Veo 3: Guida completa ai prompt - Struttura, linguaggio cinematografico e audio

Struttura base dei prompt Veo 3

Un prompt Veo 3 di alta qualità è essenzialmente una "sceneggiatura del regista" compressa in testo comprensibile dal modello. A differenza dei primi strumenti text-to-video, Veo 3 analizza meglio dettagli scenici, movimenti di camera e audio: più il prompt è strutturato, più l'output è stabile. Si consiglia la struttura in 5 parti:

1. Soggetto: chi o cosa, con aspetto, abbigliamento, dettagli materici
2. Azione: cosa fa il soggetto, verbi specifici
3. Ambiente: ora, luogo, luce, meteo, atmosfera
4. Inquadratura: campo, angolazione, movimento, durata
5. Audio: suoni ambientali, effetti, dialoghi, tono

Esempio: "Una donna dai capelli corti in trench beige (soggetto), cammina veloce per le strade di Tokyo all'alba e si volta verso la camera (azione), terreno bagnato riflettente, lampioni ancora accesi (ambiente), medio piano pedinata, profondità di campo ridotta, lenta carrellata in avanti (inquadratura), passi nelle pozzanghere, rumore bianco urbano lontano (audio)". Con tutti e 5 i dimensioni, lo "spazio di libertà" del modello si riduce e la coerenza con l'aspettativa aumenta notevolmente.

Linguaggio cinematografico: la variabile chiave per la qualità

Molti descrivono solo il "contenuto" nei prompt Veo 3, ignorando il "come si gira". Il linguaggio della camera è il discrimine tra video AI e qualità da telecamera di sorveglianza. I seguenti termini rispondono bene in Veo 3 e si possono inserire direttamente:

Trucco pratico: specifica un solo movimento principale per prompt. Richiedere simultaneamente carrellate, zoom, pan e tracking costringe il modello a cambiare macchina continuamente in 8 secondi, generando caos. Per multicamera, genera clip separate con prompt diversi e monta in post.

Audio e dialoghi: il vantaggio esclusivo di Veo 3

Veo 3 genera audio sincronizzato nativamente: è la differenza core con la maggior parte dei competitor, ma anche la parte più sprecata nei prompt. Senza descrizione audio, il modello "immagina" suoni ambientali con risultati incontrollabili. Descrivi esplicitamente tre tipi di suoni:

• Ambiente: crackling fireplace, distant traffic, birds chirping
• Effetti: glass shattering, footsteps on gravel, whoosh
• Dialoghi: racchiudi le battute tra virgolette e specifica tono e accento

Esempio dialogo: The man looks at the camera and says in a low, gravelly voice: "We shouldn't have come here." Tre attenzioni: battute brevi (il lip-sync regge max 1-2 frasi); descrizione tono PRIMA della battuta; per lip-sync cinese usa testo cinese + "speaking in Mandarin", ma l'inglese rimane più stabile.

Regola d'oro: la descrizione visiva decide "quanto è bello", l'audio decide "quanto è vero". Un prompt Veo 3 senza sound design usa solo metà delle capacità del modello.

Errori comuni e correzioni

Dai test estesi, questi 4 problemi sono i più frequenti:

1. Azioni troppo complesse: pretendere in 8 secondi "alzarsi, voltarsi, prendere tazza, andare alla finestra, guardare lontano" causa salti frame o arti distorti. Correzione: un'azione principale + un dettaglio secondario per prompt.
2. Contraddizioni fisiche: es. "controluce su neve con viso luminoso e nitido". Il modello sceglie casualmente quale metà obbedire. Correzione: verifica coerenza di luce, gravità, orientamenti nel prompt.
3. Aggettivi astratti accumulati: "epico, mozzafiato, qualità blockbuster" non sono eseguibili. Correzione: usa descrizioni girate concretamente, es. "slow motion, dramatic backlighting, dust particles in the air".
4. Ignorare vincoli negativi: elementi da evitare vanno scritti, es. "no text overlays, no camera shake, no extra limbs", riduce drasticamente gli scarti.

Template di prompt riutilizzabili

Template validati: sostituisci il contenuto tra parentesi quadre:

Template narrazione cinematografica: [Campo] of [Soggetto+dettagli aspetto], [singola azione], in [Ambiente+luce], [Movimento camera], [Texture pellicola/ottica]. Audio: [Ambiente], [Effetti]. [Dialogo (opzionale)]

Template prodotto: Slow orbit shot around [Prodotto] on [Materiale superficie], studio lighting with soft shadows, [Dettaglio riflessione materiale], background fades from dark grey to black. Audio: subtle ambient hum.

Template talking-head: Medium close-up, [Descrizione soggetto] facing the camera in [Ambiente], speaking in [Tono]: "[Massimo 15 parole]". Audio: room tone, clear voice. No background music.

Workflow iterativo: dallo scarto al prodotto finito

Il video AI è generazione probabilistica: il successo al primo colpo è raro, il workflow conta più del singolo prompt. Metodo in 5 step:

1. Blocca contenuto: genera 4 clip con prompt minimali, verifica soggetto e scena, ritocca descrizioni se serve.
2. Aggiungi inquadratura: contenuto corretto? Inserisci campo e movimento, scarta versioni con movimenti rotti.
3. Aggiungi audio dopo: immagine stabile? Aggiungi audio e dialoghi, evitando che il suono disturbi il debug visivo.
4. Chiudi con vincoli negativi: per difetti ricorrenti (watermark testo, persone extra) aggiungi negative prompt.
5. Batch + montaggio: stesso prompt genera multiple clip, prendi i migliori segmenti, monta in editing, non inseguire la clip perfetta unica.

Logica core: isolamento variabili. Cambi una dimensione alla volta per capire quale modifica funziona. Cambi 5 cose insieme e ottieni scarto? Impossibile diagnosticare.

In chiusura

I prompt Veo 3 non sono formule magiche: richiedono pensiero da regista. Soggetto, azione, ambiente, inquadratura, suono: 5 dimensioni non negoziabili. La struttura in 5 parti risolve "cosa girare", il linguaggio cinematografico "come girarlo", l'audio "quanto è reale", il workflow iterativo "quanto è affidabile". Con questo framework, non fai più estrazione a sorte: hai un processo produttivo replicabile e debuggabile. Oggi stesso, prendi la tua tipologia video più frequente, infilala nel template, itera 3 giri: vedrai un salto di qualità netto.