Prompt per video da testo con Ray 3.2: 5 ricette e clip reali

TL;DR

• Il video da testo di Ray 3.2 non ha un fotogramma iniziale, quindi il prompt deve costruire l'intera inquadratura: soggetto, composizione del primo fotogramma, movimento di camera, ritmo, luce e una breve lista di negative. È questa la competenza chiave che questa pagina vuole allenare.
• Qui sotto ci sono cinque prompt che abbiamo scritto di persona ed eseguito su ray-3.2/text-to-video, ognuno accompagnato dalla clip che ha effettivamente generato. Ogni clip è una generazione da 5 secondi; quattro sono a 540p, una a 720p.
• Un prompt Ray 3.2 affidabile segue sempre lo stesso ordine: movimento di camera → soggetto → ambiente → luce e colore → negative. Inizia dalla camera, non dal soggetto.
• Verificato con test reali prima della pubblicazione: duration accetta 5 o 10, resolution accetta 540p / 720p / 1080p, aspect_ratio accetta sei valori — 16:9, 9:16, 1:1, 4:3, 3:4, 21:9.
• Il prezzo è per clip, non al secondo: una clip da 5 secondi/540p costa $0.2145; 5 secondi/720p costa $0.429 (prezzi al 2026-10 — consulta la pagina dei prezzi per il listino attuale).

Perché il prompt per video da testo è una competenza a sé

Se hai usato il video da immagine, la memoria muscolare qui ti inganna. Nel video da immagine il primo fotogramma è già fornito al modello, quindi il tuo prompt deve descrivere solo il movimento. Il video da testo parte da zero — il modello inventa contemporaneamente il primo fotogramma e il movimento basandosi solo sulle tue parole. Un prompt che dice solo "la camera avanza lentamente" non ha alcun oggetto verso cui avanzare.

Quindi su ray-3.2/text-to-video il prompt porta un doppio carico: deve sia comporre un fotogramma iniziale credibile, sia coreografare il modo in cui quel fotogramma si muove. Le ricette qui sotto sono costruite attorno a una struttura che rende espliciti entrambi i compiti. Se hai già un fermo immagine che vuoi animare, non forzare il video da testo — usa invece l'endpoint video da immagine di Ray 3.2, che si àncora al tuo fotogramma e richiede solo la metà del prompt dedicata al movimento.

Lo scheletro di prompt che funziona su Ray 3.2

In tutte le prove, le clip che restano coerenti seguono lo stesso ordine di frasi:

1. Il movimento di camera per primo. "carrellata cinematografica lenta", "ripresa aerea che scorre lateralmente", "avanzamento a mano". Ray 3.2 tratta la frase iniziale come istruzione dominante, quindi metti lì il movimento.
2. Soggetto + la sua azione. Un soggetto chiaro che fa una cosa chiara. Due soggetti in competizione sono proprio il punto in cui il movimento inizia a lasciare scie.
3. Ambiente. Una scena abbastanza piena da riempire l'inquadratura, ma non troppo — le scene dense sacrificano la stabilità del movimento.
4. Luce e color grading. È qui che Ray 3.2 dà il meglio di sé; reagisce con forza al linguaggio della luce ("golden hour", "neon ciano e magenta", "in controluce"). Dichiara esplicitamente lo stile di grading.
5. Una breve lista di negative. Chiudi con Negative: ... per contenere i modi di fallire più comuni — testo, logo, arti deformati, sfarfallio, stacchi bruschi.

Mantieni l'intero prompt su poche frasi. Più lungo non è meglio; le frasi in eccesso diluiscono l'istruzione di camera.

Ricetta 1 — Iniziare dalla camera: carrellata lenta

Punto didattico: metti il movimento di camera nella prima frase e usa 21:9 per un look cinematografico widescreen.

Carrellata cinematografica lenta verso un guardiano del faro in piedi da solo su un balcone di ferro consumato dalle intemperie,
spruzzi salmastri che attraversano l'inquadratura. Luce dell'alba coperta, blu-grigio freddo, ombre diffuse morbide.
La camera scivola in avanti con un ritmo costante e misurato, comprimendo gradualmente la distanza, gabbiani che attraversano lo sfondo. Sensazione di
lente anamorfica, profondità di campo ridotta, grana sottile della pellicola. Negative: niente testo, niente
logo, niente mani deformate, niente stacchi bruschi.

Impostazioni: duration 5, resolution 540p, aspect_ratio 21:9. Il "carrellata cinematografica lenta" iniziale fa il lavoro pesante — Ray 3.2 lo legge come istruzione primaria e mantiene lo scivolamento in avanti stabile senza derivare. "Ritmo misurato" è una frase utile: sopprime il movimento veloce troppo impaziente che i modelli video da testo producono di default.

Ricetta 2 — Inquadratura di ambientazione e ritmo

Punto didattico: un movimento aereo di ambientazione con una "rivelazione" voluta, e come il linguaggio della luce porta l'umore complessivo.

Inquadratura aerea di ambientazione, lenta deriva in golden hour su una valle di risaie a terrazze, il sole basso che spazza obliquo
sulle risaie allagate che riflettono un cielo ambrato. Una nebbia sottile si accumula nelle terrazze inferiori. La camera si muove lateralmente con un ritmo lento e
misurato, rivelando gradualmente un contadino che cammina lungo uno stretto sentiero di terra battuta. Illuminazione calda ad alta gamma dinamica,
verdi e ori intensi, foschia cinematografica. Negative: niente testo, niente watermark,
niente sfarfallio, niente geometrie distorte.

Impostazioni: duration 5, resolution 720p, aspect_ratio 16:9. Due cose fanno funzionare questa clip. Primo, "rivelando gradualmente un contadino" dà al movimento laterale uno scopo — la camera ha un posto dove andare. Secondo, il paragrafo della luce ("golden hour", "il sole basso che spazza obliquo", "calda ad alta gamma dinamica") è proprio ciò che dà a Ray 3.2 il look cinematografico; toglilo e ottieni solo una ripresa drone piatta. È anche la clip da cui abbiamo estratto il fotogramma di copertina.

Ricetta 3 — Luce che guida l'atmosfera e movimento a mano

Punto didattico: usare il linguaggio del grading per creare atmosfera, e "avanzamento a mano" per ottenere energia senza caos.

Vicolo bagnato dalla pioggia di notte, insegne al neon riflesse nelle pozzanghere, vapore che si alza da un banco di cibo di strada.
La camera a mano avanza dolcemente lungo il vicolo, i riflessi bagnati tremolano appena a ogni passo. Atmosfera
neon ciano e magenta, ombre profonde, nebbia con luce volumetrica, insegne sullo sfondo che creano un bokeh cinematografico.
Negative: niente testo leggibile, niente logo, niente persone deformate, niente sfarfallio.

Impostazioni: duration 5, resolution 540p, aspect_ratio 16:9. "Avanzamento a mano dolcemente" ti dà un leggero ondeggiamento organico, mentre "dolcemente" gli impedisce di diventare una ripresa traballante. La negativa niente testo leggibile è voluta: le scene al neon invitano il modello a generare insegne illeggibili, e chiedere niente testo leggibile è più affidabile che sperare che scriva le parole correttamente.

Ricetta 4 — Seguire un soggetto in movimento

Punto didattico: un'inquadratura a seguire che mantiene un singolo soggetto centrato, e una negativa contro i fallimenti anatomici.

Una volpe rossa che salta attraverso neve fresca e farinosa in una betulla illuminata dal sole, fiocchi che schizzano lentamente in controluce.
La camera segue la volpe fianco a fianco con un ritmo costante, tenendola al centro dell'inquadratura mentre gli alberi sfrecciano oltre.
Luce mattutina invernale nitida, bianchi freddi con una calda luce di contorno del sole, granelli di neve scintillanti. Negative:
niente arti in più, niente tremolio, niente testo, niente cambi di velocità innaturali.

Impostazioni: duration 5, resolution 540p, aspect_ratio 16:9. "Tenendola al centro dell'inquadratura mentre gli alberi sfrecciano oltre" è la frase chiave — dice a Ray 3.2 che il soggetto è l'ancora e che è lo sfondo a muoversi, che è esattamente come si legge una vera ripresa a seguire. Il movimento animale è ciò che espone più facilmente i difetti degli arti, quindi niente arti in più e niente cambi di velocità innaturali hanno un posto nella lista di negative.

Ricetta 5 — Formato verticale e tilt macro

Punto didattico: passare a 9:16 per i social, e un lento tilt su un soggetto macro compatto.

Ripresa macro verticale di un espresso in estrazione, crema scura che vortica in una tazza di vetro calda
su un piano di marmo nella morbida luce del mattino dalla finestra. La camera sale lentamente dal gruppo di erogazione che gocciola
alla tazza finita. Profondità di campo ridotta, calde tonalità caramello, vapore che sale dolcemente, finitura commerciale premium.
Negative: niente mani tremanti, niente versamenti, niente sovrapposizioni di testo, niente banding.

Impostazioni: duration 5, resolution 540p, aspect_ratio 9:16. Passare a 9:16 non costa di più — Ray 3.2 fa pagare in base a durata e risoluzione, non al rapporto d'aspetto, quindi puoi produrre clip verticali per i social allo stesso prezzo del widescreen. Il lento tilt ("sale lentamente da... a...") dà movimento a un soggetto macro compatto senza che l'intera scena debba muoversi.

Tabella rapida di impostazioni e costi

Parametro	Valori accettati
duration	5, 10 (interi)
resolution	540p, 720p, 1080p
aspect_ratio	16:9, 9:16, 1:1, 4:3, 3:4, 21:9

Il prezzo è un importo fisso per clip (al 2026-10):

Clip	Prezzo
5 secondi · 540p	$0.2145
5 secondi · 720p	$0.429
5 secondi · 1080p	$1.7145
10 secondi · 540p	$0.643
10 secondi · 720p	$1.286
10 secondi · 1080p	$5.143

Un flusso di lavoro sensato è iterare il prompt a 5 secondi/540p (circa 21 centesimi per tentativo), e una volta che composizione e movimento sembrano giusti, rigenerare a risoluzione più alta quello che vuoi tenere. Il listino completo e aggiornato è sulla pagina dei prezzi di HiAPI.

Segnali di fallimento comuni e come correggerli nel prompt

• Movimento troppo veloce. Aggiungi "ritmo lento e misurato" nella frase di camera.
• Insegne o sottotitoli illeggibili. Metti niente testo leggibile / niente sovrapposizioni di testo nelle negative invece di provare a scrivere le parole.
• Soggetto con scie o fantasmi. Riduci a un solo soggetto e nominalo come ancora ("tenendola al centro dell'inquadratura").
• Sfarfallio e tremolio in scene al neon o ad alto contrasto. Aggiungi niente sfarfallio, niente tremolio.
• Difetti agli arti su persone e animali. Aggiungi niente arti in più, niente mani deformate.

FAQ

Quanto può durare una clip video da testo di Ray 3.2? Due durate: 5 o 10 secondi. Il campo duration accetta solo gli interi 5 e 10.

Quali risoluzioni e rapporti d'aspetto sono supportati? Le risoluzioni sono 540p, 720p e 1080p. I rapporti d'aspetto sono 16:9, 9:16, 1:1, 4:3, 3:4 e 21:9 — sei in tutto, che coprono widescreen, verticale, quadrato e anamorfico.

Renderizzare una clip verticale (9:16) costa di più? No. Il prezzo dipende solo da durata e risoluzione, quindi a parità di lunghezza e risoluzione una clip verticale 9:16 costa come una 16:9.

Posso dare a Ray 3.2 un'immagine iniziale invece di un prompt testuale? Sì, ma è un altro endpoint — Ray 3.2 video da immagine accetta un primo fotogramma (e opzionalmente un ultimo fotogramma). Il video da testo è adatto quando parti da una descrizione anziché da un'immagine.

Questi stessi identici prompt riprodurranno queste stesse identiche clip? I modelli video non sono deterministici, quindi otterrai lo stesso stile e composizione, ma non una clip identica al pixel. Tratta questi prompt come punti di partenza affidabili e regola le frasi di camera e luce secondo i tuoi gusti.

Vuoi provare questi prompt?

Copia una qualsiasi delle ricette qui sopra ed eseguila sulla pagina del modello video da testo Ray 3.2 — lo stesso endpoint /v1/tasks, una sola API key per tutti i modelli. Se stai confrontando modelli video, lo stesso trattamento "copiabile + clip reali" è disponibile anche nelle nostre ricette di prompt per Seedance 2.5 e nei prompt per video da testo di Veo 3.1 Lite, così prima di impegnarti puoi vedere la stessa struttura di prompt all'opera su un altro motore.