7 correzioni al prompt quando il tuo video AI viene male

La maggior parte delle clip AI venute male non è un problema del modello. È un prompt con un difetto specifico, e quel difetto lascia un'impronta: mani che si fondono, un soggetto che resta immobile, una camera che non si muove mai, una giacca che cambia colore a metà strada. Una volta che sai leggere l'impronta, ognuna delle correzioni qui sotto richiede una sola modifica.

Questo articolo è organizzato per sintomo e non per principio. Se vuoi le basi — soggetto, stile, luce, composizione — parti da come scrivere prompt migliori e torna qui quando una generazione specifica si comporta male. Tutto quello che segue presuppone che tu scriva già prompt ragionevoli e voglia sapere quale parola cambiare quando una clip fallisce.

Gli esempi usano i modelli disponibili nello spazio di lavoro video di OmniArt — Seedance, Veo 3.1, Kling, Grok Imagine, PixVerse V6 e C1 — perché parte del lavoro di diagnosi consiste nel riconoscere quando un sintomo si risolve meglio con un modello diverso che con più testo nel prompt.

Cambia una variabile alla volta#

Prima delle singole correzioni, adotta l'abitudine che le rende tutte più rapide: cambia una cosa per generazione. Riscrivere tutto il prompt dopo una ripresa venuta male non ti insegna niente, perché non puoi sapere quale modifica ha aiutato.

Durata, risoluzione, formato e immagini di riferimento influenzano il risultato tanto quanto le parole, quindi annota le impostazioni insieme al testo del prompt. Due o tre passate ragionate battono quasi sempre dieci riscritture.

Correzione 1: volti, mani e arti si deformano a metà clip#

Cosa vedi: il primo fotogramma è pulito, poi le dita si fondono, un volto slitta via dal cranio o compare un braccio in più durante una rotazione.

Perché succede: il modello sta interpolando un corpo attraverso posizioni che il tuo prompt non ha mai descritto. Movimenti rapidi degli arti, inquadrature ravvicinate sulle mani, occlusioni (una mano che passa davanti a un volto) e durate lunghe moltiplicano tutti il numero di fotogrammi che il modello deve inventare.

La correzione: riduci ciò che va inventato. Allarga l'inquadratura di una misura, nomina in modo esplicito la meccanica del corpo e tieni le mani ferme oppure su una traiettoria semplice. Anche partire da un'immagine pulita invece che dal testo ancora l'anatomia, perché il modello eredita un corpo corretto invece di tirarlo a indovinare.

Per le riprese incentrate sulle persone, Veo 3.1 e Kling tendono a tenere bene la struttura del corpo per tutta la durata, e la generazione da immagine a video su qualunque modello batte quella da testo a video quando è l'anatomia il punto di rottura. Se devi tenere il primo piano, accorcia la clip e accetta un movimento solo invece di due.

Correzione 2: il soggetto ignora l'azione che hai chiesto#

Cosa vedi: inquadratura, luce e stile corrispondono al tuo prompt, ma il soggetto se ne sta lì a respirare, oppure esegue un movimento generico da fermo invece dell'azione che avevi specificato.

Perché succede: l'azione è sepolta. Se il verbo sta alla fine di una lunga frase descrittiva, o si contende lo spazio con altri tre verbi, il modello lo tratta come un attributo in più di una scena immobile. I verbi vaghi («interagire», «godersi», «esplorare») non hanno alcuna forma visiva, quindi non succede niente.

La correzione: metti soggetto e azione all'inizio, usa un solo verbo fisico e concreto al presente e descrivi il punto d'arrivo dell'azione. Sposta tutta la parte di stile — obiettivo, palette, atmosfera — dopo l'azione, così si legge come decorazione e non come proposizione principale.

Seedance risponde bene a questo modo di scrivere in stile lista di riprese, e PixVerse C1 è una scelta ragionevole quando il brief è un singolo movimento controllato: una rotazione, un braccio che si allunga, la presentazione di un prodotto.

Correzione 3: il movimento di camera non avviene, o combatte con il soggetto#

Cosa vedi: hai chiesto una carrellata in avanti e hai ottenuto un'inquadratura bloccata. Oppure la camera si muove, ma il soggetto slitta in modo strano sullo sfondo e la ripresa sembra una foto deformata invece di uno spostamento nello spazio.

Perché succede: due cause, e si somigliano. O il movimento è dichiarato come un effetto senza motivazione («zoom in», «movimento di camera cinematografico»), oppure hai impilato istruzioni contraddittorie: una carrellata in avanti mentre il soggetto cammina verso la camera, una panoramica più un'inclinazione più una gru in una clip di quattro secondi.

La correzione: un solo movimento di camera per clip, nominato in linguaggio cinematografico, legato a qualcosa che accade nell'inquadratura. Poi controlla i conflitti: se il soggetto si muove verso l'obiettivo, la camera deve restare ferma o ritirarsi, non avanzare.

Kling e Seedance accettano bene entrambi le indicazioni di camera esplicite, e Grok Imagine merita una prova per i movimenti più liberi ed energici, dove l'inquadratura esatta conta meno della sensazione. Se un movimento continua a non registrarsi, descrivi il cambiamento in ciò che vede lo spettatore — «lo skyline entra nell'inquadratura dal basso» — invece di nominare l'attrezzatura.

Correzione 4: la scena deriva o l'identità cambia a metà clip#

Cosa vedi: il soggetto inizia come una persona e finisce come un suo cugino. Una giacca rossa diventa bordeaux, la vetrina di un negozio sullo sfondo si riorganizza, la stanza si fa crescere una seconda finestra.

Perché succede: nella generazione non c'è nulla che fissi l'aspetto. I prompt testuali descrivono una categoria, non un individuo, quindi ogni fotogramma è libero di reinterpretare «giovane donna con giacca rossa» in modo un po' diverso. Durate più lunghe e sfondi affollati accelerano la deriva.

La correzione: ancora con un'immagine, poi descrivi solo ciò che cambia. Quando carichi un riferimento o un fotogramma iniziale, ripetere l'aspetto completo nel prompt fa attivamente danno: il testo si mette in concorrenza con l'immagine. Tieni lo sfondo semplice e spezza le idee lunghe in diverse riprese brevi invece di un unico piano lungo.

Correzione 5: testo e loghi vengono illeggibili#

Cosa vedi: un'insegna che recita «SHOPP», l'etichetta di un prodotto che si dissolve in pseudo-lettere, un logo che muta ogni pochi fotogrammi.

Perché succede: i modelli video generano il testo come texture e non come glifi, e qualunque movimento ridisegna quella texture fotogramma per fotogramma. Caratteri piccoli, testo su superfici curve o in movimento e testo su un piano in prospettiva sono i casi peggiori.

La correzione: smetti di chiedere al modello video di comporre il testo. Genera il fotogramma con un modello di immagini, dove puoi iterare sulla tipografia a basso costo, poi anima quel fotogramma. Nel prompt video, cita la stringa esatta, tienila breve e mantieni la superficie con le lettere il più piatta e stabile possibile.

Su OmniArt puoi fare quel primo passaggio con un modello di immagini come GPT Image 2 o Seedream 5.0 Pro, poi mandare il fotogramma approvato in un modello video dentro lo stesso spazio di lavoro. Per qualunque cosa destinata a un cliente, tratta il testo leggibile come un lavoro che parte dall'immagine, per impostazione predefinita.

Correzione 6: il movimento è troppo rapido, tremolante o a scatti#

Cosa vedi: la clip va come se fosse a velocità 1,5x, oppure il soggetto vibra leggermente, oppure il movimento avanza a scatti visibili invece che in modo fluido.

Perché succede: gli aggettivi di intensità vengono letti come velocità. «Dinamico», «esplosivo», «energico» e «pieno d'azione» spingono il modello a stipare più cambiamento nello stesso numero di fotogrammi. L'altra causa comune è chiedere troppi eventi in troppo poco tempo: tre battute in quattro secondi non lasciano fotogrammi a nessuna di loro.

La correzione: cancella le parole di intensità e specifica invece il ritmo. Dai una battuta per clip, dichiara che la ripresa è continua e, se l'azione ha davvero bisogno di più tempo, chiedi una durata maggiore invece di un'esecuzione più veloce.

Se il tremolio è fine e non strutturale, prova un livello superiore della stessa famiglia di modelli — un livello standard invece di uno fast o mini — perché i livelli più bassi scambiano stabilità temporale con velocità e costo.

Correzione 7: audio e sincronizzazione labiale non tornano#

Cosa vedi: la bocca si muove prima o dopo le parole, il dialogo continua con le labbra chiuse, oppure il parlato finisce sepolto sotto una musica che il modello ha aggiunto da sé.

Perché succede: la sincronizzazione labiale richiede che la bocca sia visibile e che la battuta sia abbastanza corta per stare nella clip. Un dialogo lungo in una ripresa di cinque secondi costringe il modello o ad accelerare la bocca o a rinunciare al sincrono. Descrizioni d'ambiente come «con una colonna sonora epica» invitano un tappeto musicale che si mette in concorrenza con la voce.

La correzione: un solo parlante, una sola battuta breve tra virgolette, bocca inquadrata bene e senza ostacoli, e nessuna istruzione audio in concorrenza. Di' cosa deve stare in silenzio con la stessa precisione con cui dici cosa deve sentirsi.

Veo 3.1 genera audio nativo, dialogo compreso, e PixVerse V6 supporta l'audio sul piano gratuito di OmniArt. Quando il modello che ti serve non ha suono nativo, la strada affidabile è generare la clip muta e produrre la voce a parte con un modello di sintesi vocale come MiniMax Speech 2.8 o ElevenLabs, poi montarle insieme. Così ti restano anche i secondi ciak sulla lettura senza rigenerare l'immagine.

Riferimento rapido da sintomo a correzione#

Usalo come tabella di triage quando una clip torna sbagliata. Cambia la voce della prima colonna prima di toccare qualunque altra cosa.