Prompt per Gemini Omni 1.2 Flash: 7 regole e 9 esempi efficaci

👁 112 letture

Gemini Omni 1.2 Flash comprende i comandi in linguaggio naturale e a prima vista non richiede una sintassi particolare. Dopo aver generato 24 clip il giorno del lancio (5 novembre 2026), ho notato che alcune abitudini fanno una differenza enorme: una frase per evitare tagli indesiderati, le battute di dialogo tra virgolette e la durata calibrata sulla lunghezza del testo. Ecco le regole della documentazione Google, le mie osservazioni e nove prompt testati sul campo da cui prendere spunto.

Sette regole per prompt efficaci

1. Richiedi un piano sequenza. Google segnala esplicitamente che il modello tende a inserire stacchi di montaggio di propria iniziativa. La formula “un piano sequenza continuo, senza tagli” (o in inglese “a single continuous shot”) è il modo più semplice per far muovere la telecamera dall’inizio alla fine. Senza questa indicazione, in una scena con tre persone ho ottenuto stacchi continui su chi parlava; aggiungendola, una rotazione fluida attorno ai soggetti.
2. Descrivi il movimento di camera come a un operatore. Da dove parte, cosa oltrepassa, dove si ferma. L’istruzione “il drone scende in picchiata tra i palazzi, vola radente sopra la struttura battipanni, entra dalla porta” ha prodotto 15 secondi di volo coerente.
3. Dialogo tra virgolette, con parlante e lingua specificati. Per esempio: “Il primo, con il berretto, dice in polacco con tono seccato: …”. Se non specifichi la lingua desiderata, il modello potrebbe impostare la voce automaticamente in inglese.
4. Calibra la durata sul testo. Conta circa due secondi per una frase breve. In 6 secondi due battute non ci stavano e il modello ha tagliato a metà la seconda frase.
5. Inserisci i divieti nel corpo del testo. Omni non offre un campo dedicato per i prompt negativi. Bisogna scrivere nel testo comandi come “senza scritte o insegne”, “No dialogue”, “senza effetti sonori aggiuntivi”. Funziona, anche se con qualche eccezione: i numeri sulle maglie dei pallavolisti sono comparsi ugualmente.
6. Indica la progressione temporale. Google consiglia di usare espressioni come “dopo 3 secondi…” oppure marcatori come [0-5s]. Risulta molto utile nelle clip da 10-15 secondi in cui accadono più eventi in sequenza.
7. Descrivi il comparto audio. La musica non viene creata sempre in modo automatico. Indicazioni come “musica acustica di sottofondo”, “un ritmo hip-hop deciso” o “lo sfrigolio della griglia” hanno generato esattamente ciò che avevo chiesto.

Cosa evitare nei prompt

• Bambini nell’inquadratura. Una richiesta con bambini che giocavano a pallone è stata rifiutata dal filtro di sicurezza. Sostituendoli con persone anziane il video è stato generato regolarmente.
• Studi televisivi con conduttori. Due rifiuti consecutivi, senza dettagli sulla motivazione. Una maestra in classe è stata invece accettata senza problemi.
• Marchi ed elementi grafici protetti. Nei test sulle piattaforme API si incontrano spesso filtri sul copyright per i loghi. Nominare catene di negozi nel dialogo è stato accettato, ma ho evitato di far inquadrare insegne commerciali.
• I vecchi tag di formattazione. La documentazione sconsiglia marcatori obsoleti come <FIRST_FRAME>. Il ruolo dell’immagine di riferimento va spiegato a parole: “la stessa scena e le stesse persone presenti nell’immagine”.

Nove prompt testati da copiare

Ognuno di questi comandi mi ha restituito una clip corretta a 720p. La durata impostata è indicata tra parentesi. Nota bene: le battute e i contesti dei miei test erano formulati in polacco (lingua usata durante la prova); qui riporto i prompt tradotti in italiano come riferimento, lasciando le battute nella lingua originale del test per rispecchiare l’esecuzione reale.

1. Volo FPV in piano sequenza (15 s)

[Traduzione dal prompt di test originale in polacco]
Un piano sequenza continuo FPV con drone, senza tagli: partenza in alto sopra un quartiere residenziale popolare al tramonto, il drone scende in picchiata tra i palazzoni, vola basso sopra un battipanni e una panchina con due anziani, entra dalla porta aperta di una tavola calda, scivola sopra il bancone dei pierogi e si ferma davanti a un signore anziano che mangia una zuppa, il quale alza lo sguardo verso la camera. Suoni naturali: vento, brusio del quartiere, tintinnio di piatti. Senza scritte ne insegne.

2. Rotazione attorno al soggetto (6 s)

[Traduzione dal prompt di test originale in polacco]
La telecamera compie una rotazione fluida e completa attorno a una signora anziana che vende mele al banco di un mercato storico in una mattinata di ottobre. La donna sorride e si aggiusta il fazzoletto in testa. Scala del soggetto costante, senza tagli. Brusio del mercato in sottofondo. Senza scritte.

3. Dialogo a due (8 s, con 6 s la battuta viene tagliata)

[Traduzione dal prompt di test originale in polacco]
Due vicini di casa sulla cinquantina vicino a una griglia in un giardino. Il primo, con il berretto, dice con tono seccato, in una traduzione dall'originale polacco: "Ti avevo detto che la salsiccia doveva essere di Biedronka, non di Lidl!". Il secondo, con gli occhiali, risponde con calma, in una traduzione dall'originale polacco: "Mangerai e non ti lamenterai.". Movimento labiale chiaro, voci naturali, sfrigolio della griglia.

4. Tre persone a tavola (10 s)

[Traduzione dal prompt di test originale in polacco]
Cena della Vigilia in un appartamento, tavola imbandita, albero di Natale sullo sfondo. Tre persone parlano in una traduzione dall'originale polacco, ciascuna con una voce diversa. La nonna: "Chi ha mangiato l'ultimo tortellino?". Il nipote adolescente, a bocca piena: "Non io, lo giuro!". La mamma ride: "Ne hai uno sul mento.". Movimento labiale preciso per ogni persona, la camera sposta l'attenzione su chi parla.

5. Persona singola verso la telecamera (8 s)

[Traduzione dal prompt di test originale in polacco]
Un'insegnante di storia, donna di circa 40 anni con maglione e occhiali, è in piedi davanti alla lavagna in un'aula scolastica senza studenti visibili nell'inquadratura. Guarda verso la telecamera e dice chiaramente, in una traduzione dall'originale polacco: "Grunwald, anno millequattrocentodieci. Appuntatevelo, perché venerdì c'è la verifica a sorpresa.". Sincronizzazione labiale accurata, intonazione naturale, un unico piano sequenza con leggero carrello in avanti.

6. Inquadratura di prodotto (8 s)

[Traduzione dal prompt di test originale in polacco]
Spot di prodotto: un barattolo di cetrioli sottaceto fatti in casa con aneto e aglio su un tavolo di legno in una cucina rustica, illuminato dalla luce mattutina dalla finestra. La camera ruota lentamente attorno al barattolo, la mano di una nonna svita il coperchio, vapore e gocce di salamoia in slow motion, un cetriolo tirato su con la forchetta. Colori caldi, profondita di campo ridotta, musica acustica discreta. Senza etichette ne scritte.

7. Stile anime (8 s)

[Traduzione dal prompt di test originale in polacco]
Anime nello stile dei lungometraggi disegnati a mano: un tram notturno attraversa la citta sotto la pioggia, all'interno una studentessa con le cuffie osserva le luci urbane attraverso il vetro appannato, riflessi delle insegne luminose senza lettere sull'asfalto bagnato. La camera si sposta dall'esterno del tram all'interno attraversando il finestrino. Rumore delicato della pioggia e ferraglia delle ruote sui binari.

8. Video verticale per social (8 s, 9:16)

[Traduzione dal prompt di test originale in polacco]
Reel verticale: una giovane ballerina con pantaloni larghi e felpa balla hip-hop sul tetto di un palazzo al tramonto, la camera a mano ruota attorno a lei, il vento scompiglia i capelli, alla fine si ferma e guarda verso l'obiettivo. Ritmo hip-hop energico, senza scritte.

9. Azione sportiva (6 s, con qualche limite)

[Traduzione dal prompt di test originale in polacco]
Partita di pallavolo in un palazzetto, squadra con divise bicolori bianche e rosse senza numeri ne loghi. Un giocatore salta per l'attacco, schiacciata potente, la palla rimbalza sul muro e cade nel campo avversario, i tifosi esultano. Ripresa dinamica da bordo campo, suono d'impatto della palla e urla degli spalti.

L’azione è risultata pulita e leggibile, ma il modello ha completamente ignorato l’indicazione “senza numeri”, stampandoli comunque sulle maglie.

Impostazioni consigliate per iniziare

• Bozza di prova: 360p, 5-8 secondi, seed fisso. Consente di verificare la composizione con un costo API minimo.
• Versione finale: 720p. Per la maggior parte degli utilizzi web e social è più che sufficiente.
• 1080p e 4K sono operazioni di upscaling. Nelle API di terze parti, modificare solo il parametro di risoluzione genera un video ex novo anziché ingrandire quello esistente; conviene quindi scegliere la clip riuscita e fare l’upscaling con una funzione dedicata.

I dettagli su costi e tariffe sono disponibili nell’analisi su quanto costa Gemini Omni 1.2, gli esiti completi della sessione nel mio test su 24 clip, e la panoramica generale nell’hub dedicato a Gemini Omni Flash.

// continua a leggereGemini Omni 1.2: editing video via prompt e limiti al debuttoStrumenti IAQuanto costa Gemini Omni 1.2 Flash? Prezzi al secondo da 360p a 4KStrumenti IADa testo a video: come scrivere prompt efficaci per l’AIMagazine

Kinetyra