Modelli video

I modelli video possono partire da un testo, da un'immagine o da più riferimenti insieme. Il video da solo testo lascia al modello quasi tutte le decisioni visive: utile per esplorare idee, poco adatto a un film in cui personaggi e luoghi devono restare coerenti.

Il video da immagine, invece, parte dal fotogramma chiave che hai preparato e lo anima. Composizione, luce e personaggi sono già decisi; il prompt si concentra su cosa succede: azioni, movimenti di camera, ritmo, suono. Per un film è quasi sempre la scelta migliore, insieme all'omni reference che vedremo nel capitolo 10.

In praticaUsa il video da solo testo per le prove di stile e le idee. Per le inquadrature del film, parti sempre da un fotogramma o da riferimenti precisi.

Molti modelli permettono di indicare non solo il fotogramma iniziale, ma anche quello finale. Il modello genera tutto ciò che accade tra i due, rispettando entrambi. È uno strumento potentissimo per controllare un'azione precisa: un personaggio che si alza, una porta che si apre, una camera che passa da un campo lungo a un primo piano.

Funziona meglio quando i due fotogrammi sono coerenti tra loro, con lo stesso luogo e la stessa luce, e quando la distanza tra i due non è troppo grande. Se l'inizio e la fine sono troppo diversi, il modello dovrà inventare un percorso e il risultato sarà meno naturale.

In praticaGenera il fotogramma finale partendo da quello iniziale con il modello immagini, chiedendo solo il cambiamento che vuoi. Così i due saranno sicuramente coerenti.

Seedance 2.5 è il modello video di ByteDance, uscito a fine luglio 2026. Genera fino a 30 secondi di video con audio in una sola volta, con suono e immagini creati insieme e sincronizzati, e si può prolungare in più passaggi fino a ottenere sequenze di qualche minuto mantenendo coerenti personaggi e ambienti.

Il suo punto di forza è il racconto: dentro i 30 secondi organizza più inquadrature collegate tra loro, con un inizio, uno sviluppo e una conclusione, e gestisce bene le transizioni tra una e l'altra. Accetta moltissimi riferimenti, fino a 30 immagini, 10 video e 10 audio in una sola generazione, e mantiene aspetto e voce di più personaggi nella stessa scena. Permette anche modifiche mirate a punti precisi della clip.

In praticaDati aggiornati a ottobre 2026. Gli stessi produttori indicano come punti ancora da migliorare i movimenti fisici molto complessi e le scene con molti soggetti che interagiscono.

Kling 4 è il modello video di Kuaishou, lanciato a livello mondiale a metà ottobre 2026. Genera clip fino a 30 secondi e permette di estendere un video esistente fino a due minuti. Rispetto alle versioni precedenti punta su movimenti più stabili e naturali, anche nei movimenti di camera complessi come carrellate, panoramiche e movimenti orbitali.

Accetta fino a 15 riferimenti tra immagini, video e audio per mantenere coerenti i personaggi tra inquadrature ed episodi, e permette di fissare fino a 10 fotogrammi chiave per controllare con precisione l'evoluzione della scena. I video di riferimento, anche grezzi come modelli 3D senza texture o mappe di profondità, possono guidare recitazione, azione, camera e ritmo. Sono in arrivo l'uscita in 4K HDR e il formato ultra panoramico.

In praticaDati aggiornati a ottobre 2026: le funzioni annunciate come in arrivo potrebbero essere già disponibili quando leggi.

I due modelli sono molto vicini come qualità, e la scelta dipende dall'inquadratura più che dal progetto. Seedance 2.5 è particolarmente forte nel costruire sequenze narrative di più inquadrature dentro una sola generazione e nel gestire molti riferimenti insieme, compreso l'audio con le voci dei personaggi.

Kling 4 è particolarmente forte nella stabilità dei movimenti e nei movimenti di camera complessi, e offre un controllo molto preciso tramite i fotogrammi chiave. In pratica molti autori li usano entrambi nello stesso film, scegliendo di volta in volta quello che rende meglio la scena. L'importante è mantenere la coerenza di stile, con gli stessi riferimenti e la stessa frase di stile in entrambi.

In praticaPer una scena difficile, genera la stessa inquadratura con entrambi i modelli e tieni la migliore. Costa un tentativo in più, ma spesso fa la differenza.

Poter generare clip da 30 secondi non significa che ogni inquadratura debba durare 30 secondi. Nel cinema un'inquadratura media dura pochi secondi, e solo alcune scelte precise, come un piano sequenza, ne durano di più. La durata della generazione è un contenitore: dentro può esserci un'unica inquadratura lunga o una sequenza di inquadrature brevi.

Decidi la durata in base al ritmo della scena, come abbiamo visto nel capitolo sul montaggio del primo percorso. Una scena di tensione chiede tagli frequenti, una scena contemplativa inquadrature lunghe. Ricorda anche che al montaggio taglierai sempre qualcosa: conviene generare qualche secondo in più all'inizio e alla fine di ogni clip.

In praticaSegna nella lista delle inquadrature la durata prevista di ognuna. Quando aggreghi i blocchi da 30 secondi, la somma ti dirà subito se il ritmo funziona.

Anche i modelli migliori hanno ancora dei punti deboli, e conoscerli aiuta a scrivere scene che funzionano. I problemi più frequenti a ottobre 2026 riguardano la fisica dei movimenti complessi, le mani che manipolano oggetti piccoli, le interazioni strette tra più personaggi, le folle che devono muoversi in modo preciso e le trasformazioni improvvise di volti e oggetti nelle clip più lunghe.

Si possono aggirare con le tecniche del racconto: un dettaglio invece del gesto completo, un'ellissi, un'inquadratura dal punto di vista di chi guarda. E con i riferimenti: un video di riferimento con il movimento giusto, anche girato con il telefono, guida il modello molto meglio di qualunque descrizione.

In praticaQuando un'azione fallisce per tre volte di fila, cambia strategia invece di insistere: dividi l'azione in due inquadrature o mostrala in modo diverso.

Per ogni inquadratura avrai più versioni, e scegliere quella giusta è un lavoro da regista e da montatore insieme. Non guardare solo se la clip è bella: guarda se il personaggio è riconoscibile, se la luce è coerente con le altre inquadrature della scena, se il movimento si raccorda con ciò che viene prima e dopo.

A volte la clip migliore ha un difetto solo in un punto: un secondo finale strano, una mano che si deforma per un attimo. In questi casi conviene tenerla e tagliare il difetto al montaggio, oppure usare la modifica mirata che alcuni modelli permettono, invece di rigenerare tutto e perdere ciò che funzionava.

In praticaGuarda i tentativi una prima volta senza audio e una seconda con l'audio. Molti difetti si notano solo in una delle due visioni.