Quando il testo-a-video batte il foto-a-video
Il testo-a-video è per scene che non esistono ancora: uno stadio al tramonto, un campo di allenamento, una passeggiata nel tunnel, una folla che reagisce. Non c'è un volto da preservare, quindi il modello può dedicare tutta la sua attenzione al luogo e alla telecamera.
Se l'inquadratura richiede una persona specifica, usa invece il foto-a-video. Un prompt solo testuale non può riprodurre in modo affidabile un volto reale, e un volto generato non è la persona che intendevi.
Scrivi l'inquadratura come un'inquadratura
Il prompt funziona meglio quando nomina il luogo, il soggetto, l'azione e la telecamera. Un aggettivo di stato d'animo è opzionale; un'istruzione per la telecamera no. "Cinematico" dice al modello quasi nulla; "la telecamera segue il giocatore da dietro all'altezza delle spalle" gli dice dove posizionarsi.
- Luogo: uno stadio illuminato, un tunnel, un campo di allenamento bagnato dalla pioggia.
- Soggetto: un giocatore, una folla, una porta vuota, un pallone sul dischetto.
- Azione: esce, calcia il pallone, si gira verso la telecamera.
- Telecamera: segue da dietro, statica ampia, lenta spinta in avanti, angolo basso.
- Luce: riflettori, crepuscolo, foschia ambrata, tunnel blu freddo.
Mantieni la scena abbastanza piccola da renderizzare
Un clip di dodici secondi non è un cortometraggio. Una location, un soggetto e un movimento di telecamera è la forma affidabile. Se hai bisogno di un taglio, rendi due clip e uniscile in un editor; il modello non è una timeline.
Le folle sono il solito punto debole. Cento volti sullo sfondo possono trasformarsi in un pasticcio. Descrivi la folla come atmosfera — luci lampeggianti, foschia, un muro di suono — piuttosto che come individui.
Costo e iterazione
Un rendering 480p · 12 secondi costa 5 crediti, 720p costa 10 e 1080p costa 30. I clip più brevi costano meno. Un rendering fallito viene rimborsato automaticamente, quindi un prompt rifiutato non ti costa il rendering.
Itera a 480p. Una volta che la composizione funziona, rendi nuovamente il prompt vincente a 720p o 1080p. Questo è più economico che scoprire un problema di inquadratura alla massima risoluzione.
Ricetta del prompt
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.Questo è l'esatto prompt inglese che il modello riceve. Modificalo nello studio qui sopra; il costo in crediti dipende dalla risoluzione e dalla lunghezza, non dal prompt.
Domande, risposte
Ho bisogno di una foto per il testo a video?
No. Passa lo studio alla modalità testo e descrivi la scena. Una foto è necessaria solo quando vuoi il volto di una persona specifica nel clip.
Posso generare una persona reale dal testo?
No. Il modello genera un volto originale. Per mantenere la somiglianza di una persona reale, carica la sua foto e usa la modalità foto; usa solo foto di cui hai il diritto di usare.
Quanto può essere lungo il clip?
Scegli 4, 8 o 12 secondi. Il modello rende un'unica ripresa continua; non taglia tra le scene.
Posso aggiungere audio?
Lo studio rende MP4 silenziosi. Aggiungi musica o commenti in un editor dopo il download.
E se la folla sembra sbagliata?
Descrivi la folla come atmosfera piuttosto che come individui, e tieni la telecamera più stretta sul soggetto. Cento volti generati sono un'inquadratura difficile per qualsiasi modello.
