Blog

Guida all'uso

Ricette di prompt Flux-3-Max per image-to-video: template copia-incolla per sviluppatori

Struttura riutilizzabile della descrizione del primo frame, formulazione di movimento e camera, e prompt negativi di stabilità

Nov 12, 2026
Copertina minimalista: punti verde menta e turchese scuro con densità progressiva, come un dataset in mezzatinta su sfondo quasi nero.
In questa pagina
Una ricetta completa flux-3-max image-to-video, renderizzata end-to-end: push-in, decomposizione olografica, arco di 30 gradi—generata per questa guida.

Perché la struttura del prompt conta più della lunghezza

Gli sviluppatori alle prime armi con image-to-video spesso scrivono i prompt come una sceneggiatura: un lungo paragrafo che descrive il retroscena del personaggio, l'emozione, la palette cromatica e una dozzina di cose che dovrebbero accadere. Questo approccio fallisce perché il modello non sta leggendo una narrazione—sta eseguendo una breve generazione condizionata sul frame sorgente. Più prosa aggiungi, più il segnale diventa sfocato.

Ciò che funziona davvero è una struttura ordinata. Un prompt per flux-3-max/image-to-video dovrebbe leggersi come un piccolo file di configurazione: prima ancora l'immagine, poi dichiara il movimento, infine vincola l'output. Ogni blocco risponde a una domanda.

  • Blocco primo frame—cosa è già visibile nell'immagine sorgente? Soggetto, scena, illuminazione.
  • Blocco movimento—cosa cambia nella clip? Azione del soggetto e movimento di camera.
  • Blocco negativo—cosa non deve mai comparire? Solo categorie di artefatti.

Quest'ordine conta perché il modello presta attenzione prima al frame sorgente. Se il testo iniziale descrive una scena che non corrisponde all'immagine, tutto il resto andrà alla deriva. Se il testo iniziale conferma l'immagine, il modello ha una base stabile per accettare le successive istruzioni di movimento.

La lunghezza in sé non è il nemico—la ridondanza lo è. Dieci parole che fanno ciascuna il proprio lavoro battono cento parole che si ripetono a vicenda. Quando rivedi un prompt, chiediti per ogni frase: questo cambierà ciò che il modello renderizza? Se no, cancellala. I template più avanti in questa guida sono brevi proprio per questo motivo.

Ricorda un'altra regola: il prompt non è una lista dei desideri. Impilare istruzioni in competizione ("push-in lento mentre orbiti e fai zoom indietro") mette il modello di fronte a una fisica contraddittoria, e il risultato è tipicamente tremolio invece di movimento fluido. L'espressione a intento singolo attraversa ogni sezione che segue.

Blocco descrizione del primo frame

Il blocco del primo frame è una descrizione di ciò che è già presente nell'immagine sorgente, riscritta nel linguaggio del modello. Non stai inventando la scena—stai dicendo al modello cosa sta vedendo, così che le istruzioni di movimento abbiano un soggetto su cui agire.

Soggetto

Nomina il soggetto principale con una sintagma nominale, più un aggettivo di materiale o stato se necessario: una tazza di ceramica sul tavolo, una donna in camicia di lino, una cresta montuosa al crepuscolo. Evita aggettivi che descrivono emozioni—non appartengono al prompt perché non si mappano sui pixel.

Scena

Descrivi l'ambiente con una proposizione: in uno studio luminoso, contro una parete di cemento, su un sentiero nel bosco. Questo aiuta il modello a decidere quali parti dello sfondo devono rimanere stabili e quali possono cambiare.

Illuminazione

L'illuminazione è la parte meno specificata nella maggior parte dei prompt ma la più evidente nell'output. Una breve proposizione basta: luce morbida dalla finestra a sinistra, luce diurna nuvolosa, illuminazione calda. Specificare la direzione della luce e non solo la qualità permette al modello di mantenere assunzioni coerenti di luce e ombra tra i frame.

Cosa non includere

Il blocco del primo frame non è il posto per retroscena, emozioni o eventi futuri. Se vuoi che il soggetto sorrida, quella è un'istruzione di movimento, non una descrizione. Mantenere il blocco puramente descrittivo previene che il modello allucini dettagli che l'immagine non supporta.

Un blocco completo del primo frame potrebbe essere: una tazza di ceramica su un tavolo di legno, in uno studio luminoso, luce morbida dalla finestra a sinistra. Questo è l'intero ancoraggio. Tutto il resto è movimento.

Formulazione del movimento e del movimento di camera

La formulazione del movimento funziona meglio quando è specifica, breve, a intento singolo. Il modello risponde ai verbi di movimento e alla geometria della camera, non alle astrazioni da regista.

Movimento del soggetto

Usa una proposizione d'azione: il vapore sale lentamente, lei gira leggermente la testa, il tessuto ondeggia nel vento. Tieni soggetto e verbo vicini. Evita di concatenare due azioni sullo stesso soggetto a meno che non siano naturalmente correlate—lui solleva la tazza e beve un sorso va bene; lui solleva la tazza mentre si allontana no.

Movimento di camera

Il movimento di camera si esprime meglio con una singola frase che indica l'operazione e la direzione: push-in lento, pan da sinistra a destra, orbita attorno al soggetto, tilt up leggero. Parole come lento o leggero sono spesso più utili dei valori numerici di velocità, perché stabiliscono l'intento senza richiedere una velocità precisa che il modello non può garantire in modo affidabile.

Scegli un solo movimento di camera per clip. Impilare i movimenti è la causa più comune di output instabile: quando viene chiesto simultaneamente un push-in e un'orbita, il modello cerca di soddisfare entrambi, causando distorsione attorno ai bordi del soggetto. Se hai davvero bisogno di un movimento composito, dividilo in due clip, oppure accetta che il secondo movimento possa essere solo approssimativo.

Separare soggetto e camera

Scrivi il movimento del soggetto e il movimento di camera come due frasi separate. Il vapore sale lentamente. Push-in lento. In questo modo puoi modificare uno senza toccare l'altro—come spiega la sezione sull'iterazione, è così che si esegue il debug di un prompt.

Frasi da evitare

Evita direzioni astratte: cinematografico, epico, dinamico, emozionale. Queste non specificano alcun cambiamento nei pixel e aggiungono solo rumore. Se vuoi un aspetto specifico, descrivi la geometria della camera o l'illuminazione, non la sensazione.

Prompt negativi di stabilità realmente utili

I prompt negativi vengono spesso usati male come seconda descrizione di stile—per elencare tutto ciò che non ti piace. Questo vincola eccessivamente il modello e spesso peggiora l'output, perché la generazione ora deve evitare molte cose invece di fare bene una cosa.

In flux-3-max/image-to-video, l'uso efficace dei prompt negativi è la soppressione degli artefatti. Termini negativi ristretti e tecnici dicono al modello quali modalità di fallimento evitare senza toccare la direzione creativa.

Termini negativi utili per gli artefatti

  • distorsione, deformazione, flicker—problemi di stabilità temporale.
  • arti in più, volti duplicati—errori strutturali attorno alle persone.
  • artefatti di testo, filigrana—dettagli indesiderati simili a glifi.
  • bordi sfocati, contorni frastagliati—instabilità dei bordi.

Questi descrivono come la generazione fallisce, non come vuoi che appaia. Questo è il test per decidere se un termine negativo debba restare.

Termini negativi spesso dannosi

Evita i termini negativi di stile: non cinematografico, non cartone animato, non colori vivaci. Questi si scontrano con il prompt positivo e possono appiattire l'output. Se il prompt positivo è ben specificato, i termini negativi di stile sono superflui.

Mantieni la lista breve

Da due a cinque termini negativi ristretti di solito bastano. Liste negative troppo lunghe aumentano la probabilità di vincoli in conflitto, e il modello potrebbe sopprimere dettagli legittimi insieme agli artefatti. Inizia con i termini di stabilità temporale e di bordo, e aggiungi gli altri solo quando osservi l'artefatto corrispondente in un'esecuzione di test.

Template di ricette pronte da copiare

Questi scheletri seguono l'ordine delle sezioni precedenti: blocco del primo frame, poi movimento, infine termini negativi. Sostituisci gli slot tra parentesi quadre mantenendo la struttura invariata.

Clip di prodotto

[sintagma nominale del prodotto] su [superficie], in [ambiente], [direzione e qualità della luce].
[un movimento sottile del soggetto, ad esempio riflesso che si sposta / luce che scorre sulla superficie].
[un singolo movimento di camera, ad esempio push-in lento / orbita leggera].
Negativo: distorsione, flicker, artefatti di testo.

Clip di ritratto

[sintagma nominale della persona] che indossa [abbigliamento], sullo sfondo di [sfondo], [direzione e qualità della luce].
[un piccolo movimento del soggetto, ad esempio testa che gira leggermente / occhi che sbattono le palpebre].
[un singolo movimento di camera, ad esempio push-in lento / tilt up leggero].
Negativo: distorsione, arti in più, volti duplicati.

Clip ambientale

[sintagma nominale di paesaggio o interno], [ora del giorno e meteo], [direzione e qualità della luce].
[un movimento ambientale, ad esempio nuvole che scorrono / foglie che oscillano nel vento].
[un singolo movimento di camera, ad esempio pan lento da sinistra a destra / tilt up leggero].
Negativo: flicker, bordi sfocati, deformazione.

Regole di adattamento

  • Mantieni il sintagma del soggetto a un solo sostantivo, al massimo con un modificatore.
  • Cambia solo il verbo di movimento quando vuoi un'azione diversa—mantieni fissa la struttura.
  • Se la clip appare instabile, rimuovi prima il movimento di camera, poi fai altre modifiche; mantenere solo il movimento del soggetto è di solito una base più sicura.

Questi template sono punti di partenza, non prompt finali. L'interazione tra il frame sorgente e la formulazione è maggiore di quanto la maggior parte degli sviluppatori si aspetti, quindi tratta ogni template come un'ipotesi, validala in un'esecuzione breve prima di impegnarti in un uso in batch.

Iterazione e gestione in batch tra le clip

Il modo più rapido per convergere su un buon prompt è cambiare una sola variabile alla volta e controllare un'esecuzione breve. Un ciclo pratico è questo:

  1. Scrivi un prompt partendo dal template più vicino.
  2. Genera una clip breve.
  3. Confronta con il frame sorgente—il soggetto è preservato? Il movimento è a intento singolo? Ci sono artefatti?
  4. Individua il singolo blocco responsabile e modifica solo quel blocco.
  5. Rigenera e confronta.

Questo ciclo è deliberatamente lento sulla prima clip e poi veloce, perché ogni blocco che si stabilizza diventa un asset riutilizzabile. La maggior parte delle instabilità risale a movimenti di camera impilati (blocco movimento) o a sintagmi del soggetto che non corrispondono all'immagine (blocco primo frame). Cambiandone uno alla volta, sai quale dei due è.

Scalare al batch

Una volta che un prompt è stabile su un frame, promuovilo a template e applica la stessa struttura su frame sorgente simili. L'iterazione in batch funziona perché la struttura rimane invariata e cambiano solo gli slot:

  • Sincronizza il blocco del primo frame con ogni nuova immagine; non copiare descrizioni da frame diversi.
  • Mantieni coerente la formulazione del movimento a meno che il tipo di clip non cambi.
  • Fissa la lista dei termini negativi per categoria di clip.

Rivedi i risultati in batch raggruppandoli per tipo di clip, non per singolo file, così i problemi sistematici (ad esempio tutte le clip di ritratto che si distorcono sulle spalle) emergono subito invece di perdersi nelle note file per file.

Infine, registra quale variante del prompt ha prodotto quale output. Un breve changelog delle modifiche ai prompt per categoria di clip fa risparmiare più tempo di qualsiasi singola frase ingegnosa. Costruisci il ciclo, mantieni la struttura, lascia che i template facciano il lavoro ripetitivo.

Inizia a creare con artefatti IA persistenti

Ottieni la tua chiave API e chiama modelli di immagini, video e audio tramite un'unica API basata sui task.

Leggi la documentazione API