Scrivere prompt video efficaci
In questa pagina
Aggiornato il 3 novembre 2026. Basato sulle pagine Video Overview e Video Generation di xAI e sulla sua guida per i prompt di immagini: xAI ti chiede di descrivere l’intera inquadratura, inclusi movimento della camera, luce e suono. La regola del “massimo due o tre frasi” della versione precedente non compare in nessuna pagina di xAI; anzi, la guida per le immagini raccomanda dalle quattro alle sei frasi per una singola immagine. Questa lezione copre anche il 1080p per i modelli 1.5, i nove rapporti d’aspetto e la traccia audio generata di default. Fonti: Video Overview · Video Generation · Image Prompting Guide.
L’arte del prompt video
La qualità del video generato dipende direttamente dalla precisione del tuo prompt, e un prompt video richiede più di un prompt per immagini. Mentre una descrizione statica basta per produrre un’illustrazione, un prompt video deve trasmettere anche il movimento, la temporalità e la dinamica della scena e, poiché il video viene fornito con la sua colonna sonora, ciò che vi si ascolta. Un prompt che descrive perfettamente un ambiente senza mai dire cosa si muove rischia di produrre un’inquadratura quasi congelata, tecnicamente animata ma visivamente priva di vita. Questa lezione ti insegna a strutturare le tue descrizioni per ottenere il massimo dai modelli Grok Imagine Video.
Le quattro componenti di una buona descrizione
Un prompt video efficace articola quattro livelli di informazione, su cui lavori separatamente.
Il primo è il soggetto: l’elemento o gli elementi principali della scena, descritti con sufficiente precisione affinché il modello non debba inventare nulla. Scrivere “un uccello” lascia campo aperto; scrivere “un colibrì con piume iridescenti blu e verdi” fissa l’aspetto e rende le tue generazioni più coerenti da un tentativo all’altro.
Segue l’azione, la componente più decisiva nel video. Non basta dire che qualcosa si muove; devi specificare il movimento, la sua direzione e la sua intensità. “Un uccello che vola” è un’intenzione, non un’istruzione di messa in scena. “Un colibrì che si nutre da un fiore di ibisco rosso, con le ali che battono rapidamente” fornisce al modello un gesto, un bersaglio e un ritmo.
Il terzo livello è l’ambiente: il luogo, la luce, il meteo e l’atmosfera. Un semplice “in un giardino” lascia al modello la scelta del momento e della stagione. “In un rigoglioso giardino tropicale, con la luce dorata del tardo pomeriggio che filtra attraverso il fogliame” imposta l’atmosfera e, incidentalmente, la direzione della luce sul tuo soggetto.
Infine, lo stile visivo, che determina il rendering: cinematografico, documentaristico, animato. Una frase come “stile cinematografico, profondità di campo ridotta, colori caldi” stabilisce un registro pubblicitario, mentre “animazione 3D stilizzata, palette pastello” ti porta in un universo completamente diverso con la stessa scena di partenza.
L’ordine conta. La guida di xAI per i prompt di immagini, scritta per le immagini fisse ma utile anche qui, osserva che un prompt che inizia con l’atmosfera, la grana della pellicola o un elenco di divieti produce una scena raffinata in cui il soggetto è mera comparsa. Quindi inizia con il soggetto e la sua azione, e lascia lo stile per la fine.
Due livelli specifici per il video: camera e suono
Per il text-to-video, xAI riassume la sua istruzione in una frase: descrivi l’inquadratura, inclusi movimento della camera, luce e suono. Due di questi elementi non esistono nelle immagini fisse.
La camera si controlla con il vocabolario delle riprese: inquadratura statica, zoom lento, carrellata, vista da drone, timelapse. Gli esempi nella documentazione di xAI li usano così come sono: uno zoom lento su un podio in passerella, una camera che scivola da una porta soleggiata a una finestra, una ripresa con drone tra le cime, un timelapse di un fiore che sboccia. Se non dici nulla, lasci questa scelta al modello.
La luce beneficia di essere descritta come fa la guida per le immagini di xAI: la sua fonte, direzione e durezza, abbastanza forti da mantenere il soggetto leggibile. “Sole pomeridiano duro da sinistra” dice al modello cosa illuminare; “bella luce” non gli dice nulla.
Il suono fa parte del risultato: un video generato include di default una traccia audio, con sincronizzazione labiale su grok-imagine-video-1.5 e la sua versione -lite. Descrivi quindi il paesaggio sonoro che desideri—pioggia sul selciato, mormorio di una stanza, musica dolce—oppure disattiva la traccia con "generate_audio": false se intendi aggiungere la tua colonna sonora in post-produzione.
Un ultimo dettaglio operativo cambia il modo in cui scrivi: sui modelli 1.5, il text-to-video genera prima un’immagine fissa dal prompt, per poi animarla. La scena di partenza deve quindi leggersi come un’immagine nitida—soggetto, decoro, luce—e il movimento come ciò che accade dopo.
Tre prompt, tre stili
Questi livelli si combinano in modo diverso a seconda della destinazione del clip. Per uso pubblicitario, curi materiali e luce, e l’azione rimane minima ma perfettamente descritta:
A steaming cup of coffee on a rustic wooden table,
steam rising in gentle spirals. Natural side light from
the left, very slow zoom toward the cup, shallow depth of
field, advertising style. Muted coffee shop ambiance.
Per la visualizzazione di dati destinata a una presentazione, il movimento diventa strutturale—trasporta l’informazione—e lo stile diventa volutamente sobrio. Questo video verrà riprodotto sotto un commento dal vivo: legalo muto, con "generate_audio": false.
A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.
Nell’animazione creativa, infine, il soggetto può essere astratto, purché la trasformazione sia descritta con precisione:
Abstract geometric shapes transforming fluidly
into one another, vivid color palette on black background.
Camera slowly orbits the shapes, contemporary motion design
style, synth pads.
Prenditi un momento per identificare, in ciascuno di questi tre blocchi, dove si trovano soggetto, azione, ambiente e stile, e poi camera e suono. Questo esercizio di lettura rende naturale la scrittura successiva.
Adattare i parametri al contenuto
Il prompt non lavora da solo: durata, rapporto e risoluzione devono rispondervi. La durata varia da 1 a 15 secondi, 8 di default. Una durata da 1 a 3 secondi si adatta a una singola azione, una transizione o un rendering in stile GIF; da 4 a 7 secondi, ottieni una breve scena con inizio e fine; tra 8 e 15 secondi, entri nella sequenza narrativa con evoluzione. Più il video è lungo, più tempo richiede la generazione, e il prezzo è conteggiato al secondo: inizia breve e aumenta progressivamente.
Scegli il rapporto in base alla destinazione finale. L’API ne offre nove: 16:9 (default) per widescreen, web e presentazioni, 9:16 per mobile, storie e Reels, 1:1 per post social e miniature, 4:3 e 3:4 per presentazioni e ritratti, 3:2 e 2:3 per un rendering fotografico, 21:9 per un formato cinema ultra-wide, 5:2 per un banner o un’intestazione di sito. Nell’image-to-video, questa scelta scompare: l’output segue il rapporto dell’immagine.
Per quanto riguarda la risoluzione, mantieni 480p per anteprime e bozze—questo è il valore predefinito e il rendering è più veloce—poi passa a 720p o 1080p quando il clip entra in produzione. Il 1080p esiste solo sui modelli 1.5: nativo su grok-imagine-video-1.5, ottenuto tramite upsampling dal 720p sulla sua versione -lite, mentre grok-imagine-video si ferma al 720p. Per video semplici, xAI raccomanda grok-imagine-video-1.5-lite, il più economico al secondo, e riserva grok-imagine-video-1.5 per immagini di riferimento, voci, immagini imposte e 1080p nativo.
Cosa fa fallire un prompt
Cinque insidie ricorrono spesso. La prima è il prompt troppo vago: “una bella scena” non contiene informazioni utilizzabili. La seconda è il prompt che vuole raccontare tutto—molti soggetti, molte location, molte scene in pochi secondi. Per una storia a più inquadrature, segui l’esempio Storyboard to Short Film dal cookbook di xAI: spezza la narrazione in quattro inquadrature, genera ciascuna separatamente, con la sua scena e il movimento di camera, poi assemblale in montaggio. La terza, già menzionata, è l’assenza di movimento descritto, che produce un’inquadratura statica. La quarta risiede nei conflitti logici: chiedere “un gatto che vola nell’acqua” pone il modello di fronte a una contraddizione, e il risultato sarà probabilmente incoerente. La quinta è l’elenco di negazioni—“niente auto, niente testo, niente folla”. La guida per le immagini di xAI nota che un lungo elenco di elementi da evitare viene facilmente ignorato e riempie il prompt di oggetti che finiscono per apparire: descrivi invece ciò che vuoi vedere.
Per quanto riguarda la lunghezza, la documentazione di xAI non fornisce una misura ideale per il video e non quantifica il limite oltre il quale un prompt troppo lungo viene rifiutato (errore invalid_argument). La sua guida per le immagini suggerisce dalle quattro alle sei frasi per una singola immagine: il soggetto e i suoi dettagli, poi il decoro, la luce e l’inquadratura. Per un’inquadratura video, parti da questa struttura e aggiungi azione, camera e suono.
Per esercitarti, scrivi un prompt completo per tre destinazioni diverse: un video di sfondo per il sito web di un ristorante, un clip di 3 secondi per una storia Instagram di un marchio di abbigliamento e un’animazione astratta per una presentazione tecnica. Su ciascuno, verifica che i quattro livelli siano presenti, che camera e suono siano descritti—or che la traccia audio sia disattivata—e che durata e rapporto corrispondano all’uso previsto.
Punti chiave
- Un buon prompt video contiene soggetto, azione, ambiente e stile, iniziando dal soggetto
- xAI chiede inoltre di descrivere il movimento della camera, la luce e il suono
- La traccia audio è generata di default;
"generate_audio": falseproduce un video muto - Adatta durata (da 1 a 15 s, 8 di default), rapporto (nove formati) e risoluzione (fino a 1080p sui modelli 1.5) all’uso finale
- Una storia a più inquadrature si genera inquadratura per inquadratura, poi si monta
- Descrivi ciò che vuoi vedere piuttosto che ciò che non vuoi