Blog

Guida all'uso

Ricette di prompt per image-to-video MiniMax H3 Max per sviluppatori

Strutture di prompt, formulazioni per il movimento di camera ed elenchi di negativi pronti da copiare e incollare, da testare sui tuoi primi fotogrammi

Nov 18, 2026
Superfici di cemento silenzioso si incontrano sotto la luce radente del sole, con una base grigio caldo, ombre blu ardesia e sottili giunti color salvia, per l'immagine di copertina di questa guida.
In questa pagina
Clip di key visual del primo fotogramma realizzata con MiniMax H3 Max image-to-video: dolly-in in un vicolo al neon, 6 secondi.

Perché la struttura del prompt conta più della lunghezza

La maggior parte dei risultati deludenti nell'image-to-video non deriva da prompt troppo brevi, ma da prompt prolissi, vaghi e contraddittori: un intero muro di aggettivi cinematografici che però non dice mai al modello cosa deve essere preservato e cosa deve muoversi.

Nell'image-to-video il primo fotogramma trasporta già gran parte dell'informazione visiva: identità, composizione, illuminazione, tonalità, texture. Il compito del tuo prompt è più ristretto di quanto pensi. Deve (1) confermare ciò che deve restare invariato, (2) specificare ciò che deve cambiare, (3) descrivere come si muove la camera mentre avvengono questi cambiamenti. Aggettivi come "epico" o "mozzafiato" non corrispondono a nessuno di questi tre compiti.

Lo scheletro della ricetta

Ogni ricetta in questo articolo usa gli stessi sei blocchi, nello stesso ordine:

  1. Soggetto — chi o cosa è nell'inquadratura, con i dettagli identificativi che devono essere preservati.
  2. Stato del primo fotogramma — cosa mostra il fotogramma statico: posa, composizione, direzione della luce, livelli dello sfondo.
  3. Movimento — l'unico movimento principale nella scena, più eventuali movimenti secondari.
  4. Camera — un tipo di movimento, una direzione, un'ampiezza approssimativa.
  5. Ritmo — la durata del piano e se il movimento si conclude o continua.
  6. Negativi — gli artefatti che vuoi sopprimere.

Scrivere in questo ordine non è un fatto superficiale. Corrisponde a come funziona effettivamente l'informazione di condizionamento: prima si ancora il fotogramma statico, poi si descrive la quantità di cambiamento. Quando una ricetta fallisce, lo scheletro fisso ti permette di indicare un singolo blocco da modificare, senza riscrivere l'intero testo e indovinare quale frase ha causato il problema.

Perché lo scheletro rende le ricette confrontabili

Se ogni prompt è prosa libera, non potrai mai determinare se un output migliore è dovuto alla nuova formulazione della camera o al fatto che hai anche riscritto la descrizione del soggetto. Lo scheletro trasforma la messa a punto dei prompt da artigianato in esperimento controllato: stesso soggetto, stesso stato del primo fotogramma, modifica di un solo blocco.

Mantieni ogni blocco breve — una frase subordinata, non un paragrafo. L'obiettivo è un prompt che si possa confrontare riga per riga in una code review.

Il blocco di descrizione del primo fotogramma

Il blocco del primo fotogramma esiste per contrastare la deriva. I modelli image-to-video sono condizionati dal fotogramma statico di input, ma i prompt che lo ignorano — o peggio, lo contraddicono — inducono il modello a ridisegnare il tuo soggetto in qualcosa di generico. La tua descrizione dovrebbe leggersi come un'annotazione del fotogramma che hai effettivamente caricato, non come una lista dei desideri per un altro fotogramma.

Annota, non reimmaginare

Copri brevemente quattro aspetti:

  • Identità del soggetto: i dettagli che non possono cambiare — lunghezza e colore dei capelli, il taglio della giacca, la posizione dell'etichetta del prodotto, il ritmo delle finestre dell'edificio.
  • Composizione: primo piano, piano medio, grandangolo; la posizione del soggetto nell'inquadratura ("centrato", "terzo sinistro"); quanto spazio c'è sopra la testa o quanto suolo è visibile.
  • Direzione e qualità della luce: "luce principale morbida da sinistra della camera", "controluce duro con luce di contorno sulle spalle", "cielo coperto, nessuna ombra marcata".
  • Livelli dello sfondo: cosa c'è dietro il soggetto e quanto sembra lontano — "strada urbana sfocata", "fondale seamless uniforme", "linea degli alberi a circa dieci metri".

Pattern di scrittura efficaci

Soggetto: una donna sulla trentina, capelli scuri alle spalle, giacca field verde oliva, senza occhiali.
Primo fotogramma: piano medio-ravvicinato, centrato, mento all'altezza del centro dell'inquadratura, luce principale morbida da sinistra della camera, luce di riempimento fredda sulla guancia destra, vetrina sfocata a distanza di strada dietro di lei.

Nota cosa manca: nessun aggettivo emotivo, nessuna storia di background, nessuna istruzione di color grading in conflitto con la palette già presente nel fotogramma statico. Stai descrivendo, non dirigendo un reshoot.

Errore comune: sovra-descrizione

Se il tuo blocco del primo fotogramma è più lungo di quello del movimento, hai invertito le priorità. Le descrizioni prolisse invitano alle contraddizioni — menzioni "luce diurna brillante" mentre il fotogramma statico è al crepuscolo, e il modello deve scegliere. Quando il fotogramma statico e il testo non concordano, la deriva è spesso il risultato. Scrivi questo blocco guardando l'immagine, poi elimina ciò che l'immagine rende già ovvio.

Un'abitudine utile: tieni il fotogramma di riferimento e il blocco del primo fotogramma nello stesso file, uno accanto all'altro. Se modifichi uno, rileggi l'altro.

Movimento di camera e formulazioni temporali

Il linguaggio cinematografico vago è la fonte più comune di movimenti "casuali". "Movimento di camera dinamico" non dice al modello nulla di azionabile. Nomina il movimento, indica la direzione, indica l'ampiezza e specifica per quanto tempo dura.

Pattern di formulazione per i quattro movimenti principali

Dolly-in / push-in

Camera: lento avvicinamento al volto del soggetto, circa 15% di zoom in avanti durante il piano, senza rotazione.

Pan

Camera: pan orizzontale fluido, da sinistra a destra, velocità media, orizzonte mantenuto a livello.

Orbita

Camera: lenta orbita attorno al soggetto, circa 30 gradi verso destra della camera, soggetto mantenuto centrato, parallasse dello sfondo visibile.

Camera fissa + movimento del soggetto

Camera: bloccata, nessun movimento. Solo il soggetto si muove.

Ognuno dei precedenti fa tre cose: un tipo di movimento, una direzione, un'ampiezza approssimativa. Aggiungere un secondo movimento ("avvicinamento mentre orbita") è consentito, ma deve essere intenzionale — raddoppia la probabilità di risultati imprevisti.

Tempo e ritmo

Specifica se il movimento si conclude o continua, e collegalo alla durata del piano con parole semplici:

  • "il push-in si completa nell'ultimo fotogramma"
  • "il pan continua oltre la fine del piano"
  • "rimane fermo per la prima metà, poi inizia a orbitare"
  • "piano singolo continuo, nessun taglio"

Evita di scrivere secondi specifici a meno che la tua pipeline non fissi la durata della clip; se la fissa, far corrispondere la formulazione a quella durata elimina un'intera categoria di errori. "Nessun taglio" vale la pena di scriverlo esplicitamente, perché alcuni prompt altrimenti invitano a tagli impliciti.

Parole di velocità che contano davvero

Sostituisci i termini vaghi con parole relative che il modello può calibrare: "lento", "medio", "veloce", "quasi impercettibile". Sono molto più utili di "cinematografico", "travolgente", "drammatico", che non hanno né direzione né ampiezza. Un buon test: un operatore di camera che legge la tua descrizione saprebbe in quale direzione muoversi? Se no, riscrivi.

Elenchi di negativi per tipo di contenuto

I negativi sono un'assicurazione a basso costo, ma non sono universali. Un elenco di negativi tarato per materiale parlato può danneggiare un video di prodotto su piattaforma girevole. Mantieni elenchi separati per tipo di contenuto e amplia un elenco solo quando vedi un artefatto riproducibile.

Persone

Negativi: dita extra, mani deformate, tratti del viso distorti, deriva dell'identità tra i fotogrammi, sfarfallio degli occhi, denti inquietanti, arti duplicati, sfarfallio della texture dei vestiti

La deriva dell'identità e gli artefatti sulle mani sono i due problemi di lunga data. Se il soggetto gira la testa o gesticola, aggiungi "la struttura del viso non deve deformarsi quando gira la testa".

Prodotti

Negativi: testo dell'etichetta distorto, forma del logo alterata, sfarfallio dei riflessi sulla superficie, tremolio della geometria dei bordi dritti, deriva cromatica tra i fotogrammi, comparsa di oggetti di sfondo

Le riprese di prodotto falliscono sulla coerenza, non sulla drammaticità. I bordi dritti e il testo stampato sono i canarini nella miniera — se l'etichetta "respira", il piano è inutilizzabile.

Ambienti

Negativi: oggetti che appaiono o scompaiono improvvisamente, tremolio di foglie e rami, linee architettoniche curve, pulsazione della superficie dell'acqua, cambiamenti improvvisi di illuminazione, orizzonte inclinato durante il pan

Soprattutto per i pan, "orizzonte inclinato" e "distorsione delle linee rette architettoniche" vale la pena di inserirli nell'elenco.

Ampliare o ridurre

Aggiungi un negativo solo quando puoi riprodurre un artefatto con gli stessi fotogrammi e lo stesso prompt in almeno due esecuzioni. Elimina i negativi che non hai mai visto attivarsi, soprattutto se sono in conflitto con la tua intenzione — scrivere un negativo "nessun movimento di camera" in una ricetta di push-in è una contraddizione che danneggia la stabilità. Mantieni ogni elenco entro una dozzina di voci; elenchi di negativi troppo lunghi diluiscono la guida, proprio come prompt positivi troppo lunghi.

Memorizza gli elenchi come stringhe con nome nella tua configurazione, invece di incollarli inline per ogni prompt, così tutte le ricette dello stesso tipo di contenuto restano coerenti.

Esercitazione sulle ricette con output reali

Le seguenti ricette sono complete e pronte da copiare e incollare. Le descrizioni degli output provengono da esecuzioni di test sui nostri primi fotogrammi; trattale come aspettative da verificare, non come garanzie, perché i tuoi fotogrammi sono diversi.

Ricetta 1: ritratto con push-in

Soggetto: un uomo sulla quarantina, capelli corti grigio-bianchi, maglione girocollo blu navy.
Primo fotogramma: piano medio-ravvicinato, centrato, luce principale morbida da sinistra della camera, sfondo sfocato con luci pratiche calde a distanza di stanza.
Movimento: leggera rotazione della testa verso la camera, spalle che si abbassano leggermente; nessun passo.
Camera: lento avvicinamento al volto, circa 15% di zoom in avanti durante il piano, senza rotazione.
Ritmo: piano singolo continuo, il push-in si completa nell'ultimo fotogramma.
Negativi: dita extra, tratti del viso distorti, deriva dell'identità tra i fotogrammi, sfarfallio degli occhi, cambiamenti improvvisi di illuminazione.

Output: l'identità è rimasta stabile, il push-in sembrava intenzionale, non un ritaglio con zoom. Le prime versioni senza la clausola "senza rotazione" producevano un leggero rollio che faceva sembrare l'inquadratura a mano libera.

Ricetta 2: prodotto su piattaforma girevole

Soggetto: una tazza in ceramica opaca, con un'etichetta stampata su un lato.
Primo fotogramma: prodotto centrato su un fondale seamless grigio chiaro, luce soffusa dall'alto, ombra di contatto tenue.
Movimento: nessun movimento del prodotto stesso; l'etichetta diventa leggibile man mano che l'angolo di vista cambia.
Camera: lenta orbita verso destra della camera, circa 30 gradi, soggetto mantenuto centrato.
Ritmo: continuo, l'orbita continua oltre la fine del piano.
Negativi: testo dell'etichetta distorto, forma del logo alterata, tremolio della geometria dei bordi dritti, deriva cromatica tra i fotogrammi.

Output: l'etichetta è rimasta leggibile per gran parte dell'arco; nell'ultimo terzo si è verificato un leggero ammorbidimento dei bordi, che abbiamo risolto riducendo l'angolo di orbita a circa 25 gradi invece di aggiungere altri negativi.

Ricetta 3: pan su ambiente

Soggetto: una strada costiera deserta a mezzogiorno con cielo coperto, con una bassa ringhiera sul lato del mare.
Primo fotogramma: grandangolo, la strada si estende verso destra, luce diffusa piatta, sole non visibile.
Movimento: vento leggero nell'erba a bordo strada; il resto fermo.
Camera: pan orizzontale fluido, da sinistra a destra, velocità media, orizzonte a livello.
Ritmo: pan continuo, nessun taglio.
Negativi: orizzonte inclinato durante il pan, linee architettoniche curve, oggetti che appaiono improvvisamente, pulsazione della superficie dell'acqua.

Output: l'orizzonte è rimasto a livello perché lo abbiamo scritto esplicitamente. Senza questa clausola, le prime esecuzioni derivavano di alcuni gradi durante il piano — sottile, ma sufficiente a far sembrare sbagliato un paesaggio grandangolare.

Iterazione e test di regressione dei prompt

Un prompt non è un messaggio una tantum, ma un valore di configurazione. Trattalo come qualsiasi configurazione che influenza l'output: versiona, registra cosa ha prodotto, modifica una variabile alla volta.

Il ciclo a variabile singola

  1. Individua un comportamento fallimentare nell'output (deriva, artefatti sulle mani, rollio indesiderato della camera).
  2. Determina a quale blocco appartiene — di solito movimento, camera o negativi.
  3. Modifica una sola clausola in quel blocco.
  4. Riesegui con lo stesso primo fotogramma.
  5. Mantieni o ripristina in base a ciò che vedi, poi registra.

Modificare due blocchi alla volta è esattamente il motivo per cui i team si ritrovano, sei settimane dopo, con prompt su cui nessuno riesce a ragionare.

Registra fotogrammi, prompt e output insieme

Ogni record di esecuzione dovrebbe includere:

  • Hash o ID del fotogramma di input
  • La stringa completa del prompt, inclusi i negativi
  • La versione della ricetta
  • Il riferimento all'output con una breve nota su superamento o fallimento

Questa tripletta — fotogramma, prompt, output — è ciò che rende rilevabili le regressioni. Quando il modello sottostante viene aggiornato, o quando modifichi un elenco di negativi condiviso, puoi rieseguire i fotogrammi memorizzati e confrontare i risultati con output noti come validi.

Costruisci un piccolo golden set

Mantieni da cinque a dieci fotogrammi per tipo di contenuto che rappresentino il tuo carico di lavoro reale: un ritratto con testa che gira, un prodotto con testo stampato, un ambiente grandangolare con orizzonte. Esegui questo set prima che ogni modifica di ricetta vada in produzione. Bastano pochi minuti per intercettare la maggior parte delle regressioni accidentali.

Traccia le aspettative, non solo i punteggi

Un semplice superato/fallito per caso d'uso — come "mani pulite", "etichetta leggibile", "orizzonte a livello" — è più utile di un singolo punteggio di qualità soggettivo, perché ti dice quale blocco ricontrollare. Quando un caso d'uso passa da superato a fallito, sai esattamente a quale versione della ricetta e a quale clausola attribuire la colpa.

Integrare le ricette nella tua pipeline

Una volta che le ricette si sono stabilizzate, non dovrebbero più restare in un'app per prendere appunti, ma entrare nel codice.

Memorizza le ricette come configurazione versionata

Salva ogni ricetta come oggetto strutturato — un campo per blocco — invece che come stringa pre-assemblata. Assembla i blocchi al momento della richiesta: questo ti consente di condividere i blocchi soggetto e primo fotogramma tra le ricette e di sostituire gli elenchi di negativi per tipo di contenuto. Metti la configurazione sotto controllo di versione, assegna tag e includi la versione in ogni record di log.

{
  "id": "portrait_pushin",
  "version": "3",
  "subject": "...",
  "first_frame": "...",
  "motion": "...",
  "camera": "lento avvicinamento al volto, circa 15% di zoom in avanti, senza rotazione",
  "pacing": "piano singolo continuo, il push-in si completa nell'ultimo fotogramma",
  "negatives": "portrait_default"
}

Test in batch prima del rilascio

Esegui i prompt assemblati sui tuoi fotogrammi d'oro in un ciclo, salva gli output insieme ai record di esecuzione e rivedi i casi segnalati prima di promuovere una versione della ricetta. Poiché ogni ricetta accede allo stesso endpoint tramite la stessa interfaccia, il framework di test in batch è solo un sottile strato sopra le tue normali chiamate — nessun caso speciale per modello da mantenere.

Chiamare l'endpoint su larga scala

In produzione, assembla i prompt dalla configurazione, passa il tuo primo fotogramma e invia tramite API. Gestisci rate limit e retry come qualsiasi altro carico di lavoro asincrono: accoda i job, allega a ciascun job la versione della ricetta e l'ID del fotogramma, e riscrivi nel log il riferimento all'output restituito. Se una ricetta si comporta in modo anomalo in produzione, puoi recuperare l'esatto fotogramma e prompt che l'hanno prodotta.

Per i parametri dell'endpoint, gli aspect ratio supportati e i dettagli di richiesta/risposta, consulta la pagina del modello MiniMax H3 Max image-to-video — le ricette sopra sono progettate per essere applicate direttamente.

Scrivi i prompt come scrivi il codice, guarda gli output come guardi i risultati dei test, e l'image-to-video smette di essere una slot machine.

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