Esempi di prompt per image-to-video di Wan2.7: showcase di scarpe da ginnastica in stile spot pubblicitario

Una foto statica di scarpe da ginnastica non è una pubblicità. A renderla tale è il linguaggio cinematografico: un'inquadratura fissa, una rotazione, un'atmosfera e un fascio di luce che può posarsi su di essa. Il breve video qui sotto nasce da una foto di prodotto e da un prompt, animati tramite wan2.7-video/image-to-video. Di seguito analizziamo il prompt frase per frase e forniamo la chiamata API completa per riprodurre il filmato.

Il prompt completo

A single white sneaker rotating slowly on a reflective dark surface, swirling white mist rising and curling around it in soft cinematic light, camera holding a steady low-angle shot, product-commercial mood, shallow depth of field, subtle rim lighting catching the sneaker sole

Sei proposizioni, sei responsabilità. Ecco cosa fa concretamente ciascuna frase.

1. "Camera holding a steady low-angle shot" (la camera mantiene un'inquadratura stabile dal basso)

Questo è l'ancoraggio, con un'istruzione esplicita: mantenere, non panoramizzare né orbitare. wan2.7-video/image-to-video anima a partire dall'immagine first_frame, quindi il modello sa già da dove inizia l'inquadratura: un'angolazione dal basso leggermente rivolta verso il prodotto. Dirgli di mantenere quella posizione impedisce al modello di derivare in uno zoom lento o in un dolly in, che è il modo più comune in cui un buon rendering i2v rovina silenziosamente la propria composizione. L'angolazione dal basso è specificata perché questa convenzione fa sembrare le scarpe da ginnastica desiderabili, invece che una miniatura da catalogo prodotto: è la composizione usata dagli spot di sneaker dagli anni '90.

2. "Rotating slowly on a reflective dark surface" (rotazione lenta su una superficie scura riflettente)

La piattaforma girevole è il trucco più antico della fotografia di prodotto, e sopravvive nel video perché è un modo economico per mostrare l'oggetto da ogni angolazione in un'unica ripresa continua, senza montaggio. Lentamente è cruciale: una rotazione veloce sembra un trucco, una lenta sembra un omaggio. La superficie scura riflettente ha un doppio ruolo: offre alla nebbia sottile una superficie su cui rifrangere la luce, e il riflesso appena visibile della sneaker sotto fa sembrare l'immagine costruita in studio anziché scattata su un tavolo.

3. "Swirling white mist rising and curling around it" (nebbia bianca vorticosa che si solleva e si avvolge intorno)

La nebbia è pura atmosfera: non tocca il prodotto, ma è ciò che distingue un rendering di materiale grezzo da qualcosa che sembra aver avuto un budget. Swirling (vorticoso) e curling (avvolgente) sono verbi di movimento, e i verbi di movimento contano più nei prompt i2v che in quelli text-to-image, perché il modello deve decidere cosa si muove effettivamente durante la clip. Senza queste parole, "mist" potrebbe essere renderizzata come una foschia statica incorporata nel primo fotogramma, anziché come qualcosa che si sviluppa nel tempo.

4. "Soft cinematic light" + "subtle rim lighting catching the sneaker sole" (luce cinematografica morbida + sottile luce di contorno che cattura la suola)

Queste due proposizioni svolgono compiti diversi ed entrambe devono essere presenti nel prompt, non solo una. La luce cinematografica morbida imposta l'esposizione complessiva: uniforme, gradevole, non un flash da studio abbagliante. La luce di contorno che cattura la suola è l'istruzione sul dettaglio protagonista: indica esattamente quale dettaglio la luce deve scolpire. Il bordo della suola e il disegno della intersuola sono i punti in cui la fotografia di sneaker di solito brilla, e specificarli è ciò che fa comparire nel rendering una luce di contorno luminosa e precisa sul bordo della suola, invece di un bagliore uniforme e generico. Togli questa proposizione e di solito ottieni solo luce morbida, senza il punto focale.

5. "Product-commercial mood" + "shallow depth of field" (atmosfera da spot pubblicitario + profondità di campo ridotta)

L'etichetta di atmosfera è un'istruzione di genere: spinge la color grading, il ritmo e la composizione verso lo stile pubblicitario, anziché documentaristico o amatoriale. La profondità di campo ridotta è l'istruzione tecnica che lo rende possibile: lo sfondo sfocato è l'indizio visivo più rapido per dire che si tratta di uno scatto di prodotto professionale, non di una foto da smartphone. Insieme, svolgono il lavoro che in una produzione reale spetta al colorist e alla scelta degli obiettivi.

Esecuzione su hiapi

wan2.7-video/image-to-video gira sull'API asincrona di task di hiapi: invii un'immagine e un prompt, poi effettui polling finché la clip non è pronta:

# Create the task — pass your source image as the first_frame
curl -X POST "https://api.hiapi.ai/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video/image-to-video",
    "input": {
      "prompt": "A single white sneaker rotating slowly on a reflective dark surface, swirling white mist rising and curling around it in soft cinematic light, camera holding a steady low-angle shot, product-commercial mood, shallow depth of field, subtle rim lighting catching the sneaker sole",
      "media": [
        { "type": "first_frame", "url": "https://your-cdn.com/sneaker-source.jpg" }
      ],
      "resolution": "720P",
      "duration": 5,
      "prompt_extend": true,
      "watermark": false
    }
  }'

# Poll until status leaves "processing" — output[0].url is the finished clip
curl "https://api.hiapi.ai/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $HIAPI_API_KEY"

Prima di investire un budget reale, alcuni consigli pratici:

• input.duration accetta da 2 a 15 secondi (predefinito 5), input.resolution è 720P o 1080P (predefinito 1080P): la tabella completa dei parametri è nella pagina del modello wan2.7-video/image-to-video.
• Questo endpoint non ha i campi ratio o aspect_ratio. L'orientamento dell'output segue l'immagine sorgente: la clip nella galleria sopra è renderizzata a 720×1280 perché il fotogramma sorgente era già verticale. Scatta o ritaglia la foto statica nell'orientamento che vuoi che abbia il video finale.
• Il prezzo è una tariffa fissa al secondo: 720P a $0.10/s, 1080P a $0.167/s: quindi una clip di 5 secondi a 720P costa circa $0.50, una di 5 secondi a 1080P circa $0.84. Prima di aumentare i volumi, verifica le tariffe attuali sulla pagina dei prezzi di hiapi, poiché risoluzione e durata influiscono sul costo totale.
• Testa a basso costo: 720P + 2 secondi bastano per verificare che l'URL dell'immagine e il comportamento del prompt siano come previsto, prima di passare a rendering più lunghi e ad alta risoluzione.

Domande frequenti

Il prompt deve descrivere il movimento di camera, o il modello ne sceglie uno da solo? Descrivilo. Se lo ometti, wan2.7-video/image-to-video inventa un movimento di camera, e raramente è quello che desideri. Specificare sia il tipo di inquadratura ("low-angle") sia il suo comportamento ("holding", "rotating") è ciò che mantiene il rendering sulla giusta strada.

Posso controllare inizio e fine del video, invece di animare solo una foto? Sì: sostituisci media con due voci, una con "type": "first_frame" e una con "type": "last_frame"; il modello interpolerà tra le due, invece di animare a partire da una singola immagine. Utile se hai già le foto del prodotto "prima" e "dopo".

Perché specificare "reflective dark surface" invece di un semplice "on a table"? Perché il riflesso è la struttura portante. È ciò che raddoppia visivamente la nebbia e la luce di contorno, ed è gran parte di ciò che distingue un rendering medio da un risultato davvero commerciale: con le stesse identiche istruzioni di luce, una superficie opaca produce un risultato più piatto e meno premium.

prompt_extend cambia ciò che ho scritto? Consente al modello di ampliare i prompt brevi con dettagli descrittivi aggiuntivi prima del rendering. Con prompt così specifici, tenerlo attivo raramente cambia il risultato in modo significativo; ma con prompt più brevi può aggiungere abbellimenti che non hai richiesto, quindi se hai bisogno di una stretta aderenza letterale, disattivalo.

Se stai costruendo una libreria di scatti di prodotto, la documentazione di wan2.7-video/image-to-video copre anche la variante reference-to-video, per mantenere coerente il soggetto tra più prompt: vale la pena guardarla quando un singolo scatto showcase non basta.