- Blog
- Esempi di prompt foto a video con l'IA: cinque foto ferme, cinque righe di movimento
Esempi di prompt foto a video con l'IA: cinque foto ferme, cinque righe di movimento
Cinque esempi di prompt foto a video con l'IA per ritratti, prodotti, paesaggi, scene di strada e animali domestici, più le regole per adattarli e sfoltirli.

Una fotografia ferma dice già al modello che aspetto ha la scena. Colore, inquadratura, obiettivo, illuminazione, abbigliamento e la forma esatta del soggetto sono fissati dal file che carichi. Quello che il file non dice è cosa deve succedere dopo. È in questo vuoto che un prompt foto a video con l'IA guadagna il suo spazio: non descrive di nuovo l'immagine, indica quali parti dell'immagine si muovono, in che direzione, a che velocità e quali parti non devono cambiare affatto.
I cinque esempi che seguono rispettano questa regola. Ognuno è un prompt completo per un tipo comune di foto ferma, poi il motivo per cui è scritto così e le parti da cambiare quando la tua foto è diversa. Sono volutamente brevi. Un prompt per una clip di cinque secondi ha spazio per due o tre decisioni, e le clip che sembrano rotte di solito provavano a farne cinque.
L'immagine è l'ancora, quindi il prompt descrive il cambiamento
I modelli da immagine a video sono condizionati dal fotogramma che fornisci, quindi il caricamento decide già il soggetto, l'ambientazione e lo stile. La guida di Alibaba ai suoi modelli video lo dice chiaramente: per il testo a video descrivi l'entità, la scena e il movimento, ma per l'immagine a video è l'immagine a definire tutti e tre e il prompt dovrebbe concentrarsi sul movimento e sui movimenti di camera. La guida ai prompt di Kling fa lo stesso punto in termini di flusso di lavoro: con una foto ferma come punto di partenza, l'immagine fornisce la base visiva mentre il prompt descrive il movimento, la direzione della camera e ciò che cambia nel tempo.
Questo ha una conseguenza pratica. Le parole sull'aspetto in un prompt da immagine a video vengono ignorate o contraddette. Un prompt per un paesaggio che dice "ora d'oro" sopra una foto scattata a mezzogiorno invita il modello a ridipingere il cielo già nel primo fotogramma, cosa che si legge come un difetto e non come una scelta creativa. Il contenuto affidabile sono i verbi: sbattere le palpebre, scivolare, ruotare, assestarsi, attraversare, stringere.
Due righe e un vincolo
Quasi ogni prompt che funziona su una foto ferma si può costruire con due righe e un'istruzione finale.
La prima riga è il movimento: cosa si muove, in che direzione, con quale ampiezza. Nomina un'azione del soggetto e al massimo un'azione dello sfondo. La seconda riga è la camera: avanti, indietro, carrellata laterale, orbita o ferma. Dì "camera fissa" ad alta voce quando non vuoi che nulla si muova, perché la maggior parte dei modelli interpreta il silenzio sul soggetto come permesso di inventare una lenta deriva.
Poi aggiungi il vincolo: il singolo dettaglio per cui scarteresti la clip se lo perdesse. L'esempio della boccetta di profumo di Kling abbina una rotazione lenta e un avvicinamento macro all'istruzione di mantenere l'etichetta nitida e invariata. Quel vincolo fa più lavoro di qualsiasi aggettivo di stile, perché dice al modello quale parte dell'inquadratura non è negoziabile.
Le parole di ampiezza hanno un peso reale in un prompt breve. Nella guida al movimento di Alibaba, velocità e intensità sono impostate esplicitamente, con parole come "lentamente" o "rapidamente" e frasi come "oscillando con violenza". Le piccole parole spostano il risultato di molto, quindi spendile per l'unico movimento che conta.
Esempio 1: un ritratto in cui il volto deve reggere
Camera fissa. La donna sbatte le palpebre una volta ed espira, le spalle che scendono leggermente. Ciocche di capelli alle tempie si muovono in una leggera corrente d'aria. I suoi occhi restano sull'obiettivo e la sua espressione non cambia. Mantieni il volto invariato.
Perché funziona. La deriva dell'identità è il modo in cui i volti falliscono, quindi il prompt spende il suo budget su una piccola azione e un movimento di sfondo, poi chiude con una tenuta esplicita. Non c'è alcun movimento di camera: a questa durata della clip, un avvicinamento su un volto tende ad allungare i lineamenti prima ancora che l'azione arrivi.
Come adattarlo. Cambia l'azione, non il numero. Un uomo in giacca riceve un solo giro di testa; una figura seduta riceve una mano che si sposta sul bracciolo. Mantieni la clausola "l'espressione non cambia" finché l'inquadratura deve restare un ritratto.
Esempio 2: un prodotto su una superficie piana
La camera si avvicina lentamente da un'angolazione alta a tre quarti. La bottiglia ruota di un quarto di giro verso destra. Il bordo della sua ombra si sposta sulla superficie mentre ruota. L'etichetta resta nitida e invariata. Niente mani, nessun oggetto in più.
Perché funziona. Un quarto di giro basta a mostrare che l'oggetto è tridimensionale senza nascondere la faccia frontale. La frase sull'ombra dà alla rotazione qualcosa su cui agire, il che mantiene leggibile il movimento. La lista negativa è lunga solo due voci, che è più o meno quanto un prompt breve riesce a rispettare.
Come adattarlo. Abbina la rotazione alla leggibilità. Se l'etichetta deve essere leggibile nel fotogramma finale, riduci la rotazione a un ottavo di giro o sostituiscila con un leggero passaggio di luce. Per i prodotti morbidi, sostituisci la rotazione con una singola piega o un assestamento.

Esempio 3: un paesaggio con movimento ambientale lento
Camera fissa. Le nuvole scivolano lentamente da sinistra a destra. L'erba in primo piano si muove un po' nel vento. L'orizzonte resta in piano e la luce non cambia.
Perché funziona. I paesaggi falliscono per eccesso di animazione: ogni albero, uccello e nuvola riceve la propria idea di movimento e l'inquadratura diventa rumore. Questo prompt consente due movimenti, dà una direzione a entrambi e poi chiude la porta all'illuminazione, il che impedisce al modello di scivolare in un tramonto inventato.
Come adattarlo. Scegli il movimento che la foto implica. L'acqua riceve un'increspatura e uno spostamento del riflesso; una foresta riceve il movimento della chioma e una foglia che cade; un deserto riceve il tremolio del calore e un lento strisciare dell'ombra. Mantieni la riga "la luce non cambia" a meno che la luce non sia il punto dell'inquadratura.
Esempio 4: una scena di strada o di mercato con traffico sullo sfondo
La camera resta fissa. I pedoni attraversano da destra a sinistra a passo normale, leggermente fuori fuoco. Uno scooter passa dietro di loro una volta. La facciata dell'edificio e l'insegna restano nitide e invariate.
Perché funziona. Le folle sono il punto in cui i modelli da immagine a video producono gli artefatti più evidenti, perché ogni figura diventa candidata a una nuova posa. Dare una direzione alla folla e un solo passaggio a un veicolo mantiene coerente il movimento, e tenere ferma l'architettura dà all'occhio qualcosa di stabile con cui misurare il movimento.
Come adattarlo. Riduci il numero di comparse prima di alzare il dettaglio. Due pedoni che attraversano in una direzione si leggeranno meglio di sei in tre direzioni. Se la foto non ha un soggetto chiaro, aggiungi un piccolo elemento fisso, come un lampione o un portone, e proteggilo con la riga del vincolo.
Esempio 5: un primo piano di un animale domestico
Camera fissa, primo piano. Le orecchie del cane si sollevano e la testa si inclina di qualche grado a sinistra. La lingua si muove una volta. Il disegno del pelo e il colore degli occhi restano invariati. Nessun cambiamento nell'illuminazione.
Perché funziona. Le riprese di animali invitano il modello a inventare l'anatomia: dita in più, una seconda lingua, un muso che si allunga a metà clip. Una tenuta esplicita su disegno del pelo e colore degli occhi dà al modello una ragione per mantenere coerente la superficie, e una piccola inclinazione della testa basta a dare l'impressione di vita.
Come adattarlo. Scala l'azione sulla massa dell'animale. Un gatto riceve un guizzo d'orecchio e la punta della coda; un cavallo riceve una dilatazione delle narici e un passo. Evita azioni su tutto il corpo in un primo piano stretto, perché l'inquadratura non ha spazio per mostrarle completarsi.
Adattare qualsiasi schema alla tua foto
Tre sostituzioni coprono la maggior parte dei casi. Primo, cambia l'azione del soggetto in qualcosa che la posa della foto già sostiene: una figura appoggiata a una ringhiera dovrebbe spostare il peso, non allontanarsi camminando. Secondo, scegli il movimento di camera in base al taglio: un'inquadratura ampia con una forte linea guida accetta una carrellata laterale, mentre un taglio stretto senza margine dovrebbe restare fisso. Terzo, riscrivi il vincolo come la cosa che scarteresti davvero: un'etichetta sfocata, un colore degli occhi cambiato, un orizzonte piegato.
La durata della clip pone il tetto a tutto questo. Molti sistemi da immagine a video producono clip molto brevi per progettazione; la documentazione di Stable Video Diffusion, per esempio, descrive un output di due-quattro secondi condizionato da una singola immagine di input. Due azioni sceneggiate in quattro secondi si daranno fastidio a vicenda, quindi conta le azioni rispetto al tempo prima di aggiungere dettaglio.

Cosa lasciare fuori da un prompt foto a video con l'IA
- Ridire la scena. Il modello vede la foto; una seconda descrizione la contrasta.
- Aggettivi di stile. Lo stile è arrivato con il file. Se la foto è già calda e granulosa, dirlo non aggiunge nulla e chiedere qualcos'altro combatte con l'ancora.
- Due movimenti di camera. Scegline uno e portalo a termine.
- Liste negative lunghe. Due o tre esclusioni vengono rispettate; dieci diventano rumore.
- Istruzioni su audio e dialoghi per un modello muto. Conservale per un modello che prende il suono come input.
Controlla la clip prima di riscrivere il prompt
Esamina tre cose in ordine. Primo la geometria: l'etichetta è ancora l'etichetta, il volto è ancora lo stesso volto, l'orizzonte è ancora in piano. Secondo il tempismo: l'azione è finita o è stata tagliata a metà. Poi il cambiamento indesiderato: la luce si è spostata, è apparso un oggetto, lo sfondo ha fatto crescere una seconda folla.
Dopo di che cambia una riga alla volta, così la clip successiva ti dice quale riga era sbagliata. Se l'azione non è avvenuta affatto, la correzione di solito è una sottrazione: accorcia il prompt e metti il verbo di movimento nella prima proposizione, prima di qualsiasi dettaglio di scena sopravvissuto. Se l'azione è avvenuta ma è andata oltre, tieni la frase e ammorbidisci la parola di ampiezza.
Puoi provare questi schemi sulle tue foto ferme con lo strumento foto a video con IA di KOOX, e se vuoi una serie più ampia di ricette di movimento per un singolo ritratto, la guida ai sei movimenti copre il livello successivo di scelte.