Ho ricreato con l’AI uno Short da 321M di visualizzazioni — e ha fatto 522K visualizzazioni

Un'azione complessa non è più la parte difficile. L'AI ora è in grado di riprodurla. Quello che ancora non può fare al posto tuo è dirigere — e questa è la vera competenza: dimensioni dell'inquadratura, movimenti di camera, dove cade il taglio e cosa tieni deliberatamente fuori dall'inquadratura.

Ho ricreato con l'AI uno Short coreano da 321 milioni di visualizzazioni. Primo tentativo: 522.000 visualizzazioni. Il risultato dura 42 secondi ed è composto da tre generazioni da 15 secondi montate insieme.

Nessuna delle differenze è venuta da un modello migliore. È venuta dallo scrivere ogni prompt come una shot list invece che come una descrizione d'atmosfera: un timecode per ogni beat, una camera nominata per ogni beat e regole esplicite su cosa non deve comparire nell'inquadratura.

TL;DR — quattro tagli in quattro secondi, poi 27 secondi di slow motion continuo. Un'immagine di riferimento, riutilizzata da tutti e tre i clip. Tre prompt da 15 secondi, ogni beat con timecode abbinato a una camera e a un singolo evento. Aspettati diverse riprese per ogni prompt: la densità è il motivo per cui un solo passaggio raramente funziona.

I due clip

L'originale — 32 secondi, 321 milioni di visualizzazioni. Uno Short coreano in cui una coppia tiene in aria un uovo che cade. Chi ha caricato il video blocca la riproduzione fuori dal sito, quindi ecco la copertina — clicca per guardarlo:

▶ Guarda l'originale su YouTube

La mia ricostruzione — 42 secondi, 522.000 visualizzazioni. Tre clip Seedance 2.5 da 15 secondi, stessa cucina, stessa struttura ritmica, più un cane:

Un caso, non una formula: gli stessi prompt non lo riprodurranno, e non hanno riprodotto nemmeno i numeri dell'originale. Ciò che è riproducibile è l'ordine del lavoro.

Panoramica della pipeline

1. Analisi fotogramma per fotogramma: guarda lo Short di riferimento e annota cosa succede in ogni beat, fino al singolo fotogramma.
2. Un'immagine di riferimento: costruisci la cucina con entrambi i personaggi, il vassoio delle uova e l'uovo singolo sul bordo del tavolo.
3. Prompt temporizzati: tre clip da 15 secondi, scritte come secondi, camera, azione ed espressione — con il rallentatore indicato in quasi ogni beat.
4. Genera più take: l'azione è troppo densa per un'unica ripresa pulita, quindi realizza più take per ogni prompt e rimonta.
5. Montaggio: unisci i take migliori. Ogni prompt richiede effetti sonori ricchi ma nessuna musica di sottofondo e nessun sottotitolo; musica e didascalie vanno nel montaggio.

1. Prima viene la shot list

Prima di qualsiasi prompt, il riferimento viene suddiviso in beat fino al singolo frame. Quasi ogni istruzione che trovi più avanti in questo post nasce da questa tabella.

• 0s00f–1s10f · Piano medio ad altezza occhi: Lei taglia uno snack; un uovo rotola verso il bordo del tavolo
• 1s10f–2s00f · Vista laterale: L'uovo esce dal tavolo
• 2s00f–2s26f · Dal basso, dal pavimento, verso l'alto: L'uovo che cade; il suo volto sbalordito
• 2s26f–4s08f · Dall'alto: L'uovo continua a cadere
• 4s08f–8s11f · Campo largo, che segue il tuffo: Lui lancia in aria un intero vassoio di uova e si tuffa dietro a quella che cade
• 8s11f–11s06f · Dal basso, sul pavimento: Atterra disteso; la mano destra afferra l'uovo e lo fa rimbalzare verso il cielo
• 11s06f–12s08f · Inseguendo l'uovo: L'uovo che sale
• 12s08f–13s26f · Piano medio: Lei reagisce — bocca aperta — e si tuffa dietro all'uovo
• 13s26f–16s05f · Campo largo: Si sposta sotto l'uovo e salta, entrambe le braccia in alto
• 16s05f–17s19f · Piano medio: Seconda parata: lo rispinge verso l'alto
• 17s19f–19s22f · Campo largo + ravvicinato: Due livelli: lei che salta, lui che sale dalla sedia al tavolo
• 19s22f–20s22f · Primo piano: Il suo volto, vicino, occhi sgranati
• 20s22f–22s22f · Piano medio: Lui colpisce l'uovo in avanti
• 22s22f–23s26f · Piano medio: Lei afferra una padella
• 23s26f–25s03f · Vista laterale: Vista laterale dello stesso colpo
• 25s03f–26s03f · Inseguimento: Lei scivola sulle ginocchia, padella alzata
• 26s03f–28s03f · Dall'alto → macro: Dall'alto sulla padella, spingi dentro fino a un primo piano
• 28s03f–31s17f · Piano medio: L'uovo atterra nella padella; pollice in su

Da questa tabella emergono subito due cose:

• I primi quattro secondi sono quattro inquadrature diverse. È questo che rende caotica la caduta dell'uovo.
• I successivi ventisette secondi non staccano mai dall'azione. È il rallentatore che tiene leggibile un'unica ripresa continua quando succedono così tante cose al suo interno.

Se devi portarti a casa una sola cosa da questo post: scrivi prima la shot list. Un prompt scritto senza shot list produce esattamente il slideshow che volevi evitare.

2. Un'immagine di riferimento, non tre

È qui che il flusso di lavoro si differenzia dal solito elenco di prompt: tre set di prompt, un'immagine.

Nota sul modello: l'immagine di riferimento è stata messa a punto con "bananpro" — Nano Banana Pro in aiMakeVideo. È stata rifinita un po' alla volta, la posizione dell'uovo e quella dei personaggi, invece di generarla in un colpo solo.

È una scena di cucina in 9:16: la donna con le trecce viola sta a sinistra e tiene un vassoio di uova; l'uomo dai capelli neri è seduto al tavolo a destra e beve acqua; un uovo è posato sul bordo del tavolo tra i due. Ci sono due cose da copiare nel modo in cui quell'immagine viene trattata:

• Entrambi i personaggi sono nell'inquadratura fin dall'inizio. Ogni clip ha bisogno di lei, di lui e dell'uovo, quindi il riferimento deve stabilire tutti e tre insieme — e poi i prompt lavorano per tenere fuori quello sbagliato dalle singole inquadrature.
• L'uovo e le pose sono ciò su cui si è iterato. I vari giri sono serviti per un piccolo oggetto e una piccola posa, non per la stanza. Un'immagine di riferimento costa poco da correggere e molto da rigirare, quindi sistemala prima di generare il video.

Se ne crei una tua, mantieni la stessa forma: una stanza, due persone, un piccolo oggetto che sta per volare.

3. Prompt set 1: l'uovo rotola giù dal tavolo

Il primo set parte dall'immagine di riferimento e porta la storia fino al primo salvataggio a mezz'aria. La prima riga di ogni set dice chi è chi nel riferimento, perché una sola immagine contiene entrambi i personaggi.

Is the purple-braid woman, is the black-haired man.
[0-2s] Reference.
The black-haired man sits on the chair drinking water; the woman carries a tray of eggs and is slowly walking toward the counter top in front of her; the camera focuses on the single egg on the dining table, which is rolling toward the table edge and has just dropped off the table.
[3-5s] The instant the egg rolls off the table and drops, the picture enters slow motion: a low-angle close-up from the floor shows the egg falling through mid-air in slow motion. While the low-angle close-up holds on the egg, the black-haired man must watch the egg's slow-motion fall in extreme panic.
[6-9s] The purple-braid woman looks toward the front of the camera in extreme anxiety and panic; she throws the plate in her hands and the eggs on it hard into the air behind her. The picture enters slow motion; the eggs scatter in mid-air behind the woman; the purple-braid woman dives forward toward the front of the camera in slow motion, anxious and terrified.
[10-12s] Slow motion, shot from a ground-level point of view. A slow-motion shot of the purple-braid woman: she lies on the floor and slides toward the camera; in the background some out-of-focus eggs are falling in slow motion and smashing on the floor behind her. She looks up in utter terror at one egg in the upper foreground that is falling toward the ground, and she reaches one hand out along the floor, palm up, trying to catch the egg falling from the air.
[13-15s] Slow motion. The egg drops into the woman's hand; she pushes upward hard but does not hold it — the egg is pushed high and flies up out of frame above the camera. The woman must keep watching the egg in utter terror, and only this one egg may appear in the picture.
Rich sound effects, no background music, no subtitles.

4. Prompt set 2: la corsa dell'uomo e la prima volée

Il secondo set è quasi interamente dedicato all'uomo, ed è qui che i vincoli negativi fanno il lavoro più pesante: tre beat di fila terminano con "la donna non deve apparire nell'inquadratura", perché l'unica immagine di riferimento la contiene.

Is the purple-braid woman, is the black-haired man.
[0-1s] Reference.
Close-up of the man's chest and head. In extreme panic his gaze moves slowly in slow motion from the upper right to the upper left, and as he looks he slowly spits the water in his mouth out in slow motion. The woman must not appear in the picture.
[4-7s] Slow-motion shot of the man's upper body. Side-on to the camera, he takes two quick steps toward the edge of the frame, turning his head as he runs to look up above the camera in extreme panic, then he jumps hard in slow motion with both hands raised in a lifting motion. The woman must not appear in the picture.
[8-11s] Slow motion, close-up of the man as he jumps in mid-air in slow motion with both hands raised in a lifting motion. An egg is flying from the air toward the man's hands; he pushes up hard but does not catch the egg and sends it high up, out of frame above the picture. The woman must not appear in the picture.
[12-15s] Slow motion. In the background the man makes the lifting motion, watching an egg above him in anxious panic as it slowly flies up into the air. Side shot of the woman: in the foreground she stands on the chair, looking toward the egg in the sky with her back to the camera, knees bent and loading to jump. There is no egg on the table at this moment.
Rich sound effects, no background music, no subtitles.

5. Set di prompt 3: la schiacciata, la ciotola e la faccia

L'ultimo set è il più movimentato dei tre: la donna schiaccia l'uovo verso il basso come una palla da pallavolo, l'uomo scivola in ginocchio con una grande ciotola per prenderlo, e il finale è una gag invece di una presa pulita.

Is the purple-braid woman, is the black-haired man.
[0-2s] Reference.
Slow motion, low-angle shot. In extreme anxiety and panic the woman stands on the dining chair that the man sits on in the reference image, looking up above the camera; she loads and jumps high, reaching out one hand in the pose of a volleyball spike. The black-haired man must not be in this shot.
[3-5s] Slow motion, shot of the black-haired man. In the corner of the reference image, in utter anxious panic, he looks up above the camera and runs toward the camera, pulling a big bowl out from behind him at the same time, running in slow motion toward the camera and out at the edge of the picture, anxious.
[6-8s] Slow motion, side shot of the woman in mid-air in a spike pose, her face full of anxious panic. An egg is flying slowly from above her shoulder toward the front of her hand; with one slow-motion spike she hits the egg and sends it flying down and out of the picture at a diagonal. The egg must not be broken by her hit.
[9-10s] Slow motion, high-angle follow shot of the black-haired man sliding toward the camera on his knees, his weight leaning back, holding a big bowl in both hands with the bowl facing up in front of him, ready to catch something.
[11-12s] Over-the-shoulder view of the man, slow motion. His weight leans back as he slides toward the woman on his knees, holding the big bowl in both hands in front of his chest ready to catch the egg; the woman is falling from mid-air in utter terror watching the egg; an egg is flying slowly through the air toward the man.
[13-15s] Slow motion, slightly high-angle follow shot of the man sliding on the floor toward the camera, his weight leaning back, his expression going slowly from anxious panic to happy, looking up above the camera, holding the big bowl in both hands in front of his chest as if he wants to catch something. The slow motion ends: a raw egg smashes hard onto the black-haired man's face, the egg breaks and the yolk and white cover his face; the man freezes for a moment, then a close-up of his face as he breaks down and screams.
Rich sound effects, no background music, no subtitles.

6. Il remix con il cane dietro le 520.000 visualizzazioni

La versione che ha spiccato il volo è descritta in una riga: oltre ai prompt video AI qui sopra, è stato aggiunto un cane per rendere la scena più complessa — 520.000 visualizzazioni.

I prompt riscritti non sono stati conservati, quindi consideralo uno schizzo più che una ricetta. La cosa coerente da fare è ciò che fanno già i due personaggi: inserisci prima il cane nell'immagine di riferimento, poi nominalo in ogni beat come vengono nominati la donna con le trecce viola e l'uomo dai capelli neri, e affidagli un compito nel rally — andare a prendere l'uovo — invece di lasciarlo come decorazione. Un cane che se ne sta solo sullo sfondo non sopravvive a un'inquadratura di 15 secondi.

Guarda la versione con il cane

Cosa ho imparato sul prompting di azioni complesse

Queste sei regole sono la parte trasferibile. Valgono per qualsiasi video AI multi-inquadratura, non solo per questa cucina:

1. Un'immagine di riferimento per tutte e tre le clip. Ogni set quindi si apre dicendo chi è chi, e riutilizza la stessa immagine invece di crearne di nuove.
2. Ogni beat nomina la sua camera. Inquadratura dal basso, laterale, dall'alto, over-the-shoulder, a seguire — più dimensione e movimento dell'inquadratura. I prompt si leggono come una shot list, non come una descrizione d'atmosfera.
3. Il rallentatore è dichiarato in quasi ogni beat. Con così tanta azione in 15 secondi, il rallentatore è ciò che la rende leggibile. È l'unica istruzione stilistica che non resta mai implicita.
4. I vincoli negativi sostituiscono i riferimenti mancanti. Poiché un'immagine contiene entrambi i personaggi, le inquadrature che ne richiedono solo uno lo dicono esplicitamente: "la donna non deve apparire nell'immagine", "solo questo uovo può apparire nell'immagine". Se hai scritto JSON Schema o regex, è la stessa idea: vincola ciò che non deve verificarsi; non sperare che il modello lo deduca.
5. I beat durano 2–4 secondi e contengono esattamente un evento. Camera, azione, espressione e cosa fa l'oggetto. Nient'altro.
6. La stessa riga finale ogni volta. Effetti sonori ricchi, niente musica di sottofondo, niente sottotitoli — lasciando il montaggio al montaggio.

E la regola non scritta che conta di più: pianifica più take. La densità è il motivo per cui un singolo passaggio pulito raramente riesce. Generane diversi, tieni il beat migliore di ciascuno, montali insieme.

Controlla questi punti prima di riprodurlo

La fonte era un appunto di lavoro e alcuni dettagli non tornano. Risolvili prima di generare:

• A e B non vengono mai nominati. L'analisi fotogramma per fotogramma etichetta le due persone come A e B e si ferma lì; i tre set di prompt le chiamano la donna con la treccia viola e l'uomo dai capelli neri. Leggi l'analisi come una shot list e i set di prompt come il cast.
• I prompt non finiscono come il video di riferimento. L'analisi termina con l'uovo che atterra in una padella e un allegro pollice in su; il set di prompt 3 finisce con un uovo crudo che si schianta sulla faccia dell'uomo. I set di prompt sono un remix comico, non una copia fedele fotogramma per fotogramma: scegli il finale che vuoi e scrivilo nell'ultimo beat.
• La padella diventa una ciotola. La padella dell'analisi è una grande ciotola nel set di prompt 3. Usa la stessa parola in entrambi i punti, altrimenti l'oggetto di scena cambierà tra una clip e l'altra.
• Il set 3 si apre su uno slot di riferimento vuoto. La fonte scrive Reference [] senza nulla tra le parentesi, mentre i set 1 e 2 si aprono con un semplice "Reference". Tutte e tre le clip partono dalla stessa immagine di cucina, quindi riempi quello slot con essa.
• L'ultimo beat del set 1 va contro il suo stesso vassoio. [6-9s] lancia in aria un intero vassoio di uova, eppure [13-15s] dice che può apparire solo questa uovo. Tieni le uova sparse fuori fuoco sullo sfondo e applica la regola al primo piano.
• I timestamp ricominciano in ogni set. [0-2s] nel set 1 e [0-2s] nel set 3 sono clip diverse, non la stessa timeline. Genera ogni set come clip a sé di 15 secondi.
• La versione con il cane non ha prompt. Sono stati registrati la modifica e il numero di visualizzazioni, ma non il testo riscritto, quindi quel passaggio lo scriverai tu.
• Ricrea carica la modalità First Frame. Mette l'immagine della cucina in Da immagine a video come primo fotogramma di una clip Seedance 2.5 da 15 secondi. I set 2 e 3 si allontanano subito da quella composizione; se un take ignora il loro beat iniziale, prova invece la modalità All-in-one References in Create studio.

Provalo in aiMakeVideo

1. Abbozza la scena della cucina con Da testo a immagine, posiziona entrambi i personaggi e l'uovo, e ritoccali con Da immagine a immagine — qui Nano Banana Pro ha fatto il suo lavoro — finché l'uovo non si trova sul bordo del tavolo ed entrambe le persone sono nell'inquadratura.
2. Guarda il tuo Short di riferimento fotogramma per fotogramma e scrivi prima la shot list — è il passo da cui parte la fonte.
3. Premi Recreate sotto un set di prompt per caricarlo in Da immagine a video con l'immagine della cucina come primo fotogramma, Seedance 2.5, 9:16 e 15 secondi, poi premi Genera. Puoi anche incollare tu stesso un prompt.
4. Genera più take per ogni set — il video viene addebitato al secondo, quindi controlla il costo in crediti nel composer prima di ogni esecuzione — poi tieni il beat migliore di ciascuno e montali insieme. Taglia i take fino ai beat in modo che lo scambio risulti un'unica sequenza continua.
5. Aggiungi effetti sonori, musica e sottotitoli nel tuo editor. I prompt li omettono di proposito.
6. Se vuoi la versione più complessa, aggiungi il cane all'immagine di riferimento e riscrivi ogni beat nominandolo.

Quando sei pronto, apri la Create studio o leggi prima la guida ai prompt e ai modelli. Per il flusso di lavoro completo con personaggi e keyframe, consulta la nostra altra analisi su come creare uno YouTube Short con Seedance 2.5 su aiMakeVideo.

Crediti

• Lo Short di riferimento — 계란을 구하고 싶어요 di 김프로KIMPRO. La shot list qui sopra è un'analisi del loro video.
• La versione con il cane e il documento di lavoro da cui provengono i prompt — miei.
• I prompt sono stati generati in aiMakeVideo con Seedance 2.5.