Blog

Guida all'uso

Creare video brevi con vidu-q3-mix reference-to-video su HiAPI

Un flusso di lavoro per sviluppatori: clip coerenti nei personaggi, voce narrante da riferimenti vocali e ritmo in post-produzione

Nov 9, 2026
Immagine di copertina in stile geometrico piatto: su uno sfondo blu indaco scuro, ampi chevron a più livelli avanzano orizzontalmente uno strato dopo l'altro, con il bordo anteriore in arancio albicocca.
In questa pagina

Cosa offre il task vidu-q3-mix reference-to-video

Il task vidu-q3-mix/reference-to-video su HiAPI è un passaggio di generazione, non un passaggio di video finito. Gli si inviano materiali di riferimento — immagini che definiscono l'aspetto di un personaggio o di una scena, e testo del prompt che descrive l'azione — e si ottiene una clip. In una pipeline di video brevi occupa una posizione intermedia: a monte ci sono la preparazione dei materiali di riferimento e la progettazione del prompt, a valle la revisione delle clip, il taglio e il montaggio.

Un modello mentale utile è quello di tre canali di input che confluiscono in un output:

Cosa entra

  • Immagini di riferimento. Una o più immagini fisse usate per ancorare l'aspetto: volto, acconciatura, abbigliamento, tono cromatico, ambiente.
  • Prompt. Una descrizione in linguaggio naturale di ciò che deve accadere nell'inquadratura — soggetto, azione, sensazione di ripresa, atmosfera.
  • Riferimento vocale opzionale. Un campione audio da usare quando si desidera che la voce narrante abbia un timbro specifico.

Cosa esce

Una clip generata. Trattala come materiale grezzo. Il modello non è un editor di timeline: non monta il tuo video a tempo, non sovrappone sottotitoli e non garantisce che la quarta inquadratura sia identica pixel per pixel alla prima. Questo è il lavoro che fai in post-produzione.

Dove si colloca

Un video breve è di solito costruito da più clip generate separatamente, poi ordinate e combinate. Il task reference-to-video è l'unità ripetibile di questo processo di costruzione: una chiamata, un'inquadratura, più chiamate per un prodotto finito. Pianificare attorno a questa unità è ciò che rende il progetto gestibile e le aspettative calibrate. Non aspettarti che una singola generazione produca un video completo con voce narrante, sottotitoli e ritmo. Lascia che produca una buona inquadratura, poi assembla le inquadrature.

Poiché la generazione avviene per clip, il costo varia con il numero di inquadrature prodotte e la durata di ciascuna, quindi preventiva in base al numero di inquadrature e alla durata dell'output, non in base ai minuti di video finito. Prima di definire le dimensioni del batch, consulta il pannello dei prezzi della piattaforma per le tariffe correnti.

Immagini di riferimento e campioni vocali entrano in un passaggio di generazione guidata da riferimenti che produce una singola clip.

Pianificare le inquadrature di un video breve attorno alle immagini di riferimento

Un video breve si gioca nei primi due secondi, quindi scrivi il piano delle inquadrature prima di chiamare l'API. Scomponi l'opera in inquadrature sulla carta, poi decidi quali materiali di riferimento servono per ciascuna.

Scrivere la lista delle inquadrature

Ogni voce dovrebbe rispondere a quattro cose: cosa vede lo spettatore, cosa fa il soggetto, quanto dura il momento perché sia comprensibile e se c'è una voce narrante sopra. Un'opera da 30 secondi può essere composta da cinque a otto inquadrature. Meno inquadrature, più lunghe, sono più facili da mantenere coerenti; più inquadrature, più brevi, danno più controllo del ritmo ma sono più soggette a deriva visiva.

Scegliere i materiali di riferimento per inquadratura, non per progetto

Un errore comune è pensare che un unico set di materiali di riferimento possa coprire tutto. In realtà i materiali vanno scelti con cura per ogni inquadratura:

  • Il soggetto è nel fotogramma ed è riconoscibile — fornisci un'immagine chiara del volto del personaggio e, se l'inquadratura prevede movimento o rotazione, una o due angolazioni o espressioni ausiliarie.
  • Il soggetto non è nel fotogramma o è molto piccolo — l'ambiente conta più del volto; fai riferimento invece al luogo, all'abbigliamento o agli oggetti di scena.
  • Entra un nuovo personaggio — decidi se avrà un proprio set di riferimenti e mantienilo coerente dalla prima apparizione.

Mantenere i materiali di riferimento puliti e coerenti

Usa immagini con il soggetto non occluso, ben illuminate e non in conflitto stilistico con gli altri riferimenti dello stesso personaggio. Mescolare illuminazioni diverse o stili artistici contrastanti nei riferimenti spinge l'output verso il rumore visivo. Se un personaggio appare sia in esterni luminosi sia in interni bui, privilegia un unico set di riferimenti lasciando che sia il prompt a descrivere l'illuminazione, invece di scambiare riferimenti che sembrano persone diverse.

Versionare i materiali di riferimento

Archivia i materiali di riferimento con una struttura prevedibile — nome del personaggio, angolazione, variante — e registra quale set ha prodotto quale inquadratura approvata. Quando un'inquadratura deriva, devi sapere esattamente cosa è cambiato tra l'esecuzione riuscita e quella fallita. Questa piccola disciplina fa risparmiare interi pomeriggi.

Mantenere la coerenza dei personaggi tra più inquadrature

La coerenza tra clip generate separatamente è la parte più difficile di un flusso di lavoro guidato da riferimenti, ed è soprattutto una questione di disciplina, non di trucchi di prompting.

Riusare lo stesso set di riferimenti per tutta la sequenza

Una volta bloccato il set di riferimenti di un personaggio, usalo esattamente in ogni inquadratura in cui compare. Non derivare nuovi riferimenti inquadratura per inquadratura, non ritagliare nuovi riferimenti a metà progetto a meno che tu non voglia intenzionalmente ridefinire la base dell'intera sequenza, e non mescolare materiali provenienti dai set di riferimenti di altri personaggi. Il tuo segnale di coerenza più forte è la coerenza degli input.

Standardizzare le convenzioni del prompt

Scrivi i prompt con una struttura fissa, così che il modello veda lo stesso tipo di descrizione ogni volta: descrizione del soggetto, poi azione, poi ripresa, poi atmosfera. Mantieni la descrizione del soggetto identica parola per parola tra le diverse inquadrature — stesse parole per lo stesso personaggio, stessi termini per lo stesso abbigliamento. La variazione deve stare nei campi azione e ripresa, non nel modo in cui descrivi chi è il personaggio.

Generare in batch coerenti

Genera le inquadrature correlate concentrate nella stessa sessione di lavoro e rivedile affiancate, non una alla volta. Le piccole differenze invisibili guardando una clip isolata diventano evidenti quando due inquadrature sono affiancate. Valuta ogni clip rispetto alle inquadrature adiacenti, non isolatamente rispetto al prompt.

Accettare deliberatamente l'imperfezione

Puntare alla coerenza perfetta fotogramma per fotogramma tra generazioni indipendenti non è realistico. Pianifica di conseguenza:

  • Nascondi le giunture con la struttura. Taglia sul movimento, sul cambio di angolazione o sul battito della voce narrante, così l'occhio non confronta direttamente due volti.
  • Riduci le apparizioni. Un personaggio che compare in tre inquadrature resta più coerente di uno che compare in otto.
  • Isola l'inquadratura problematica. Se una clip continua a derivare, cambiane l'inquadratura (più larga, sopra la spalla, parzialmente occlusa) invece di rigenerarla all'infinito.

Rigenerare con intenzione

Quando una clip non va bene, prima di rieseguire stabilisci quale variabile vuoi cambiare: materiali di riferimento, formulazione del prompt o inquadratura. Cambiare più variabili contemporaneamente rende ogni risultato non riproducibile e reimposta silenziosamente la tua base di coerenza.

Stessi materiali di riferimento, stesse convenzioni di prompt: le clip generate separatamente si leggono come una sequenza continua.

Creare la voce narrante con riferimenti vocali

I riferimenti vocali plasmano il carattere della voce narrante — timbro, tono e sensazione complessiva. Non ti danno un mix audio finito e non sanno quanto durano le tue inquadrature.

Mantenere i campioni focalizzati

Fornisci un campione pulito della voce che desideri, senza musica di sottofondo, riverbero pesante o più persone che parlano. Un audio breve, chiaro e con una sola persona che parla dà al modello il segnale più compatto su quale voce vuoi. Conserva il campione scelto insieme al set di immagini come parte dei materiali di riferimento bloccati del progetto.

Scrivere in base alla durata parlata

La durata della voce narrante è un problema di testo che si risolve prima della generazione. Leggi il copione ad alta voce al ritmo che desideri e cronometralo. La voce narrante dei video brevi è di solito molto compressa: poche parole per inquadratura sono normali. Se una battuta non sta nella durata pianificata per l'inquadratura, elimina la battuta — non chiedere che la clip duri di più solo per far entrare la battuta.

Pianificare la posizione della voce rispetto alle inquadrature

Decidi inquadratura per inquadratura se la voce narrante attraversa l'intera clip, cade su un singolo battito o non c'è affatto. Un pattern utile per i video brevi è l'alternanza: battuta gancio sull'inquadratura di apertura, silenzio mentre l'azione si comprende visivamente, battuta finale sull'ultimo battito. Scrivere questo ritmo come colonna nella lista delle inquadrature trasforma la voce narrante da aggiunta successiva in strumento di ritmo.

Fare il lavoro audio fuori dalle chiamate al modello

La caratterizzazione della voce è solo un input; il mix è compito tuo. Prevedi di gestire livelli, riduzione del rumore, dissolvenze, tappeto musicale e ducking nello strumento di montaggio. Mantieni la voce narrante su una traccia separata, così può scorrere rispetto all'immagine invece di essere incorporata in una singola clip, e quando le inquadrature vengono tagliate puoi ritimare le battute. Se una battuta esce con un difetto o una lettura strana, rigenera solo quella battuta invece di rifare l'intera sequenza.

Tratta il riferimento vocale come strumento di coerenza per il carattere della voce narrante, non come servizio di cronometraggio o di missaggio.

Assemblare ritmo e post-produzione

Una volta generate le clip, il lavoro si sposta sulla timeline. È qui che il materiale generato diventa un video breve, ed è qui che si guadagna gran parte della qualità percepita.

Tagliare con decisione

Le clip generate di solito contengono un nucleo utilizzabile con ridondanza a entrambe le estremità. Taglia fino al momento comprensibile: l'azione che inizia, il battito che atterra. La maggior parte dei primi assemblaggi risulta chiaramente troppo lunga, e stringere è quasi sempre la scelta giusta per il ritmo dei video brevi. Punta a zero fotogrammi morti — lo spettatore deve sentire dal primo secondo che l'opera avanza.

Ordinare secondo il ritmo

Guarda prima il montaggio con l'audio disattivato e disponi le inquadrature. Se la sequenza visiva non cattura l'attenzione in silenzio, la voce narrante non può salvarla. Poi varia consapevolmente la durata delle inquadrature: tagli più rapidi creano slancio, un'inquadratura più lunga ripristina l'attenzione. Allinea i punti di taglio principali ai battiti della voce narrante quando possibile, così orecchio e occhio cambiano insieme.

Trattare i sottotitoli come elemento di primo livello

I video brevi vengono spesso guardati senza audio, quindi i sottotitoli portano la voce narrante. Posiziona i sottotitoli dopo aver bloccato l'immagine, lascia che restino sullo schermo abbastanza a lungo da essere letti comodamente e vai a capo ai confini delle frasi naturali, non a metà di un pensiero. Se i sottotitoli entrano in conflitto con la composizione, regola l'inquadratura o riposizionali, invece di ridurre il testo a dimensioni illeggibili.

Allineare e missare l'audio

Metti la voce narrante su una traccia separata, fai scorrere ogni battuta sul suo battito e verifica che nessuna battuta venga tagliata dai punti di montaggio. Quando aggiungi un tappeto musicale, tienilo abbastanza basso da mantenere il parlato chiaro e comprensibile. Guarda la sequenza finale dall'inizio alla fine con le cuffie — questo intercetta problemi di tempismo che la vista della timeline nasconde.

Rivedere rispetto al piano

Rileggi la tua lista delle inquadrature e verifica che ciascuna abbia consegnato ciò che doveva consegnare. Se un'inquadratura non vale la pena di essere tenuta, tagliala; un montaggio serrato di sei inquadrature batte un montaggio allentato di nove. Quando sei soddisfatto, blocca la timeline, poi esporta.

Mantenere il progetto riproducibile

I materiali di riferimento, le convenzioni di prompt e le clip approvate del progetto sono la tua fonte di verità. Archiviali insieme al montaggio finale, così le revisioni successive — nuovo gancio, nuovo finale, durata diversa — si possono realizzare senza ricostruire l'intera pipeline da zero.

Per l'intera gamma di parametri del task, prima di impostare batch, fai riferimento alla guida della piattaforma per confermare i campi della richiesta.

Taglio, voce narrante e sottotitoli bloccati su un'unica timeline condivisa.

Checklist del flusso di lavoro ripetibile

Ecco la checklist del processo end-to-end, riutilizzabile in ogni nuovo video breve.

Pianificazione

  • Scrivi l'opera come lista di inquadrature: soggetto, azione, durata e battito della voce narrante per ciascuna.
  • Cronometra la voce narrante ad alta voce e accorcia le battute del copione per adattarle alla durata pianificata.
  • Decidi il pattern di ritmo — inquadratura gancio, battiti d'azione, battuta finale.

Preparazione dei materiali di riferimento

  • Organizza con cura un set bloccato di riferimenti immagine per ogni personaggio; salvalo con una denominazione chiara.
  • Scegli un riferimento vocale pulito con una sola persona che parla per la voce narrante.
  • Registra quali materiali di riferimento appartengono a quale versione del progetto.

Generazione

  • Una chiamata a vidu-q3-mix/reference-to-video per inquadratura.
  • Usa lo stesso set di riferimenti e esattamente la stessa formulazione del soggetto in ogni inquadratura in cui compare il personaggio.
  • Varia azione e linguaggio della ripresa, non il linguaggio dell'identità.
  • Genera le inquadrature correlate nella stessa sessione per poterle rivedere affiancate.

Revisione

  • Confronta le clip come insieme, non isolatamente.
  • Rigenera cambiando una variabile alla volta e registra quale variabile hai cambiato.
  • Reinquandra le inquadrature che continuano a derivare, invece di entrare in un ciclo infinito di rigenerazioni.

Montaggio

  • Taglia ogni clip fino al suo nucleo utilizzabile; rimuovi i fotogrammi morti.
  • Ordina prima il ritmo guardando in silenzio, poi allinea i battiti della voce narrante.
  • Aggiungi i sottotitoli dopo aver bloccato l'immagine; verifica la leggibilità.
  • Mixa la voce narrante su una traccia separata, poi aggiungi la musica; controlla con le cuffie.

Archiviazione

  • Conserva insieme materiali di riferimento, convenzioni di prompt, clip approvate e timeline finale.
  • Annota eventuali eccezioni a livello di inquadratura per le revisioni future.

Questa checklist è volutamente breve. La maggior parte dei fallimenti nei video brevi guidati da riferimenti deriva dal saltare un passaggio, non dalla chiamata di generazione in sé — blocca gli input, mantieni il piano serrato, lascia che sia la post-produzione a occuparsi del ritmo.

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