Creare video con l'IA da testo: il prompt giusto

Cosa capisce un generatore di video IA (e cosa no)

Un generatore di video IA non gira un film: produce una singola inquadratura di 5 o 10 secondi. In quello spazio funziona bene una cosa sola: un soggetto riconoscibile che compie un'azione semplice, con un movimento di camera chiaro. Una tazza di caffè che fuma sul davanzale mentre la camera si avvicina piano. Un ciclista che attraversa un ponte all'alba, ripreso di lato. Un cane che scuote l'acqua dal pelo in riva al lago, al rallentatore.

Il modello ragiona per immagini in movimento, non per trama. Se gli chiedi «una ragazza si sveglia, fa colazione, esce di casa e incontra un amico al parco» proverà a infilare quattro scene in 5 secondi e il risultato sarà confuso: tagli impossibili, oggetti che cambiano forma, personaggi che non restano gli stessi. Quella storia va divisa in quattro clip, uno per azione, e poi montata.

Ci sono cose che oggi i modelli fanno male, e conviene saperlo prima di spendere crediti:

• Testo leggibile nell'immagine. Insegne, cartelli, etichette e titoli escono spesso con lettere storpiate o inventate. Se ti serve una scritta, aggiungila dopo in montaggio.
• Marchi e loghi esatti. Il modello non riproduce fedelmente il logo di un'azienda né il design preciso di un prodotto reale. Per un prodotto tuo, parti da una foto come primo fotogramma.
• Mani e gesti complessi. Suonare il pianoforte, allacciare le scarpe, contare con le dita: più dita in movimento ci sono, più è facile che qualcosa si deformi.
• Storie lunghe e continuità. Lo stesso personaggio in due clip separati non avrà per forza la stessa faccia o gli stessi vestiti, a meno di usare la stessa immagine di riferimento.
• Persone reali. Non chiedere video di persone che esistono davvero senza il loro consenso: il fornitore del modello può rifiutare la richiesta.

Se il tuo punto di partenza è già una foto, per esempio un ritratto di famiglia o lo scatto di un prodotto, non serve descrivere tutto da zero: è più diretto animare una foto con l'IA e scrivere solo il movimento che vuoi.

Prompt per video IA: la formula della scena

Un buon prompt per video IA risponde a sei domande, sempre nello stesso ordine. Non servono parole difficili: serve che ogni elemento ci sia.

1. Luogo. Dove siamo e in che momento: «una cucina di campagna», «un molo di Genova di notte», «un bosco di faggi in autunno».
2. Soggetto. Chi o che cosa si vede, con due o tre dettagli fisici: «un pescatore anziano con il maglione blu», «una moka d'acciaio», «una volpe rossa».
3. Azione. Un verbo, una sola cosa che succede: «ritira la rete», «inizia a borbottare», «salta un tronco».
4. Tipo di inquadratura. Quanto è vicina la camera: campo lungo, piano americano, primo piano, dettaglio.
5. Movimento di camera. Ferma su cavalletto, carrellata in avanti, panoramica da sinistra a destra, ripresa aerea, camera a mano.
6. Luce. Ora del giorno e qualità: luce dorata del tramonto, nebbia del mattino, neon, luce morbida da finestra.

Vediamo la differenza con due esempi.

Prompt debole: «un bel video del mare». Non c'è soggetto, non c'è azione, non c'è camera. Il modello sceglie a caso e ottieni un paesaggio generico che non useresti.

Prompt efficace: «Scogliera sul mare in Sardegna al tramonto, onde che si infrangono sulle rocce e schiuma bianca, campo lungo, ripresa aerea lenta che avanza verso il faro, luce dorata e calda». Qui il modello sa cosa mettere al centro, cosa deve muoversi e come deve muoversi la camera.

Prompt debole: «un uomo cucina la pasta, poi la serve agli amici che ridono e brindano». Sono tre azioni e un gruppo di persone: troppo per 5 secondi.

Prompt efficace: «Cucina di casa, pentola d'acqua che bolle sul fornello, una mano versa gli spaghetti, dettaglio dall'alto, camera ferma, vapore in controluce dalla finestra». Un'azione sola, un'inquadratura sola. I brindisi diventano un secondo clip.

Tre regole pratiche che fanno risparmiare tentativi:

• Descrivi ciò che si vede, non ciò che si prova. «Atmosfera nostalgica» dice poco; «luce gialla, pellicola leggermente sgranata, colori spenti» dice molto.
• Un solo movimento di camera. «Zoom avanti mentre gira intorno e poi sale» produce movimenti nervosi. Scegline uno.
• Lunghezza giusta. Due o tre frasi bastano. In Airpic hai fino a 800 caratteri, ma oltre le quattro righe i dettagli finali tendono a perdersi.

Verticale, orizzontale o quadrato: il formato giusto

Il formato si decide prima di scrivere, perché cambia la composizione. Lo stesso faro inquadrato in verticale e in orizzontale richiede due descrizioni diverse.

• 9:16 verticale per Reel, TikTok, Storie e YouTube Shorts. Lo schermo del telefono è stretto: funzionano soggetti alti o singoli (una persona in piedi, una bottiglia, una torre) e movimenti verticali (camera che sale, oggetto che cade). Lascia aria in alto e in basso, perché lì le app mettono nome utente, didascalia e pulsanti.
• 16:9 orizzontale per YouTube, presentazioni, siti web e schermi grandi. È il formato dei paesaggi, delle panoramiche laterali e delle scene con due elementi affiancati.
• 1:1 quadrato per i post del feed e per le inserzioni che devono stare bene sia su telefono sia su computer. Funziona con un soggetto centrato e una camera quasi ferma.

Un errore frequente è generare in 16:9 e poi ritagliare in verticale: perdi gran parte dell'immagine e spesso il soggetto esce dal quadro. Se il video finirà su Instagram, generalo direttamente in 9:16. Se invece hai un video orizzontale lungo già girato, per esempio un'intervista, lo strumento adatto non è il generatore ma creare short da un video, che ritaglia in 9:16 seguendo il volto e aggiunge i sottotitoli parola per parola.

Anche la durata va scelta con criterio. Cinque secondi bastano per un'apertura, uno stacco o un'inquadratura di prodotto. Dieci secondi servono quando il movimento è lento (una ripresa aerea, una nuvola che passa) e ha bisogno di tempo per leggersi. Per una sequenza più lunga, meglio più clip da 5 secondi uniti in montaggio che un unico clip da 10 in cui succede troppo.

Da testo a video IA: prova in bozza, genera in qualità

Il modo più costoso di usare un servizio da testo a video IA è lanciare subito la qualità massima e scoprire dopo sei minuti che la camera va nella direzione sbagliata. Il prompt quasi mai è giusto al primo colpo: conviene separare la fase in cui si cerca l'idea da quella in cui si produce il clip finale.

In Airpic ci sono quattro livelli:

• Bozza (480p, con audio): per controllare composizione, movimento e ritmo. Costa una frazione della versione buona.
• Normale (768p, senza audio): per i social, dove il video si guarda sul telefono.
• 2K (senza audio): quando serve più definizione, per esempio su un sito o su uno schermo grande.
• Cinema (720p, con audio): il modello più curato nei movimenti e nei materiali, con il suono generato insieme all'immagine.

Il costo di ogni livello è indicato sulla pagina dello strumento e lo vedi prima di premere Genera. I crediti si scalano al momento della generazione e tornano da soli se il video non esce.

Quanto si aspetta davvero? Nelle nostre prove del 15 ottobre 2026 una bozza di 5 secondi con audio è stata pronta in 88 secondi, mentre la versione di alta qualità a 1280 × 720 px ha richiesto circa 400 secondi. In pratica, nel tempo di una versione buona puoi provare quattro bozze, cambiando un elemento per volta: prima la luce, poi il movimento di camera, poi l'inquadratura.

Un metodo che funziona:

1. Scrivi il prompt con la formula della scena e genera una bozza.
2. Guarda solo tre cose: il soggetto è quello giusto? La camera si muove come volevi? Il clip ha un inizio e una fine puliti?
3. Cambia una sola parola chiave e rigenera la bozza. Se cambi tutto insieme, non capisci che cosa ha migliorato il risultato.
4. Quando la bozza ti convince, rilancia lo stesso testo in Normale, 2K o Cinema.

Un avvertimento onesto: la bozza ti dice se l'idea regge, non come sarà ogni dettaglio. Il modello della versione finale è diverso e reinterpreta la scena: la composizione resta simile, ma texture, volti e piccoli oggetti cambiano. Se in bozza ti piace proprio quella foglia che cade in quel punto, non è detto che la ritrovi. Per fissare un elemento preciso (un personaggio, un prodotto, uno stile) aggiungi un'immagine di riferimento, che diventa il primo fotogramma in entrambe le versioni.

Un'altra cosa da sapere: a differenza degli strumenti per le immagini di Airpic, che lavorano su GPU nell'Unione Europea, qui il testo e l'eventuale immagine vanno al fornitore del modello (MiniMax o BytePlus) e ad Anthropic, che riscrive il prompt. Il video non resta da noi: si cancella 1 ora dopo il download, 24 ore al massimo.

Passo a passo in Airpic

Ecco il percorso completo, dalla frase al clip montato.

1. Apri lo strumento e scrivi in italiano. Vai su creare video con l'IA da testo e descrivi la scena con la formula: luogo, soggetto, azione, inquadratura, movimento di camera, luce. Non serve scrivere in inglese.
2. Aggiungi un'immagine, se ti serve. È facoltativa. Usala quando vuoi che il video parta da un prodotto, un personaggio o uno stile preciso: diventa il primo fotogramma.
3. Scegli formato e durata. 9:16 per Reel e TikTok, 16:9 per YouTube e siti, 1:1 per il feed. 5 secondi per le prove e le aperture, 10 per i movimenti lenti.
4. Scegli Bozza per il primo tentativo e premi Genera. Il costo del livello è visibile prima di confermare.
5. Leggi il prompt che scrive l'IA. Claude trasforma la tua descrizione in un prompt cinematografico in inglese e te lo mostra. È il momento di controllare: se ha capito «panoramica» invece di «carrellata», o ha aggiunto persone che non volevi, correggi la tua frase rendendo esplicito quel punto.
6. Guarda la bozza e rifinisci. Un elemento per volta, come nella sezione precedente. Quando sei soddisfatto, rigenera con lo stesso testo in Normale, 2K o Cinema e scarica l'MP4.
7. Unisci più clip in un video solo. Se la tua idea è una piccola sequenza (apertura, dettaglio, chiusura), genera un clip per inquadratura con la stessa immagine di riferimento, così personaggi e colori restano coerenti. Poi caricali nell'editor video con IA: ti chiede formato, durata, ritmo e stile, propone ordine, tagli e transizioni, e lo correggi scrivendo («metti il faro alla fine», «più lento all'inizio»). L'anteprima nel browser è gratuita; paghi solo quando esporti.

Se vuoi affiancare ai clip generati un vecchio video del telefono girato a bassa risoluzione, puoi migliorare la qualità di un video in 4K prima di montarlo, così la sequenza non avrà salti di nitidezza. Per cominciare, scrivi la tua prima scena su Video da testo e prova una bozza.

FAQ

Continua a leggere