Prompt da immagine a video: uno scheletro in cinque righe che resiste a qualsiasi immagine fissa

Un prompt da immagine a video non è la descrizione di una scena. La scena è già sullo schermo: il colore del cappotto, la luce della finestra, la forma del bicchiere, il taglio esatto. Ciò che un'immagine fissa non può dire al modello è cosa deve succedere dopo, ed è l'unica cosa su cui vale la pena spendere parole.

La maggior parte dei clip deludenti nasce da prompt che raccontano al modello la fotografia che ha già davanti. Dieci aggettivi su una donna con un cappotto rosso non danno al generatore nulla da animare, così aggiunge di suo la deriva, lo zoom, la lenta oscillazione. I prompt che tengono sono più brevi e più strutturati: una riga per bloccare l'inquadratura, una per indicare un'unica azione visibile, una per prendere una decisione di camera, una per fissare il ritmo e una per elencare ciò che non deve cambiare.

Quello che l'immagine ha già deciso

Una foto di partenza arriva con gran parte del prompt già compilata. Il soggetto è scelto, la luce ha una direzione, la composizione ha un taglio e la palette è fissa. La guida ai prompt di Kling espone un quadro in sei parti - soggetto, azione, scena, camera, illuminazione, atmosfera - e quando animi un'immagine fissa, quattro di quelle sei sono già visibili nel file. Solo azione e camera sono davvero aperte, e l'atmosfera è di solito implicita nella luce che comunque non puoi cambiare.

Ecco perché un prompt da immagine a video dovrebbe essere molto più breve di un prompt da testo a video. La libreria di prompt di Founderz formula lo stesso requisito nella direzione opposta: un buon prompt video AI indica un'azione visibile, l'inquadratura e il movimento di camera, la luce, la durata e ciò che non deve cambiare. Su un'immagine fissa, la luce è data. Le altre quattro spettano a te.

Tratta quindi il prompt come un budget di movimento. Ogni frase spesa a ribadire l'immagine è una frase che non hai speso sul cambiamento, e il modello riempie quel vuoto con movimento generico: una spinta lenta che nessuno ha chiesto, un tremolio su tutto il fotogramma, un soggetto che inizia a respirare quando dovrebbe restare immobile.

Lo scheletro in cinque righe

Scrivi cinque righe in questo ordine. Insieme arrivano a circa quaranta o sessanta parole, la misura giusta per un clip di pochi secondi.

• Ancoraggio. Blocca ciò che il modello non è autorizzato a ridisegnare: «stessa inquadratura, stesso obiettivo, stessa luce dell'immagine di partenza». Senza un ancoraggio il modello tratta la foto come un suggerimento e la ricompone, ed è da lì che nascono tagli sbagliati e orizzonti che scivolano.
• Azione. Un solo verbo visibile legato a un solo soggetto: «gira la testa di pochi gradi verso la finestra e si ferma». Un'azione, non una sequenza. Due azioni in un clip di solito significano che nessuna delle due si completa.
• Camera. Indica un solo movimento e la sua entità: «lenta spinta in avanti, che termina circa il dieci per cento più vicina, centrata sull'etichetta». Se l'inquadratura non ha bisogno di movimento di camera, dillo esplicitamente: «camera statica» è un'istruzione valida e spesso migliore.
• Ritmo. Lega l'azione al tempo: «quasi immobile per il primo secondo, la rotazione si completa entro il terzo, l'ultimo secondo resta fermo». I modelli distribuiscono il movimento su tutto il clip per impostazione predefinita, e il risultato sembra una deriva lenta costante; dargli una scansione temporale rende il movimento intenzionale.
• Elenco dei blocchi. Le cose che non devono cambiare o non devono comparire: «l'etichetta resta rivolta verso la camera e resta nitida, nessuna mano entra nel fotogramma, nessun oggetto nuovo, bocca chiusa». Le aspettative negative funzionano solo quando sono specifiche.

Leggi le cinque righe in ordine e hai un piano di ripresa che sta in un messaggio. Leggile fuori ordine, o saltane una, e di solito puoi prevedere quale errore otterrai.

Quattro foto, un solo scheletro

Lo scheletro è trasferibile perché non nomina mai un soggetto. Ecco le stesse cinque righe compilate per quattro tipi comuni di immagine di partenza.

Un ritratto davanti a una finestra. Ancoraggio: stesso taglio, stessa luce laterale morbida. Azione: gira la testa leggermente verso la finestra e si assesta. Camera: statica. Ritmo: quasi immobile per il primo secondo, la rotazione finisce entro il terzo, poi tiene fino alla fine. Elenco dei blocchi: stessa attaccatura dei capelli e stessa linea dello sfondo, bocca chiusa, nessuna mano. La piccola azione è il punto: una rotazione della testa di pochi gradi sembra viva, mentre una rotazione completa del corpo dà al modello il tempo di inventare un secondo volto.

Un prodotto su fondo continuo. Ancoraggio: stessa composizione centrata e stessa ombra sulla superficie. Azione: la bottiglia ruota non più di quindici gradi perché l'etichetta prenda la luce. Camera: spinta in avanti molto lenta. Ritmo: la rotazione parte subito, la spinta continua in modo uniforme fino all'ultimo fotogramma. Elenco dei blocchi: il testo dell'etichetta resta nitido e leggibile, nessun riflesso attraversa l'etichetta, nessuna particella fluttuante. I clip di prodotto falliscono prima sul testo, quindi qui è l'elenco dei blocchi a fare quasi tutto il lavoro.

Un drink con vapore visibile. Ancoraggio: stesso bicchiere, stesso bordo del tavolo, stessa controluce. Azione: il vapore sale e si dirada; la condensa resta dov'è. Camera: statica. Ritmo: continuo, senza easing, movimento uniforme per tutto il clip. Elenco dei blocchi: niente versamenti, niente ghiaccio nuovo, nessun movimento del liquido. Il movimento ambientale è il più facile da ottenere, perché il soggetto stesso non deve cambiare: solo l'aria intorno.

Un interno o un paesaggio. Ancoraggio: stesso orizzonte e stessa inquadratura. Azione: la tenda si muove leggermente; le foglie in lontananza si spostano. Camera: lenta deriva laterale verso destra. Ritmo: velocità costante dal primo all'ultimo fotogramma. Elenco dei blocchi: l'orizzonte resta in piano, nessun mobile nuovo, nessuna persona. È l'unico caso in cui una camera in movimento si guadagna il suo posto, perché un'inquadratura con primo piano, piano intermedio e sfondo si separa in strati mentre la camera si sposta: l'effetto che fa sembrare tridimensionale un'immagine piatta.

Prendi una decisione di camera, non tre

La riga della camera è dove i prompt di solito esagerano. L'analisi di Getimg sui movimenti di camera cinematografici nell'AI espone l'argomento con chiarezza: ognuno dei sette movimenti standard - spinta in avanti, rivelazione in arretramento, carrellata laterale, orbita, rivelazione in inclinazione, salita con gru, inseguimento a mano - fa un lavoro specifico, e scegliere quello giusto conta più che impilarne diversi. La loro diagnosi del fallimento comune è esatta: il risultato ottiene uno zoom casuale, una deriva instabile o una camera che fluttua senza direzione, perché nessuna decisione di camera è stata presa.

Ne seguono due conseguenze pratiche. Primo, indica anche la velocità oltre al movimento, perché «spinta in avanti» da sola può arrivare come un balzo. Secondo, verifica se il fotogramma di partenza può sostenere il movimento che vuoi. Una deriva laterale o un'orbita hanno bisogno di profondità da rivelare; su un fotogramma piatto, con tutto su un solo piano, non c'è nulla da separare e lo stesso movimento sembra una scivolata. Se la tua foto è piatta, scegli una spinta in avanti e lascia che sia l'azione del soggetto a portare il clip.

Leggi il clip per sintomo, poi correggi una riga

Quando un clip non riesce, la tentazione è riscrivere tutto. Resisti. Quasi ogni fallimento corrisponde a una sola riga dello scheletro, e correggere quella riga è una modifica da dieci secondi.

• Tutto il fotogramma deriva o respira: la riga dell'ancoraggio o della camera è vaga. Aggiungi «camera statica, inquadratura bloccata su cavalletto» e ripeti l'inquadratura originale.
• Il volto cambia identità tra i fotogrammi: sta succedendo troppo in una volta. Blocca la camera e riduci l'azione a un solo piccolo movimento.
• Tutto si muove insieme, anche cose che dovrebbero restare ferme: l'elenco dei blocchi manca o è troppo astratto. Nomina gli elementi che restano fermi.
• Sembra uno zoom da presentazione senza vita: la riga del ritmo è assente, quindi il movimento è distribuito in modo uniforme. Dai all'azione un inizio, una fine e una tenuta finale.
• Compare un oggetto nuovo o un paio di mani: l'elenco dei blocchi ha bisogno di un divieto netto: «nessuna mano entra nel fotogramma, nessun oggetto nuovo, nessun testo aggiunto».
• Il clip crolla alla fine o va in loop male: l'ultimo secondo non è mai stato scritto. Dichiara com'è il fotogramma finale e taglia lì.

Tieni i segmenti brevi e taglia invece di estendere

La generazione è breve per progetto, ed estendere un clip tende ad accumulare piccoli errori: il volto si ammorbidisce, l'etichetta si deforma, lo sfondo acquista dettagli che non c'erano. Pianifica una manciata di segmenti puliti invece di una lunga ripresa unica. Scrivi le stesse cinque righe per ogni segmento, cambiando solo l'azione e la scala della camera, poi montali su un battito di movimento. Il risultato si legge come una sequenza invece che come una singola inquadratura che si degrada.

Dove usare lo scheletro

Il generatore di video da immagine Wan 2.6 di KOOX AI è costruito esattamente su questa divisione: fornisci l'immagine di partenza, poi descrivi movimento, direzione di camera e atmosfera, e itera finché il clip corrisponde all'obiettivo. La pagina dice esplicitamente che l'immagine originale serve a tenere stabili identità del soggetto, inquadratura e composizione mentre si aggiunge il movimento: è la riga dell'ancoraggio, imposta dallo strumento più che dalle tue parole.

Se preferisci partire da una foto che hai già invece di generare un nuovo fotogramma, lo strumento per convertire una foto in video segue la stessa struttura in tre passi e funziona meglio con un'immagine nitida e ben illuminata e un soggetto visibile. E se vuoi spingerti più a fondo nel linguaggio della camera rispetto a un singolo movimento, le cinque ricette di inquadratura spiegano come dirigere una breve sequenza invece di un solo clip.

Un controllo pre-volo da sessanta secondi

Prima di premere genera, rileggi il prompt e rispondi a cinque domande. L'inquadratura è bloccata? C'è esattamente un'azione visibile? C'è esattamente una decisione di camera, con una velocità? Il movimento è scandito nel tempo? C'è un elenco delle cose che non devono cambiare o comparire?

Cinque sì, e hai un prompt che puoi diagnosticare. Un no, e sai quale riga modificare prima di spendere un'altra generazione. Lo scheletro non è una formula per una buona idea: è ciò che ti permette di capire, dal risultato, se il problema era l'idea o la formulazione.