9:16 verticale per i social, 1:1 o 4:5 per alcuni formati pubblicitari. Indica la durata desiderata e il ritmo: «movimento lento e contemplativo» oppure «azione incalzante con tagli frequenti». Se vuoi un look da pellicola con grana visibile, dillo esplicitamente; se vuoi un'immagine pulita e digitale, anche.

Da richiesta vaga a istruzione operativa

Prendi una richiesta tipica e osserva la trasformazione. Versione iniziale:

Un uomo triste cammina sotto la pioggia di notte.

Funziona, ma lascia al modello troppe decisioni: che tipo di uomo, che tipo di pioggia, che tipo di notte, che tipo di tristezza. Versione operativa:

Un uomo di circa cinquant'anni, cappotto scuro bagnato, cammina lentamente lungo un marciapiede stretto di notte. Pioggia fitta visibile contro i lampioni al sodio. Inquadratura a figura intera, obiettivo 50 mm, camera a mano con leggero tremolio. Luce dura dall'alto dei lampioni, ombre lunghe, riflessi sull'asfalto bagnato. Palette blu-verde desaturata con accenti arancio sulle luci. 16:9, ritmo lento, nessun altro passante.

La seconda versione non è più «bella»: è più decidibile. Ogni frase elimina un'ambiguità. Questo è il criterio da usare quando riscrivi: non aggiungere aggettivi, aggiungere decisioni.

Un esercizio utile è la sottrazione. Prendi un prompt che ha funzionato e togli una frase alla volta: se il risultato peggiora, quella frase era portante; se non cambia nulla, era decorazione. In mezz'ora scopri quali informazioni il modello usa davvero e smetti di scrivere prompt da trecento parole che si contraddicono.

Un secondo esercizio è la segmentazione. Molti prompt falliscono perché contengono due scene: «l'uomo esce dal bar e attraversa la strada sotto la pioggia». Il modello tende a fondere i due momenti in un unico movimento ibrido. Spezza in due clip, una per l'uscita e una per l'attraversamento, e otterrai due risultati utilizzabili invece di uno confuso.

Coerenza tra le clip: la parte che nessuno pianifica

La coerenza è il problema principale quando passi da una clip a una sequenza. Un personaggio che cambia naso tra due inquadrature rovina la sospensione dell'immaginazione più di qualsiasi errore tecnico. Non esiste una soluzione magica: esistono procedure ripetibili.

La scheda personaggio

Parti da un'immagine di riferimento generata o caricata, poi costruisci una scheda scritta: tratti del volto, colore e taglio dei capelli, corporatura, abbigliamento, accessori ricorrenti, segni distintivi. Ripeti la scheda, quasi identica, in ogni prompt della sequenza. Se disponibile, usa un generatore di immagini AI per fissare il volto prima di animarlo: correggere un ritratto statico costa molto meno che correggere un video intero.

Attenzione a un dettaglio controintuitivo: cambiare ottica e distanza tra una scena e l'altra è la causa più frequente di volti incoerenti. Se la scena uno è un primo piano a 85 mm e la scena due un campo medio a 35 mm, il modello ricostruisce il volto da zero e lo fa diverso. Mantieni almeno due parametri stabili — tratti e distanza — e varia solo l'angolazione.

Raccordi e continuity

Descrivi la posizione del soggetto rispetto all'inquadratura e allo spazio: «a sinistra del frame, di spalle, porta a destra». Mantieni coerenti oggetti e ambiente: se nella scena uno c'è una tazza sul tavolo, nella scena due deve essere nello stesso punto o essere scomparsa per un motivo narrativo. Per le transizioni, specifica il tipo di raccordo: stacco netto, dissolvenza breve, movimento di macchina che collega i due ambienti.

Regola pratica: cambia un parametro per volta tra una clip e l'altra. Se modifichi insieme luce, ottica e posizione, non saprai mai quale modifica ha rotto la continuità, e ti ritroverai a rigenerare l'intera sequenza.

Primo frame, ultimo frame e keyframe

Quando lo strumento lo consente, sfrutta il controllo sui fotogrammi chiave: definisci il primo frame della clip e, se possibile, l'ultimo. Questo riduce la deriva del movimento e ti permette di concatenare due clip con precisione. Un metodo semplice: esporta l'ultimo frame della clip A, usalo come primo frame della clip B e scrivi nel prompt di B solo ciò che cambia. La continuità visiva diventa così una conseguenza del flusso di lavoro, non della fortuna.

Adattare il prompt al contesto

Lo stesso scheletro funziona ovunque, ma i pesi cambiano. Un prompt per la pubblicità e un prompt per un cortometraggio non hanno lo stesso ordine di priorità, anche se condividono la struttura di base.

Clip cinematografica

Dai priorità a luce, ottica e composizione. Una clip di 5-8 secondi con un solo movimento di macchina racconta più di dieci secondi caotici. Aggiungi riferimenti di genere — thriller degli anni Settanta, neorealismo, fantascienza minimalista — ma scegli un solo riferimento per volta: due estetiche diverse nello stesso prompt producono un ibrido che non assomiglia a nessuna delle due.

Prodotto e advertising

Qui la precisione vince sull'atmosfera. Specifica il prodotto, il materiale, il tipo di superficie, la rotazione desiderata e lo sfondo. «Bottiglia di vetro trasparente su piedistallo nero, rotazione lenta di 90 gradi, luce strip laterale che disegna il profilo, riflesso controllato, 16:9» è un prompt che un reparto creativo può approvare senza chiedere dieci varianti. Aggiungi vincoli di brand quando esistono: colore del packaging, posizione del logo, tipo di riflesso ammesso.

Verticale per i social

Il formato 9:16 cambia la composizione: il soggetto deve stare nel terzo centrale, i dettagli importanti non devono finire ai bordi. Prevedi spazio per il testo in alto o in basso e scrivilo nel prompt. Privilegia un hook visivo nei primi due secondi: un gesto, un cambio di luce, un movimento verso la camera. I template video aiutano a mantenere coerenti formato e ritmo su una serie di clip destinate alla stessa piattaforma.

Documentario e ricostruzione

L'obiettivo è la plausibilità, non la perfezione. Evita il look troppo patinato: chiedi grana, luce naturale, camera a mano, imperfezioni. Specifica l'epoca con dettagli concreti — abbigliamento, tecnologia visibile, insegne, materiali — invece di citare un decennio e sperare che il modello indovini. Per le ricostruzioni è utile prevedere inquadrature brevi e frammentarie: reggono meglio l'ambiguità dello sguardo documentario.

Un workflow iterativo in sei passi

1. Scrivi una sinossi di tre righe con inizio, centro e fine della clip.
2. Traduci la sinossi in un prompt completo usando i cinque blocchi: soggetto, macchina da presa, luce, movimento, tecnica.
3. Genera una prima versione breve o a risoluzione ridotta per valutare composizione e movimento.
4. Confronta il risultato con l'intenzione e annota una sola variabile da cambiare.
5. Modifica quella variabile, mantieni tutto il resto identico e rigenera.
6. Salva i prompt che funzionano in una libreria personale, con nota sul contesto d'uso.

Questo ciclo sembra lento, ma è molto più rapido del tentativo casuale. La regola è semplice: se cambi tre cose insieme e il risultato migliora, non saprai mai quale delle tre ha funzionato, e la volta successiva ripartirai dall'intuizione invece che dal metodo. Una libreria di prompt organizzata per genere e formato riduce drasticamente il tempo di partenza, soprattutto quando lavori su più progetti in parallelo.

Un'accortezza organizzativa: nomina i file con lo schema progetto-scena-versione, ad esempio «spot-bici-sc03-v2». Sembra burocrazia, ma è ciò che ti permette di tornare indietro a una versione che funzionava dopo dieci esperimenti andati male.

Errori comuni e come correggerli

Errore	Sintomo	Correzione
Prompt enciclopedico	La scena ignora il soggetto principale	Metti il soggetto nella prima frase, i dettagli dopo
Troppi movimenti	Immagine instabile e confusa	Un solo movimento di macchina per clip
Aggettivi astratti	Risultato generico	Sostituisci con dettagli osservabili
Luce non specificata	Illuminazione piatta	Indica fonte, direzione e qualità
Più scene nello stesso prompt	Il modello fonde ambienti diversi	Una clip, un'azione, un ambiente
Personaggio ridescritto ogni volta	Volto incoerente	Usa una scheda personaggio ripetuta
Formato omesso	Crop indesiderati	Specifica sempre le proporzioni

Un errore meno visibile è la sovra-specifica: prompt lunghissimi che si contraddicono. Se chiedi «luce notturna» e «sole pieno», il modello sceglierà arbitrariamente e tu non saprai perché il risultato è strano. Rileggi sempre cercando conflitti, non aggiunte.

Un altro errore frequente è la fretta nella valutazione: guardare la clip una volta sola e scartarla. Il movimento va osservato almeno due volte, una per la composizione e una per la fisica. Molti difetti — piedi che scivolano, mani che si fondono, ombre incoerenti — si notano solo alla seconda visione.

C'è infine l'errore opposto: innamorarsi di una clip solo perché è tecnicamente pulita. Una scena ben renderizzata ma fuori tono rispetto al resto del progetto è un costo, non un risultato. Prima di approvare, chiediti se quella clip può stare accanto alle altre senza sembrare di un altro film.

Valutare un prompt con una griglia semplice

Valuta quattro dimensioni, assegnando un punteggio da uno a cinque: aderenza al soggetto, coerenza del movimento, qualità della luce, stabilità tra le scene. Se il soggetto è corretto ma la luce è sbagliata, il prompt è buono e va solo rifinito. Se il soggetto è sbagliato, il problema è nella gerarchia delle informazioni: riscrivi l'apertura, non i dettagli.

Tieni un registro delle varianti. Anche solo tre righe per esperimento — prompt, modifica, esito — creano un patrimonio riutilizzabile. Con il tempo noterai che i tuoi prompt migliori hanno una struttura ricorrente e un vocabolario stabile: è quello il vero risultato del lavoro sul prompting, molto più di una singola clip riuscita per caso.

Se lavori in team, condividi la griglia. Discutere un punteggio è più produttivo che dire «non mi convince»: costringe a indicare quale delle quattro dimensioni sta fallendo e quale parte del prompt va toccata. In un flusso di revisione con il cliente, la griglia diventa anche uno strumento di comunicazione: invece di ricevere un «non è quello che volevo», ricevi un'indicazione su luce o movimento, che puoi tradurre direttamente in una modifica del testo.

Domande frequenti

Serve un prompt lungo per ottenere qualità? No. Serve un prompt completo. Quaranta parole precise battono duecento parole decorative. La lunghezza utile è quella che elimina le ambiguità, non quella che impressiona chi legge.

Posso usare lo stesso prompt con strumenti diversi? Sì, ma aspettati variazioni. Ogni sistema interpreta diversamente il linguaggio cinematografico e la fisica. Mantieni la struttura e adatta il vocabolario dopo due o tre prove comparative, invece di riscrivere tutto da capo. La pagina delle alternative agli strumenti di video AI è utile proprio per capire quali differenze aspettarti.

Come mantengo lo stesso volto in più clip? Con un'immagine di riferimento, una scheda personaggio scritta e ripetuta, e inquadrature simili per ottica e distanza. Cambiare obiettivo tra una scena e l'altra è la causa più frequente di volti incoerenti.

È meglio descrivere l'emozione o il comportamento? Il comportamento. «Spalle curve, sguardo basso, respiro lento» funziona meglio di «molto triste», perché offre segnali visivi concreti che il modello può tradurre in postura e luce.

Quante rigenerazioni servono in media? Dipende dalla complessità, ma un prompt ben strutturato riduce i tentativi a pochi cicli mirati. Se ti servono molte prove, il problema è quasi sempre nella prima frase o in un conflitto interno al testo.

Che fare se il movimento è sempre troppo rapido? Indica la velocità in termini fisici — «passo lento, un metro al secondo», «carrello che avanza di mezzo metro in tre secondi» — e aggiungi il tipo di appoggio della macchina da presa. Le indicazioni quantitative funzionano meglio degli avverbi.

Il prompt può sostituire la sceneggiatura? No, la affianca. La sceneggiatura decide cosa raccontare, il prompt decide come appare. Chi salta il primo passaggio si ritrova con clip belle e scollegate, difficili da montare in una sequenza che abbia senso.

Come gestisco le comparse e la folla? Descrivile in modo aggregato e funzionale: «una decina di passanti sfocati sullo sfondo, direzione opposta al soggetto». Chiedere dettagli individuali a ogni persona aumenta il rischio di volti deformati senza aggiungere nulla alla scena.

Dai forma alla tua prossima idea con Orelon

Scrivere buoni prompt è un mestiere fatto di decisioni, non di fortuna. Inizia da una scena breve, applica i cinque blocchi, cambia una variabile per volta e conserva ciò che funziona. Con Orelon puoi trasformare queste indicazioni in clip vere usando il generatore video AI, esplorare esempi nel blog Orelon e confrontare approcci diversi nella pagina Orelon vs Kling AI. La tua prossima inquadratura parte da una frase scritta bene.