Ricette di prompt per text-to-video di MiniMax H3 Max (per sviluppatori)

Da cosa è composto un buon prompt text-to-video

Un prompt text-to-video non è una frase. È un piccolo file di configurazione scritto in linguaggio naturale. Quando il risultato è sbagliato, la domanda davvero utile non è mai "il prompt è buono?", ma "quale parte del prompt ha fallito?". A questa domanda si può rispondere solo se il prompt che hai scritto ha componenti identificabili.

Considera ogni prompt come sei blocchi indipendenti:

• Soggetto (Subject) — chi o cosa c'è nell'inquadratura, in modo abbastanza specifico da restare coerente attraverso più generazioni (specie, materiale, abbigliamento, fascia d'età, tratti distintivi).
• Azione (Action) — cosa fa il soggetto, nell'ordine in cui accade. È una sequenza di battute, non un'atmosfera.
• Scena (Scene) — luogo, ora del giorno, meteo, attività di sfondo e sorgente luminosa.
• Camera (Camera) — dove si trova la macchina da presa, come si muove, a che velocità. Questo è cosa diversa dalla scena e va su una riga separata.
• Durata (Duration) — quanto deve durare la clip, il che determina implicitamente quante battute d'azione può contenere.
• Risoluzione (Resolution) — il livello di output a cui punta questa generazione.

La ragione per separare fisicamente questi blocchi — una riga per blocco, o un frammento etichettato per blocco — è che la generazione video è un problema di ottimizzazione multivariata, e in ogni esperimento puoi muovere solo una variabile. Se soggetto, camera e durata sono intrecciati in un paragrafo fluido, cambiare la camera modifica anche la formulazione del soggetto e il ritmo della frase, e non puoi più dire quale modifica abbia prodotto il risultato diverso.

I blocchi separati sopportano anche meglio le modifiche ripetute. Un blocco soggetto può essere riutilizzato in dieci inquadrature della stessa scena. Un blocco camera può essere sostituito come si cambia obiettivo. Un blocco durata può essere alzato o abbassato senza riscrivere l'azione. I prompt scritti in prosa vanno riscritti da zero ogni volta; i prompt scritti a blocchi possono essere confrontati voce per voce.

Un ultimo punto da tenere a mente: questi blocchi non hanno la stessa efficacia. Le modifiche a soggetto e azione sono di solito visibili a occhio nudo e comprensibili per intuizione. Sono le modifiche alla formulazione della camera e alla durata la fonte della maggior parte dei risultati inattesi, e in entrambe le direzioni — una preposizione può ribaltare l'inquadratura, una modifica di durata può eliminare silenziosamente la tua ultima battuta d'azione. Distribuisci di conseguenza la tua attenzione, lasciando a camera e durata uno spazio regolabile ciascuno, invece di seppellirli negli aggettivi.

Tutto ciò che segue si basa su questa struttura. Una ricetta non è altro che un insieme di blocchi ben strutturati, copiabili e modificabili.

Da cosa è composta una ricetta pronta da copiare

Una ricetta è un modello di prompt con slot etichettati. Copiala, compila gli slot, inviala, e ottieni un risultato che puoi confrontare con la versione successiva, perché la struttura non è mai cambiata.

Usa il seguente scheletro come base per ogni esperimento:

SUBJECT: <chi/cosa, con 2–3 dettagli identificativi>
ACTION: <battuta 1> -> <battuta 2> -> <battuta 3>
SCENE: <luogo>, <ora del giorno>, <sorgente luminosa>, <attività di sfondo>
CAMERA: <posizione>, <movimento>, <ritmo>
DURATION: <durata target>
RESOLUTION: <livello per questa passata>

Due regole rendono questo modello davvero utile, non solo formale.

Separa gli slot che cambiano da quelli che restano fissi

In un progetto tipico, SUBJECT e SCENE sono la tua base stabile — stai filmando lo stesso personaggio e lo stesso luogo in molte inquadrature. ACTION, CAMERA, DURATION e RESOLUTION sono invece le variabili di ogni singola inquadratura. Marca mentalmente questi come "fissi" e "mobili", e durante gli esperimenti muovi solo quelli mobili. Se un risultato è inatteso e in quella stessa prova hai anche cambiato la descrizione del soggetto, hai sprecato un test.

Scrivi ACTION come battute, non come aggettivi

Un elenco di battute ti dà qualcosa da conteggiare rispetto alla durata. entra -> posa una scatola -> alza lo sguardo sono tre battute; se la clip torna con solo due, sai che l'inquadratura è troppo piena o che la durata è troppo corta. una scena vivace e dinamica non ti permette di verificare nulla. Gli aggettivi appartengono alla texture e al ritmo di SCENE e CAMERA, descrivono la qualità, non l'ordine.

Mantieni le etichette nel prompt

Queste etichette in maiuscolo servono tanto al modello quanto alla tua contabilità. Rendono i diff più leggibili in un changelog, rendono evidenti i campi mancanti e impediscono al prompt di degenerare in prosa attraverso modifiche successive. Se il modello gestisce bene i frammenti etichettati, tienili; se preferisce frasi fluide, rimuovi le etichette nell'ultima passata, ma conservale nei tuoi appunti per mantenere la documentazione strutturata.

Un esempio compilato:

SUBJECT: ceramista sulla quarantina, grembiule sporco di argilla, capelli legati dietro
ACTION: solleva una ciotola bagnata dal tornio -> la gira per ispezionarla -> la posa sullo scaffale
SCENE: piccolo studio, tardo pomeriggio, luce singola da finestra a sinistra, polvere nell'aria
CAMERA: primo piano medio all'altezza del tornio, lento push-in, ritmo senza fretta
DURATION: passata breve
RESOLUTION: livello bozza

Questo è tutto il formato. Ogni ricetta che segue è questo scheletro con uno slot alla volta come oggetto del test.

Ricetta: controllare la durata

La durata non è uno slider che allunga la scena. Cambia ciò che una scena può contenere. Una clip breve è un'azione; una clip più lunga è una sequenza con inizio, parte centrale e fine, e se non scrivi questa sequenza, il modello inventerà da solo materiale di riempimento o perderà una battuta.

Quindi fai corrispondere ACTION alla durata che richiedi, e scrivi la durata esplicitamente invece di lasciarla al valore predefinito.

Ricetta per clip breve (un'azione chiara)

SUBJECT: <blocco soggetto coerente>
ACTION: singolo gesto continuo — <l'unica cosa che accade>
SCENE: <blocco scena stabile>
CAMERA: <posizione fissa, movimento minimo>
DURATION: clip breve, una battuta d'azione
RESOLUTION: <livello di test attuale>

Le clip brevi premiano la sobrietà. Un'azione, un'idea di camera, nessuna sottotrama di sfondo. Se il soggetto deve entrare in scena, quell'ingresso è l'azione; non chiedere anche un voltafaccia e un gesto.

Ricetta per clip più lunga (battute in sequenza)

SUBJECT: <blocco soggetto coerente>
ACTION: battuta 1 -> battuta 2 -> battuta 3 (in quest'ordine)
SCENE: <blocco scena stabile, più eventuali cambiamenti nel tempo>
CAMERA: <movimento che supporta le battute>
DURATION: clip estesa, tre battute
RESOLUTION: <livello di test attuale>

Le clip più lunghe richiedono un ordine chiaro e un numero limitato di battute. Per un singolo piano sequenza, tre battute sono un obiettivo ragionevole; se te ne servono cinque, chiediti prima se non stai in realtà descrivendo due inquadrature. Decidi anche quale battuta merita il tempo extra — di solito quella centrale, perché la prima serve a stabilire e l'ultima a chiudere.

Come la formulazione della durata cambia il ritmo

Due osservazioni pratiche emerse dall'esecuzione di queste ricette:

• Le parole che descrivono il ritmo contano quanto la lunghezza stessa. senza fretta, continuo, in un'unica ripresa e rapidamente cambiano il modo in cui lo stesso elenco di battute si distribuisce nella clip. Lo stesso elenco di tre battute, etichettato senza fretta o rapidamente, dà due inquadrature diverse, non due lunghezze diverse.
• Quando una battuta si perde, allunga prima la durata, poi valuta di tagliare l'azione. Se la tua ultima battuta viene sempre troncata, la soluzione abituale è darle più spazio, non ridurre le battute — a condizione che tutte e tre siano indispensabili.

Mantieni la durata fissa mentre testi qualsiasi altra cosa

È questa disciplina che rende utile una ricetta. La durata cambia il ritmo, il ritmo cambia la percezione del movimento di camera, e la camera influenza il modo in cui l'azione sembra svolgersi. Se lasci fluttuare la durata mentre testi la camera, commetterai errori di attribuzione. Bloccala, annotala, e solo allora modifica lo slot successivo.

La stessa logica vale per la risoluzione, che è l'argomento della prossima ricetta.

Ricetta: scegliere il livello di risoluzione

La risoluzione è prima di tutto una decisione di costo e velocità di iterazione, e solo secondariamente una decisione di qualità. Il prompt cambia poco tra un livello e l'altro; ciò che cambia è quante prove puoi permetterti e quanto in fretta puoi capire se un'idea di prompt regge.

Pensa in due livelli: la fascia bozza per esplorare e la fascia finale per consegnare. I valori numerici sono nella documentazione dei parametri del modello — qui il punto è il flusso di lavoro, non i numeri.

Ricetta per la fascia bozza

SUBJECT: <blocco soggetto>
ACTION: <elenco battute>
SCENE: <blocco scena>
CAMERA: <blocco camera>
DURATION: <durata test breve>
RESOLUTION: fascia bozza

Le esecuzioni in bozza rispondono a domande di composizione: il soggetto è riconoscibile? Il movimento di camera si legge? Ci sono tutte le battute? A bassa risoluzione puoi eseguire diverse varianti nel tempo necessario a un rendering finale, ed è esattamente ciò di cui hai bisogno mentre il prompt è ancora in movimento.

Ricetta per la fascia finale

SUBJECT: <blocco soggetto bloccato>
ACTION: <elenco battute bloccato>
SCENE: <blocco scena bloccato>
CAMERA: <blocco camera bloccato>
DURATION: <durata di consegna>
RESOLUTION: fascia finale

Nota la parola bloccato. Passare alla fascia finale è la promozione di un prompt già validato, non un altro esperimento. Non cambiare nulla tranne risoluzione e durata; se la composizione del rendering finale differisce dalla bozza, sai che nel prompt c'è qualcosa di sensibile alla risoluzione, e vale la pena annotarlo.

Scegliere il livello in base al caso d'uso

• Esplorazione e revisione interna — fascia bozza. Stai controllando la struttura, non la rifinitura.
• Controllo di regressione dei prompt — fascia bozza. Costo abbastanza basso da poter eseguire ogni modifica.
• Consegna al cliente o incorporata — fascia finale, e solo dopo che la bozza ha superato il controllo di adeguatezza all'intento.
• Sfondo o elementi fortemente ritagliati in una composizione — se l'elemento occupa solo una piccola parte dell'inquadratura, la fascia bozza può bastare.

Perché testare prima ai livelli bassi fa risparmiare tempo

Il fallimento costoso nel text-to-video è rendere bellissima e ad alta definizione l'inquadratura sbagliata. Ogni minuto speso a rifinire una composizione che verrà scartata è sprecato, e a livelli più alti lo spreco si moltiplica perché le prove sono più lente. L'iterazione in bozza anticipa le decisioni economiche — chiarezza del soggetto, numero di battute, direzione della camera — e lascia i livelli costosi alla conferma.

Un avvertimento: non usare una bozza a una risoluzione così bassa da non poter giudicare i dettagli fini. Se la tua inquadratura dipende da un piccolo oggetto di scena o da un'espressione del viso, quel dettaglio potrebbe essere valutabile solo a un livello più alto, e quei controlli specifici dovrebbero alzare il livello prima.

Ricetta: la formulazione della camera che cambia davvero l'inquadratura

Se devi portare via una sola cosa da questa guida, porta via questa: la formulazione della camera influenza il risultato quasi più di qualsiasi aggettivo tu possa aggiungere al soggetto. Due prompt con soggetto, azione e scena identici, diversi solo nel blocco camera, sono due inquadrature diverse. Due prompt che differiscono solo per una serie di aggettivi atmosferici sono spesso ancora la stessa inquadratura.

Questo rende il blocco camera lo slot con la massima leva — e quello che merita di testare una sola frase alla volta.

Modelli di movimento

CAMERA: statica, bloccata
CAMERA: lento push-in
CAMERA: lento pull-out
CAMERA: carrellata laterale da sinistra a destra
CAMERA: inseguimento a mano dietro il soggetto
CAMERA: orbita attorno al soggetto, quarto di giro

Ognuna delle righe sopra è un blocco camera completo e pronto da copiare. Sono volutamente brevi. Le frasi lunghe sulla camera contengono spesso due istruzioni in competizione (push-in mentre orbita), e quando si scontrano l'output ne sceglie una in modo semicasuale.

Modelli di angolazione

CAMERA: ad altezza occhi, piano medio
CAMERA: dal basso, primo piano sulle mani
CAMERA: dall'alto, campo largo, soggetto piccolo nell'inquadratura
CAMERA: sopra la spalla, da dietro il soggetto

L'angolazione è dove risiede l'intento di inquadratura. "Primo piano sulle mani" e "soggetto piccolo nell'inquadratura" non sono atmosfera — sono decisioni su cosa può vedere lo spettatore, e cambiano l'inquadratura molto più di cinematico.

Modelli di ritmo

CAMERA: movimento senza fretta, deliberato
CAMERA: svelto, segue l'azione da vicino
CAMERA: si assesta e si ferma sulla battuta finale

Il ritmo appartiene al blocco camera, non al blocco azione. Descrive il modo in cui la camera si comporta, ed è il mezzo più pulito per far sembrare un'inquadratura lunga metodica invece che fluttuante.

Sostituisci una sola frase alla volta

Come rendere leggibile la formulazione della camera:

1. Scrivi un prompt di base fissando soggetto, azione, scena e durata.
2. Esegui il prompt di base con CAMERA: statica, bloccata.
3. Cambia solo la riga della camera — una sola sostituzione per ogni esecuzione.
4. Conserva la clip di ogni esecuzione e etichettala con la frase della camera usata.

Dopo quattro o cinque esecuzioni hai un tuo manuale di frasi: sai cosa fa lento push-in al tuo soggetto, nella tua scena, il che vale più di qualsiasi elenco generico. Fallo una volta per progetto e quel manuale di frasi ti servirà per ogni inquadratura successiva.

Due modalità di fallimento

• Istruzioni impilate. Scrivere push-in, poi orbita, poi pull-out in una clip breve significa chiedere tre movimenti di camera che la durata non può contenere. Un solo movimento per inquadratura.
• Sostituzione con aggettivi. Usare una parola atmosferica (drammatico, dinamico, epico) al posto del movimento di camera non specifica la camera. Se nel blocco camera non c'è nulla che dica dove si trova la macchina da presa e cosa sta facendo, hai lasciato vuoto lo slot più importante.

Incorporare e confrontare gli output reali

Una ricetta è utile solo se puoi giudicare se la versione B batte la versione A. Questo richiede un banco di prova — una routine piccola e noiosa per produrre e allineare gli output, in modo che il confronto sia meccanico e non basato sulle sensazioni.

Non ti servono strumenti, ti serve disciplina e una cartella.

Il banco di prova, in cinque passi

1. Fissa tutto ciò che non stai testando. Scrivi un baseline.md con i blocchi soggetto, azione, scena e durata che restano invariati in questo esperimento. Ogni esecuzione del batch copia quei blocchi alla lettera.
2. Indica la variabile. Cambia un solo slot per ogni esecuzione. Se stai testando la formulazione della camera, l'unica differenza tra i file è la riga della camera.
3. Genera un batch. Tutte le varianti vengono eseguite alla stessa fascia bozza e alla stessa durata, per garantire un confronto equo.
4. Allineali. Riproduci le clip in sequenza nello stesso ordine ogni volta, oppure disponile affiancate in una griglia semplice. L'ordine conta — l'occhio confronta più facilmente quando la posizione resta stabile tra una visione e l'altra.
5. Annota una conclusione per ogni variante. Una frase per variante: cosa è cambiato, se era il cambiamento che volevi, se lo conserverai.

Cosa guardare durante il confronto

• Completezza delle battute — tutte le battute dell'elenco azione sono presenti e nell'ordine giusto?
• Leggibilità della camera — uno spettatore senza istruzioni saprebbe descrivere il movimento della camera?
• Coerenza del soggetto — tra esecuzioni diverse, il soggetto resta riconoscibile come lo stesso blocco soggetto?
• Modifiche non intenzionali — sostituire la frase della camera ha cambiato silenziosamente la scena? Questo è un segno di contaminazione tra blocchi.

Quest'ultimo controllo è il vero ritorno del banco di prova. Quando i blocchi sono puliti, cambiare uno slot cambia una sola cosa. Quando si contaminano, ottieni interferenze che una singola visione non noterebbe mai — e sono le interferenze a far sembrare l'iterazione dei prompt un gioco d'azzardo.

Mantieni il banco di prova su piccola scala

Quattro o cinque varianti bastano per prendere una decisione. Batch più grandi diluiscono l'attenzione e ti inducono a scorrere distrattamente. Se il primo batch non dà conclusioni, di solito la risposta è che la variabile scelta era troppo sottile, non che devi fare altre venti esecuzioni.

Infine, riporta le conclusioni nei tuoi file di ricetta. Una frase vincente per la camera va promossa nel modello di base, così non dovrai riscoprirla ogni volta.

Flusso di lavoro ripetibile per l'iterazione dei prompt

Ecco il ciclo completo, montato dalle ricette precedenti. È volutamente poco appariscente, ed è proprio questo a determinare se la tua libreria di prompt progredisce o va alla deriva.

Passo 1 — Abbozza i blocchi

Compila il modello una volta: soggetto, battute d'azione, scena, camera, durata, risoluzione. Non rifinire. La prima versione esiste per essere modificata.

Passo 2 — Esegui a basso costo, in breve

Genera in fascia bozza con durata breve. Quello che ottieni sono informazioni su composizione, numero di battute e leggibilità della camera — nient'altro. Esegui due o tre varianti, ognuna diversa solo in uno slot mobile.

Passo 3 — Scegli il vincitore e bloccalo

Quando una variante fa ciò che volevi, copia il suo testo esatto in un file locked/. Bloccare significa che non modifichi più quel file; gli esperimenti successivi si diramano da esso, invece di modificarlo sul posto. Questa piccola abitudine previene la degenerazione più comune: perdere una buona versione continuando a rifinirla sul posto.

Passo 4 — Promuovi alle impostazioni finali

Cambia solo durata e risoluzione nei valori di consegna, poi renderizza. Se il risultato finale mostra differenze rilevanti rispetto alla bozza, annotale — significa che il prompt è sensibile alla risoluzione o alla durata, e vuoi sapere quali slot sono fragili prima del prossimo progetto.

Passo 5 — Documenta tutto

Ogni esecuzione ha un record. Il log è l'artefatto che fa fruttare questo flusso di lavoro. Campi minimi:

id: shot03_v2
template: studio-ceramiche
variable_tested: camera
prompt: <testo completo del prompt, alla lettera>
duration: <valore usato>
resolution: <livello usato>
verdict: <una frase — cosa è cambiato, conservare o scartare>
artifact: <percorso della clip>

Tre regole rendono affidabile il log. Registra solo il prompt alla lettera — una parafrasi non è riproducibile. Un solo campo variabile per record — altrimenti il log non può rispondere a "perché questo funziona?". Ogni record include il percorso della clip — una conclusione senza artefatto è solo un'opinione.

Passo 6 — Distilla in un manuale di frasi

Ogni pochi progetti, rileggi il log ed estrai ciò che vince ripetutamente — frasi della camera, forma degli elenchi di battute, blocchi scena — in un file condiviso di manuale delle frasi. Il manuale è la tua conoscenza riutilizzabile; il log è la prova che lo sostiene.

Perché l'ordine conta

Itera a basso costo, poi blocca, poi promuovi, poi documenta: ogni passo dipende dalla disciplina del precedente. Senza blocco, la promozione testa un bersaglio mobile. Senza documentazione, il blocco non ha basi. Senza bozze economiche, non puoi permetterti abbastanza esecuzioni da produrre qualcosa che valga la pena bloccare.

Esegui questo ciclo su MiniMax H3 Max text-to-video tramite l'API unificata di HiAPI.ai, e conserva il testo dei prompt e i valori dei parametri nel tuo repository, così che ogni successo resti riproducibile.