Prompt per Sora: Struttura, Controlli Camera e Fisica per Video AI

Sora risponde meglio a prompt che separano la definizione del soggetto, il linguaggio della camera, la fisica ambientale e la progressione temporale in clausole distinte e ordinate. A differenza dei modelli text-to-image, Sora richiede istruzioni esplicite su come gli oggetti si muovono nello spazio 3D nel tempo. Questa guida analizza la sintassi e il vocabolario che producono risultati controllabili e ad alta fedeltà.

1. L'Architettura del Prompt a Quattro Livelli

I prompt efficaci per Sora seguono una gerarchia rigorosa. Discostarsi da questo ordine spesso porta il modello a privilegiare l'estetica sulla fisica o a ignorare le indicazioni di camera.

• Livello 1 – Soggetto e Azione: Definire l'entità principale e il suo movimento base (es. "Un corgi con maglione di lana rossa che corre").
• Livello 2 – Camera e Obiettivo: Specificare lunghezza focale, angolazione e movimento (es. "Ripresa dal basso con carrello, obiettivo 35mm, steady cam").
• Livello 3 – Ambiente e Fisica: Descrivere illuminazione, meteo e interazione dei materiali (es. "Asfalto bagnato che riflette neon, gocce di pioggia sul pelo, simulazione fisica del pelo").
• Livello 4 – Temporale e Stile: Impostare durata, ritmo e filtro estetico (es. "5 secondi, slow motion, color grading cinematografico, tempo di posa breve").

Scrivere sempre i livelli come clausole separate da virgole in un unico paragrafo. Il meccanismo di attenzione di Sora analizza meglio le dipendenze sequenziali rispetto ai ritorni a capo.

2. Vocabolario del Linguaggio Camera che Funziona

Termini generici come "ripresa cinematografica" producono output generici. I dati di addestramento di Sora includono metadati dettagliati della camera. Usare terminologia precisa per guidare il rig virtuale.

Tipi di Movimento

• Dolly / Carrello: Movimento laterale parallelo al soggetto. Usare "carrello lento a sinistra" per profondità con parallasse.
• Pedestal / Boom: Sollevamento verticale senza inclinazione. Essenziale per rivelazioni.
• Orbit / Arco: Percorso circolare attorno al soggetto. Specificare raggio e velocità ("orbita stretta 360 gradi a 15gradi/sec").
• Handheld / Drone: Aggiunge micro-vibrazioni o prospettiva ad alta quota. Abbinare a "stabilizzato" per ridurre tremolii indesiderati.

Controlli Obiettivo e Sensore

• Lunghezza Focale: "Grandangolo 24mm" esagera la profondità; "Teleobiettivo 85mm" comprime lo sfondo.
• Apertura: "f/1.8 profondità di campo ridotta" isola il soggetto; "f/11 messa a fuoco profonda" mantiene tutto nitido.
• Angolo Otturatore: "Otturatore 180 gradi" (motion blur standard) vs "Otturatore 45 gradi" (azione nitida, a scatti).

3. Simulazione di Fisica e Comportamento dei Materiali

Il transformer a diffusione di Sora modella dinamica dei fluidi, simulazione tessuti e collisioni corpi rigidi, ma solo se richiesto esplicitamente. Senza questi token, il modello ricorre alla "logica onirica" dove gli oggetti si attraversano.

Combinare al massimo due token fisici per ripresa. Il sovraccarico causa sfarfallio temporale per conflitti del solver.

4. Controllo Coerenza Personaggi e Oggetti

Sora non ha un blocco identità integrato (come IP-Adapter o LoRA). La coerenza va ingegnerizzata tramite ripetizione del prompt e ancoraggio spaziale.

1. Seminare la Descrizione: Usare un descrittore soggetto identico di 25 parole in ogni prompt per lo stesso personaggio (es. "Donna carnagione chiara, caschetto argentato asimmetrico, eterocromia occhi—ambra sinistra, blu destra, indossa giacca tattica nera opaca").
2. Ancorare alla Geometria: Riferirsi a coordinate mondo fisse: "In piedi alla coordinata (0,0,0) su pavimento a scacchiera."
3. Bloccare Camera Relativa al Soggetto: "Camera bloccata all'anca del soggetto, offset 2m indietro, 1m su." Questo previene la deriva.
4. Ripetere Attributi Chiave a Metà Sequenza: Per generazioni 10s+, ripetere il descrittore soggetto al marcatore 5s nel prompt: "...continuando, donna carnagione chiara caschetto argentato asimmetrico...".

5. Strutturazione Temporale per Azioni Complesse

Azioni multi-fase (es. "apri porta, entra, siedi, versa caffè") richiedono timestamp espliciti. Sora tratta liste senza timestamp come nubi di probabilità simultanee.

Sintassi Timestamp

Usare il formato [0.0-2.0s] Azione A. [2.0-4.5s] Azione B. [4.5-5.0s] Reazione. Esempio:

[0.0-1.5s] Corgi scatta verso la camera. [1.5-3.0s] Salta, zampe atterrano sulle ginocchia. [3.0-4.0s] Lecca il viso, coda scodinzola 120bpm. [4.0-5.0s] Si sistema, respiro affannoso, pelo umido di sudore.

Le durate devono sommare alla lunghezza totale del video. Vuoti creano fotogrammi neri; sovrapposizioni causano artefatti di morphing.

6. Vincoli Negativi e Token Anti-Allucinazione

Sora supporta il negative prompting tramite parametro --neg (o campo UI dedicato). Usarli per sopprimere modalità di fallimento comuni:

• Morphing: --neg morphing, melting, topology change, extra limbs, fused fingers
• Deriva Camera: --neg zoom, pan, tilt, roll, dolly, handheld shake (quando si vuole ripresa fissa)
• Sfarfallio Temporale: --neg strobing, texture swimming, color shifting, frame interpolation artifacts
• Violazioni Fisica: --neg clipping, phasing, gravity inversion, mass inconsistency

Limitare token negativi a 15 per generazione. Eccessivi negativi vincolano troppo lo spazio latente, riducendo diversità del movimento.

7. Workflow Pratico: dal Concept al Clip Finale

1. Storyboard Testuale: Scrivere il prompt a 4 livelli per ogni ripresa in foglio calcolo (ID Ripresa, Durata, Prompt, Negativi).
2. Generare Proxy Bassa Risoluzione: Eseguire test 480p, 2 secondi per ogni ripresa. Verificare fisica e logica camera prima dell'upscaling.
3. Iterare Prima la Camera: Se il movimento sembra sbagliato, modificare solo token Livello 2. Mantenere Soggetto e Fisica bloccati.
4. Upscale ed Estendi: Usare upscaler nativo Sora per 1080p/4K. Per clip più lunghe, usare l'ultimo fotogramma Ripresa N come input image-conditioning per Ripresa N+1.
5. Stabilizzazione Post-Process: Applicare stabilizzazione optical flow (DaVinci Resolve / Topaz) per rimuovere micro-jitter da campionamento diffusione.

Conclusione Chiave

Sora premia la precisione, non la poesia. Trattare i prompt come specifiche tecniche: ogni token deve mappare a una variabile controllabile—rig camera, solver fisica, o keyframe temporale. Costruire una libreria token personale, versionare i prompt, iterare sistematicamente. Il divario tra "demo figo" e "asset produzione" è la disciplina del prompting.