Generare video con Grok: una guida pratica
Il modello video di Grok trasforma una frase — o una foto — in un clip breve, fino a 15 secondi. In GO AI Chat vive nella scheda Lab insieme alla generazione di immagini, quindi non stai pagando per un’app a parte. Lo schema di prompt che funziona è noioso e affidabile: un soggetto, un’azione, un movimento di camera, uno stile. Tutto il resto è gestione della varianza.
Che cos’è davvero il video di Grok
È un modello text-to-video e image-to-video di xAI. Gli dai una descrizione o un’immagine ferma; restituisce un clip breve con movimento sintetizzato. Non è un editor, non è una libreria di stock e non è uno strumento per costruire una scena di due minuti. Trattarlo come un generatore di inquadrature — un momento, lungo qualche secondo — è il modello mentale che produce risultati utilizzabili.
La stessa capacità di base alimenta la generazione video in diversi posti, X compreso. Ciò che cambia è il contesto attorno: in GO AI Chat il clip finisce nel tuo rullino invece che in un feed, e sei già nell’app in cui scrivi, fai ricerca e generi immagini.
Lo schema del prompt
Ogni prompt di movimento che ha funzionato per noi ha le stesse quattro parti. Se ne salti una, il modello se la inventa, di solito male.
- Soggetto — chi o cosa, nel dettaglio. «Una donna con un impermeabile giallo», non «una persona».
- Azione — una cosa che succede. «Che cammina verso la camera». Non «cammina, poi si gira, poi saluta».
- Camera — il modello muoverà la camera che tu glielo chieda o no, quindi chiediglielo. «Lenta carrellata in avanti». «Campo lungo fisso». «Inseguimento a mano libera».
- Stile — «girato in 35 mm, poca profondità di campo», «anime con cel shading», «documentario sgranato».
Messo insieme: «Una donna con un impermeabile giallo cammina verso la camera sotto la pioggia illuminata al neon, lenta carrellata in avanti, girato in 35 mm con poca profondità di campo.» Si legge come una lista di inquadrature perché lo è.
Durata, formato e qualità
Contano tre impostazioni, e interagiscono con il costo: i clip più lunghi e di qualità più alta consumano più saldo di token, quindi conviene sceglierli di proposito invece di lasciare tutto al massimo.
| Impostazione | Cosa scegliere | Perché |
|---|---|---|
| Durata | 5–8 s per quasi tutto; 15 s solo quando il movimento lo richiede | I clip più lunghi divagano di più. Un’inquadratura serrata da 6 secondi batte una da 15 che vaga. |
| Proporzioni | 9:16 per Reels, TikTok e Shorts, 16:9 per qualsiasi cosa in orizzontale | Genera nel formato in cui pubblicherai: ritagliare dopo butta via risoluzione e ricompone l’inquadratura al posto tuo, male. |
| Qualità | Livello più basso mentre lavori sul prompt; alzala per quella buona | È nell’esplorazione del prompt che si consumano le esecuzioni. Non spenderle alla qualità massima. |
Da immagine a video: la strada sottovalutata
Partire da una foto toglie di mezzo la parte più difficile del lavoro: il modello non deve più inventare l’aspetto delle cose, solo come si muovono. È per questo che i risultati da immagine a video sono così spesso più coerenti di quelli text-to-video partiti dalla stessa idea.
La regola che decide la riuscita: l’immagine ferma deve suggerire un solo movimento plausibile. Un ritratto con i capelli sciolti suggerisce il vento. Una tazza di caffè suggerisce il vapore. Un’auto parcheggiata non suggerisce nulla, e il modello si inventerà qualcosa. Se non riesci a dire in cinque parole cosa dovrebbe muoversi, scegli un’altra foto.
In cosa è davvero scarso
Essere precisi sui limiti è più utile di un elenco di funzioni:
- Il testo nell’inquadratura. Insegne, loghi e didascalie tornano indietro come scarabocchi dall’aria convincente. Aggiungi il testo dopo, in un editor.
- Le mani impegnate in lavori di precisione. Digitare, suonare uno strumento, maneggiare oggetti piccoli: resta il fallimento classico.
- La coerenza dei personaggi tra un clip e l’altro. Due generazioni della «stessa» persona non coincideranno. Pensa inquadrature che non richiedano continuità, oppure usa la conversione da immagine a video partendo dalla stessa foto per entrambe.
- Contare. «Tre cani» spesso ne restituisce due o quattro. Di’ «un cane» se il numero conta meno dell’inquadratura.
Un flusso di lavoro che spreca meno esecuzioni
- Scrivi il prompt in quattro parti. Rileggilo e cancella il secondo verbo.
- Genera una volta a un livello di qualità basso e con una durata breve.
- Se è giusto all’80%, rigenera con lo stesso prompt: spesso basta la varianza a sistemarlo.
- Se è sbagliato in un modo preciso, cambia esattamente una parte del prompt. Cambiarne tre non ti dice nulla.
- Quando l’inquadratura è giusta, rilancia con la qualità e la durata che vuoi davvero.
La versione completa passo per passo, con l’indicazione di dove stanno i pulsanti, è nella nostra guida al video su iPhone. Per come Grok si confronta con GPT-5 su tutto ciò che non è video, leggi Grok 4 e GPT-5 a confronto.
Domande frequenti
Quanto può durare un video generato con Grok?
Fino a 15 secondi: è il tetto del selettore di durata. La coerenza peggiora man mano che i clip si allungano, ed è per questo che i modelli video attuali li limitano invece di pubblicare risultati alla deriva.
Grok può animare una foto che ho già?
Sì: è la conversione da immagine a video. Funziona meglio quando l’immagine ferma suggerisce un solo movimento plausibile invece di un’azione complessa di cui la foto non porta alcuna traccia.
Perché il mio video è tornato diverso dal prompt?
C’è una varianza reale tra un’esecuzione e l’altra. Se è più o meno giusto, rigenera una volta con lo stesso prompt prima di riscriverlo. Se è del tutto sbagliato, probabilmente il prompt chiede più cose insieme.
Mi serve un’app separata per il video di Grok?
No. GO AI Chat gestisce il video con Grok nella stessa app di chat, immagini e voce, e i risultati si salvano nel tuo rullino.