1. Scena e soggetto. Parti da ciò che vediamo e dalla distanza di ripresa. «Mezzo primo piano di una donna al finestrino di un autobus rigato dalla pioggia, di notte» definisce in una riga inquadratura, soggetto, ambientazione e momento della giornata. Un'apertura vaga produce riprese generiche.
2. Movimento di camera. Indica un solo movimento e la sua velocità. «La camera avanza con un unico movimento costante», «una lenta orbita di 90 gradi», «inseguimento a mano libera, con abbassamenti che seguono il percorso». La velocità conta quanto la direzione e una clip senza un movimento indicato tende a restare ferma.
3. Movimento e verbi d'azione. Scrivi le azioni in ordine, come indicazioni di regia. «Espira, appanna il vetro, poi ne pulisce un piccolo cerchio.» Una sola azione per una clip di 5 secondi, tre o quattro per una da 15 a 20 secondi. È questa parte a trasformare una fotografia in movimento in una vera inquadratura.
4. Indicazioni audio. Il modello genera il suono, quindi dirigilo. Chiudi il prompt con i suoni che vuoi, descritti con precisione: «gabbiani che stridono in lontananza», «sneakers che strisciano sul cemento», «silenzio profondo, senza motori, interrotto dal vento». Di solito bastano da una a tre indicazioni; aggiungi «senza musica» se vuoi solo i suoni d'ambiente.
5. Stile e atmosfera. Chiudi con la resa visiva: palette, illuminazione, obiettivo, color grading, stile di rendering. «Ombre blu fredde con un caldo contorno di luce all'alba, color grading cinematografico anamorfico» oppure «cel shading piatto, line art visibile, palette ambrata calda». Mettere lo stile alla fine evita che metta in secondo piano l'azione.