Puntata 133 — L’arte del prompt visuale

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 13 · Creatività multimodale

Il prompt visuale non è una descrizione: è una scheda di fotografia. Soggetto, composizione, luce, lente, atmosfera. Cinque parole giuste battono cento parole vaghe.

una scheda da set di fotografia (clapperboard stile) con 5 caselle compilate a pennarello — Soggetto, Composizione, Luce, Lente, Mood — e accanto la foto risultante

Il problema: prompt vaghi → output mediocre

Confronta:

Prompt scarso:  "Una donna in città"
Prompt buono:   "Donna sulla trentina che attraversa Piazza Duomo Milano
                 all'alba, pioggia leggera, controluce dorato, scattata
                 con 85mm f/1.8, profondità di campo ridotta, sguardo
                 abbassato, abbigliamento elegante neutro, mood pensoso,
                 fotografia editoriale."

Stesso modello, stessa GPU, stessi secondi di generazione. La differenza è solo densità informativa del prompt.

Il prompt visuale è una scheda da set fotografico scritta in linguaggio naturale.

I 5 livelli di un prompt visuale completo

1. Soggetto (chi/cosa)

Età, genere, espressione, abbigliamento, posa.
Per oggetti: forma, materiale, stato (nuovo, usato, rotto).
✅ “Anziano signore con coppola, occhi azzurri, sorriso lieve”
❌ “Un uomo”

2. Ambiente / contesto (dove)

Luogo specifico (Piazza Duomo Milano, non “una piazza”).
Epoca / momento (alba, tramonto, ora blu, mezzogiorno, notte).
Stagione e meteo.
✅ “Vicolo di Napoli, ora dorata, panni stesi tra i palazzi”
❌ “Per strada”

3. Luce (la più sottovalutata)

La luce fa il 60% della differenza tra “ok” e “wow”. Vocabolario base:

Termine	Effetto
Golden hour / ora dorata	Calda, soffusa, ~1h prima del tramonto
Blue hour / ora blu	Fredda, magica, ~30 min dopo il tramonto
Soft light	Diffusa, ombre morbide (es. cielo nuvoloso)
Hard light	Contrasti netti, ombre dure (es. mezzogiorno sole pieno)
Rim light / backlight	Luce da dietro che disegna il contorno
Cinematic lighting	Generico ma efficace per “mood film”
Volumetric light	Raggi di luce visibili (polvere, nebbia)

4. Lente / framing (l’occhio della macchina)

Anche se non hai mai usato una reflex, il modello capisce questi termini perché sono nei suoi dati di training:

Lente	Effetto tipico
24mm o wide angle	Paesaggi, architettura, prospettiva esagerata
35mm	Reportage, naturale, “come l’occhio umano”
50mm	Ritratto classico, naturale
85mm f/1.8	Ritratto editoriale, sfondo sfocato (bokeh)
135mm o telephoto	Compressione, isolamento del soggetto
macro	Primissimo piano, dettaglio estremo
fish-eye	Distorsione circolare

Aggiungi framing: close-up, medium shot, full body, bird’s eye view, low angle.

5. Stile / mood

Editoriale, cinematografico, documentario, fashion, fine art.
Pittorico: olio, acquerello, gouache, china, pastello.
Illustrato: anime, cartoon, isometric, flat design, line art.
Mood: nostalgico, malinconico, energetico, intimo, drammatico.

Riferimenti a fotografi/artisti funzionano (ma sono delicati per IP): “in stile Sebastião Salgado”, “alla Wes Anderson”, “alla Caravaggio”.

La formula a 5 strati

[STILE_GENERALE], [SOGGETTO_DETTAGLIATO], [AMBIENTE_SPECIFICO],
[LUCE], [LENTE/FRAMING], [MOOD], [DETTAGLI_TECNICI]

Esempio:

“Editorial portrait photography, anziano pescatore siciliano con barba bianca e mani segnate, sul ponte di una piccola barca in legno, mare calmo all’alba, soft light dorato, scattato a 85mm f/1.8, medium shot, mood contemplativo, grana pellicola sottile, colori desaturati.”

90 parole, ~120 token. Generano un’immagine prevedibilmente buona in qualsiasi modello.

I trucchi che pochi conoscono

Posizione = peso

I primi token del prompt pesano di più. Metti per primo quello che vuoi che sia centrale: stile generale o soggetto principale.

Ripetizione = enfasi

Ripetere un termine rinforza: “red dress, vibrant red, scarlet red” → garantisce un rosso intenso.

Pesi espliciti (SD/Flux/ComfyUI)

In Stable Diffusion puoi scrivere (red dress:1.4) per amplificare un concetto, (red dress:0.6) per attenuarlo. MJ non supporta sintassi pesi (ma c’è --iw per riferimenti immagine).

Camera body (per realismo)

“Shot on Hasselblad H6D”, “shot on Sony A7R V” → bias verso fotografia professionale. Funziona anche con “Kodak Portra 400” per look pellicola.

Negative prompt

Quello che non vuoi va nel --no (puntata 134 dedicata).

L’anti-pattern: i “magic words” inutili

Termini come “masterpiece, best quality, ultra-detailed, 8K, HDR” erano necessari nei modelli vecchi (SD 1.5, 2022) ma sui modelli 2024-26 sono rumore inutile o addirittura controproducenti. Usali con parsimonia.

Stesso per termini vaghi: “epic”, “beautiful”, “amazing”. Non aggiungono informazione visiva, occupano token, distraggono.

Workflow professionale (3 step)

Prompt di brainstorm (lungo, 80-120 parole): genera 8-16 varianti.
Selezione: scegli la 1-2 più convincente.
Prompt di rifinitura (basato su --sref o --seed della migliore): variazioni mirate cambiando UN aspetto alla volta (luce, framing, mood…).

Mai cambiare 5 cose insieme: non capisci più cosa ha avuto effetto.

TEST pratico (15 minuti)

Genera 3 versioni della stessa scena cambiando un solo strato alla volta:

Versione A (base): “ragazza che legge sulla spiaggia di Procida, pomeriggio, 35mm”
Versione B (cambia luce): “ragazza che legge sulla spiaggia di Procida, golden hour, controluce, 35mm”
Versione C (cambia lente): “ragazza che legge sulla spiaggia di Procida, pomeriggio, macro su mani e libro, sfondo sfocato”

Stessa scena, stesso modello. Tre risultati radicalmente diversi. Hai appena scoperto perché la luce e la lente sono i due strati più potenti.

Glossario lampo

Bokeh: lo sfocato morbido dello sfondo prodotto da lenti grandangolari aperte (f basso). Termine giapponese.
Aspect ratio: rapporto tra larghezza e altezza dell’immagine. --ar 3:2 per fotografia, --ar 16:9 per cinema, --ar 9:16 per Reels/TikTok.
Seed: numero che inizializza il rumore casuale della generazione. Stesso prompt + stesso seed = stesso output (puntata 131).

Take-away in una riga

Il prompt visuale è una scheda da set: soggetto, ambiente, luce, lente, mood. Cinque strati densi battono cento parole vaghe.

➡️ Prossima puntata: Negative prompts — l’arte di dire all’AI cosa non vuoi vedere.