Cosa sa fare HiDream-O1-Video: 7 esempi e prompt da provare

👁 112 letture

HiDream-O1-Video-1.0 si trova al sesto posto nella classifica image-to-video di Artificial Analysis (1175 punti Elo), ma il produttore non ha rilasciato alcun clip corredato dal rispettivo prompt. Ho raccolto 7 esempi: un filmato tratto da un post su X, tre demo ufficiali documentate dalla stampa cinese e tre miei comandi da testare sull’unica modalità al momento disponibile, ovvero image-to-video. Parametri, prezzi e dettagli sull’accesso sono disponibili nella guida a HiDream-O1-Video.

Come interpretare questi esempi

L’API pubblica di HiHarness richiede obbligatoriamente un’immagine di partenza, accetta un prompt opzionale e il parametro force_10s. Non è attiva la modalità text-to-video, nonostante gli annunci del 15 e 17 settembre la descrivessero come presente. Di conseguenza, ogni prompt illustrato di seguito presuppone l’uso di un fotogramma iniziale. Il modello calcola autonomamente la durata del filmato (da 5 a 20 secondi dichiarati), a meno che non si forzi l’uscita a 10 secondi esatti.

Neppure i benchmark mostrano i prompt impiegati. Arena.ai ha reso noto solo il punteggio: il 30 settembre HiDream ha debuttato nella sua classifica image-to-video al 7° posto con 1456 punti.

Esempi tratti dai materiali di lancio

1. Stesso prompt su tre modelli

Finalità: valutare rapidamente la resa rispetto ai competitor prima di spendere crediti per la generazione.

Prompt: l’autore del post non lo ha riportato. Viene solo precisato che tre diversi modelli hanno elaborato la medesima richiesta e che l’ultimo filmato del confronto corrisponde a HiDream (all’epoca identificato con il nome cinese HD-V1).

Materiale: video verticale 720 x 1280 condiviso da un canale di informazione cinese specializzato in IA. Non proviene dai canali ufficiali HiDream né costituisce un mio test indipendente.

Commento: il post riprende lo slogan promozionale (“testo, immagine o video in ingresso”). Nelle API attive all’11 ottobre è utilizzabile esclusivamente l’input da immagine. Non essendo nota la modalità con cui è stato generato il clip, è opportuno considerarlo una dimostrazione interna del produttore piuttosto che una conferma del funzionamento text-to-video.

2. Cordoncino rosso tra due mani

Finalità: scene caratterizzate da tensione elastica e meccanica: corde, cavi, fasce o stoffe trattenute.

Prompt: nessun testo ufficiale divulgato da HiDream. La testata QbitAI (15.09.2026) illustra una demo comparativa in cui due mani tirano uno spago rosso verso i lati opposti per evidenziarne la tensione progressiva. Ecco una mia proposta di prompt formulata su questa base (da testare, non derivata da una mia generazione):

Two hands slowly pull a red string in opposite directions. The string straightens and becomes taut, fibers stretch slightly, a small vibration runs along it before it holds still. Close-up, soft daylight, static camera.

Traduzione del concetto: due mani tirano lentamente uno spago rosso in direzioni opposte, finché non si tende e vibra impercettibilmente prima di arrestarsi.

Materiale: assente. Le schermate di QbitAI non sono incluse per assenza di licenza verificabile.

Commento: l’immagine di partenza deve mostrare il cordoncino non in tensione, offrendo al sistema un margine reale di allungamento. In prove simili i modelli più datati tendono sovente a deformare le mani anziché tendere il materiale interposto.

3. Lancio di una mela

Finalità: movimenti rapidi in cui la lunghezza della clip deve adattarsi alla dinamica dell’azione e non a una durata prestabilita.

Prompt: nessun testo ufficiale. Nella presentazione citata da QbitAI, il modello ha calibrato da solo il tempo di ripresa necessario a completare la parabola. La mia versione suggerita:

A person tosses a red apple to a friend standing a few meters away. The apple flies in a natural arc, the friend catches it with one hand and takes a bite. Medium shot, park in late afternoon light.

Traduzione del concetto: una persona lancia una mela a un amico a pochi metri di distanza; questi la afferra con una mano e ne dà un morso.

Materiale: nessuno, è nota solo la descrizione redazionale di QbitAI.

Commento: per questa scena conviene non attivare il parametro force_10s, così da misurare la gestione autonoma della durata. Considerando la tariffa rilevata su Artificial Analysis pari a 5,80 USD/min (circa 5,19 EUR/min in base al tasso di riferimento BCE del 12/10/2026, 1 EUR = 1,1181 USD, fonte: https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml), ogni secondo di calcolo costa indicativamente circa 0,087 EUR (0,097 USD).

4. Pallina da ping-pong

Finalità: calcolo della gravità, progressiva attenuazione dell’energia cinetica e sincronizzazione del suono con il contatto visivo.

Prompt: assente quello ufficiale. QbitAI documenta una sequenza in cui la pallina rimbalza con altezze decrescenti, associando a ciascun tocco il relativo impatto acustico. La mia versione proposta:

A white ping-pong ball drops onto a wooden table and bounces, each bounce lower than the last, until it rolls to a stop. Each impact makes a crisp click. Low angle, shallow depth of field.

Traduzione del concetto: una pallina da ping-pong bianca cade su un tavolo di legno e rimbalza via via più in basso fino a fermarsi, con ogni colpo udibile chiaramente.

Materiale: assente.

Commento: la documentazione promozionale cita l’integrazione audio nativa, tuttavia le specifiche correnti delle API non prevedono parametri dedicati al sonoro né menzionano tracce audio. Se il file generato via API risulterà muto, non si tratterà di un’omissione nel testo della richiesta.

I miei comandi suggeriti da provare

Ho definito tre scenari mirati a mettere alla prova le funzioni dichiarate: simulazione fisica, comportamento dei materiali e regolazione dinamica della durata. Non ho eseguito direttamente questi prompt: si tratta di proposte strutturate per chi desidera sperimentare. Per creare il fotogramma di base puoi utilizzare il modello open source HiDream-O1-Image, trattato nella panoramica dedicata.

5. Caffè versato in un bicchiere

Finalità: sequenze per spot di prodotto, caffetterie o presentazioni beverage.

Hot coffee is poured from a glass carafe into a clear glass on a marble counter. The liquid swirls, foam rises, the glass fills to the brim and a few drops spill over the edge. Steam drifts up. Static close-up, warm morning light.

Traduzione del concetto: il caffè caldo scende da una caraffa, riempie il bicchiere fino al bordo e lascia traboccare alcune gocce sul banco.

Materiale: nessuno: prompt suggerito da sperimentare, non una clip generata direttamente.

Commento: il riempimento fino alla fuoriuscita del liquido è il test che ho applicato ai modelli nell’Arena video. In quel contesto si trattava di text-to-video; qui l’elaborazione deve partire dallo scatto di un bicchiere vuoto.

6. Tessere del domino

Finalità: reazioni a catena, introduzioni video, simulazioni didattiche.

A long curved line of wooden dominoes stands on a table. A finger pushes the first one and they fall one after another in sequence, the last domino knocks over a small toy figure. Camera slowly tracks along the line.

Traduzione del concetto: un dito spinge la prima tessera e la sequenza cade progressivamente fino a colpire una statuetta al termine della fila.

Materiale: nessuno: prompt suggerito da sperimentare, non una clip generata direttamente.

Commento: questo comando permette di controllare due aspetti critici: la caduta rigorosamente ordinata dei singoli pezzi e l’assenza di tessere che svaniscono nel rendering. Lasciare la durata libera consentirà di verificare se l’algoritmo prolunga l’inquadratura per seguire l’intera fila.

7. Bandiera nel vento, durata fissa di 10 secondi

Finalità: sfondi per montaggi, loop per pagine web, sequenze di raccordo a tempo prestabilito.

A white and red flag waves on a flagpole against a cloudy sky. The wind changes strength, the fabric ripples and snaps, light passes through the thin cloth. Static wide shot.

Traduzione del concetto: una bandiera bicolore sventola su un pennone, mentre le folate ne modificano costantemente l’ondulazione e la tensione.

Materiale: nessuno: prompt suggerito da sperimentare, non una clip generata direttamente.

Commento: istruzione pensata per l’opzione "force_10s": true. Con questo parametro la spesa per clip diventa costante, attestandosi a circa 0,97 USD (circa 0,87 EUR secondo il tasso di cambio BCE sopra indicato) prendendo come base i dati di Artificial Analysis.

Scala grafica: 100% = 20 s, durata massima indicata negli annunci. I valori in euro sono conversioni indicative calcolate sulla tariffa oraria riportata da Artificial Analysis (rilevazione dell’11.10.2026; cambio BCE al 12/10/2026: 1 EUR = 1,1181 USD); HiDream non fornisce un listino pubblico diretto.

Consigli per la stesura dei prompt

• Usa l’inglese: il fornitore non specifica il supporto per altre lingue nelle API.
• Descrivi la trasformazione dinamica, non il soggetto: l’immagine iniziale definisce già gli elementi; il testo deve indicare unicamente cosa si muove e secondo quale modalità.
• Specifica l’azione fisica precisa: espressioni come “bounces lower each time”, “becomes taut” o “spills over the edge” aiutano a guidare l’algoritmo.
• Inserisci riferimenti sonori nella descrizione: anche in assenza di opzioni audio nell’API, le specifiche preliminari collegano il sonoro all’evento descritto.
• Utilizza un’immagine sorgente nitida: l’interfaccia accetta file tra 40 KB e 20 MB, mantenendo nel video finale il rapporto d’aspetto dell’immagine caricata.

Per scoprire come si posiziona il modello rispetto alla concorrenza sul piano di prestazioni e tariffe, consulta il confronto HiDream-O1-Video vs MiniMax H3 vs Vidu Q4. Se cerchi invece piattaforme native text-to-video, puoi esaminare le guide su Wan 3.0 e MiniMax H3 Max.

Domande frequenti

HiDream ha condiviso video dimostrativi con i rispettivi prompt?

Alla data dell’11 ottobre 2026 non risultano esempi ufficiali con prompt consultabili sul sito del produttore, su Hugging Face o su YouTube. Si trovano unicamente descrizioni pubblicate dalla stampa cinese e frammenti video diffusi su X.

È possibile inviare i comandi senza allegare un’immagine?

Tramite API non è consentito: il parametro image è vincolante. È indispensabile disporre prima del fotogramma iniziale.

Quanto costa eseguire tutti e sette i test?

Ipotizzando 10 secondi per ciascuna scena e applicando la stima di Artificial Analysis, la spesa ammonta a circa 6,80 USD (circa 6,08 EUR in base al cambio di riferimento BCE di 1,1181 USD per 1 EUR). Nel caso in cui il generatore estenda la durata dei filmati, il costo risulterà proporzionalmente superiore.

Verranno pubblicati risultati generati in prima persona?

Sì: non appena il modello sarà disponibile su una delle piattaforme API di aggregazione che impiego abitualmente o con l’attivazione di un profilo HiHarness, pubblicherò i render con i parametri e i costi effettivi riscontrati.

Fonti e riferimenti di verifica

• Post di @Chinazhidx con filmato (15.09.2026)
• Articolo di QbitAI sul rilascio di HD-V1 e sulle demo (15.09.2026)
• Documentazione tecnica API HiHarness (consultata l’11.10.2026)
• Classifica Artificial Analysis, categoria image-to-video (consultata l’11.10.2026)

// continua a leggereMatematici chiedono a OpenAI di provare di non aver usato il loro lavoroNotizieCosa sa fare Agnes Video 2.5: 8 esempi con promptStrumenti IACosa sa fare MAGI-2: 8 esempi e prompt ufficiali con timelineStrumenti IA