Puntata 144 — TEST: mini-spot AI end-to-end

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 13 · Creatività multimodale · 🎬 Progetto finale di capitolo

30 secondi di spot. Voce narrante, immagini, musica, sottotitoli, avatar parlante finale. Tutto AI, tutto tu, una sera. Esercizio definitivo del capitolo 13.

storyboard a fumetto in 6 vignette numerate (scena 1, scena 2, ecc.) con accanto annotazioni a margine: “MJ”, “Flux”, “Sora”, “ElevenLabs”, “Suno”. In fondo, una claqueta da cinema con scritto “AIPERBABBANI · TAKE 1 · SPOT FORNO TOSCANO”

Il brief

Devi produrre uno spot da 30 secondi per un cliente fittizio: “Forno di Maria”, un piccolo forno familiare in Toscana che vende pane e schiacciate online in tutta Italia.

Obiettivo: trasmettere autenticità, tradizione, qualità.

Tono: caldo, nostalgico, accessibile.

Output finale: file MP4 1080p, 30 secondi, con audio + sottotitoli.

Vincolo: tutto deve essere fatto con tool AI. Nessuna ripresa reale.

Storyboard (6 scene, 5 secondi ciascuna)

Scena	Visual	Voiceover (~12 parole)
1	Forno di paese all’alba, fumo dal camino	”C’è ancora chi sveglia il forno alle quattro del mattino.”
2	Maria che impasta a mano sul tavolo di marmo	”Maria lo fa da quarant’anni. Stessa farina, stessa pazienza.”
3	Pane appena uscito, crosta dorata	”Pane di grano antico, lievito madre, niente fretta.”
4	Mano che prende uno scatolone con il logo	”Lo riceverai a casa tua. Caldo nella ricetta, fresco nel pacchetto.”
5	Famiglia che apre lo scatolone in cucina	”Non è una consegna. È un saluto da chi sa cosa fa.”
6	Maria che sorride in camera, scritta finale	”Forno di Maria. Da quarant’anni, sempre lo stesso.”

Stack tool consigliato

Step	Tool	Costo orientativo
Storyboard immagini chiave (6×)	Midjourney V7 o Flux Pro	$0.50
Animazione clip (6 × 5 sec)	Sora 2 (I2V) o Runway Gen-4	$5–$15
Voiceover narrante	ElevenLabs (voce maschile italiana, stability 0.6)	$2
Musica di sottofondo	Suno (acoustic Italian folk, ~30s)	$1 (1 credito)
Sottotitoli	Whisper (gratis) o CapCut auto	gratis
Montaggio finale	CapCut / DaVinci Resolve (gratis)	gratis
Sound effects opzionali	Freesound.org o Suno SFX	gratis

Costo totale: ~$10-$20. Tempo previsto: 4-6 ore se è la prima volta, 1-2 ore quando hai il workflow rodato.

Step 1 — Generare le 6 immagini chiave

Prompt template per Midjourney V7:

/imagine prompt: [SCENA SPECIFICA], italian rural Tuscany, 
golden hour soft light, editorial documentary photography, 
35mm f/1.8 medium shot, warm muted colors, film grain, 
nostalgic mood --ar 16:9 --s 200 --no text, watermark, signature

Sostituisci [SCENA SPECIFICA] per ciascuna scena:

traditional stone bakery exterior at dawn, smoke from chimney, autumn leaves
60-year-old italian baker woman with apron kneading dough on marble counter, focused expression
freshly baked bread loaves close-up, golden crust, rustic wooden tray
hands placing fresh bread in cardboard box with handwritten label
italian family opening a delivery box on kitchen table, warm lighting, surprised happy faces
the same italian baker woman smiling warmly toward camera, soft natural light, simple background

Per scena 2, 5, 6 (volti) → genera almeno 4 varianti e scegli quelle con anatomia migliore. Usa --cref se vuoi che la stessa “Maria” appaia in più scene (puntata 131).

Step 2 — Animare le immagini

Carica ciascuna immagine in Sora 2 (image-to-video) o Runway Gen-4.

Prompt di movimento (Sora):

Scena 1: “slow camera push-in toward bakery, smoke rising gently”
Scena 2: “static camera, hands kneading dough in continuous slow motion”
Scena 3: “slow camera orbit around the bread, steam rising”
Scena 4: “hands gently placing bread, downward angle, slow motion”
Scena 5: “reverse shot, family discovering content, joyful reactions”
Scena 6: “medium shot of baker, slight smile, soft eye contact with camera”

Durata: 5 secondi ciascuna. Genera 2 varianti per scena, scegli la migliore.

Step 3 — Voiceover

Scrivi il copione completo (40-50 parole, ~25-30 secondi parlati). Esempio:

C'è ancora chi sveglia il forno alle quattro del mattino. 
Maria lo fa da quarant'anni — stessa farina, stessa pazienza. 
Pane di grano antico, lievito madre, niente fretta. 
Lo riceverai a casa tua: caldo nella ricetta, fresco nel pacchetto. 
Non è una consegna, è un saluto da chi sa cosa fa. 
Forno di Maria. Da quarant'anni, sempre lo stesso.

In ElevenLabs:

Voce: scegli una voce italiana maschile, media età, calda. Buone scelte stock: “Giovanni” o “Marco”.
Stability: 0.55 (espressivo ma stabile).
Similarity: 0.75.
Style: 0.30 (sobrio, non drammatico).

Genera. Riascolta. Se la pronuncia di una parola è sbagliata (es. nomi propri), correggi nel testo aggiungendo accenti o variazioni fonetiche (es. “Maria” → “Marìa” può aiutare).

Step 4 — Musica

In Suno:

Prompt: italian acoustic folk, warm, nostalgic, finger-picking 
guitar and light strings, 70 BPM, 30 seconds instrumental, soft, 
gentle build, emotional without being sad

Marca Instrumental only (niente lyrics). Genera 2 varianti, scegli quella che meglio si fonde con il tono visivo.

Esportazione: WAV se possibile (qualità migliore), altrimenti MP3.

Step 5 — Sottotitoli

Hai due opzioni:

A. Da copione: copia il testo del voiceover in un file .srt con timestamp manuali. Più preciso, richiede 10 minuti.

B. Automatico: in CapCut → Auto Captions (usa Whisper sotto). Carica il voiceover come audio sorgente, CapCut genera i sottotitoli automaticamente.

Stile sottotitoli: font sans-serif bold, dimensione media, posizione bassa-centro, colore bianco con leggera ombra. Niente fancy effects.

Step 6 — Montaggio finale

In CapCut (gratis, desktop o web):

Importa le 6 clip video, in ordine.
Importa il voiceover ElevenLabs come traccia audio.
Importa la musica Suno come seconda traccia audio (volume ridotto al -15dB rispetto al voiceover).
Allinea ciascuna clip al pezzo di voiceover corrispondente. Trim se necessario.
Aggiungi dissolve incrociati (cross-dissolve) tra scene: 0.3 secondi ciascuno.
Applica i sottotitoli alla traccia voce.
Color grading globale: alza warmth (+10), abbassa saturation (-5) per look “cinematografico”.
(Opzionale) Logo finale animato negli ultimi 2 secondi.

Esporta: 1080p, H.264, bitrate 8-12 Mbps.

Checklist di qualità (prima di mostrarlo)

Audio voce e musica bilanciati (voce sopra, musica sotto, mai si sovrasta).
Sottotitoli leggibili a 1m di distanza.
Tutte le 6 scene coerenti per palette colori (warmth simile).
Nessun frame “AI artifact” evidente (mani con 6 dita, testo geroglifico, ecc.).
Aspect ratio coerente (tutto 16:9 o tutto 9:16, mai mix).
Lunghezza finale: 28-32 secondi (non oltre 35).
File MP4 funziona su YouTube, Instagram Reels, TikTok (testa upload).

Variazioni dell’esercizio

Se hai tempo, esegui 2 varianti per imparare il workflow:

Variante A — Spot diverso, stesso brand

Forno di Maria — versione “natalizia” 30 secondi: panettone, atmosfera natale. Riusa la stessa Maria con --cref o avatar HeyGen custom.

Variante B — Stesso spot, livello superiore

Aggiungi:

Avatar parlante (HeyGen) per Maria nella scena 6 invece dell’immagine statica + voiceover.
Multilingua: la stessa pubblicità doppiata in inglese e tedesco con ElevenLabs Dubbing (puntata 138).

Cosa hai imparato (autovalutazione)

Riesci a rispondere “sì” a queste?

So generare immagini coerenti tra loro usando --cref e prompt strutturati.
So scegliere il modello giusto per il task (MJ vs Flux vs DALL-E).
So usare voce clonata o stock con il giusto bilanciamento di stability/style.
So generare musica adatta a un tono specifico in Suno.
So montare tutto in un tool free (CapCut o DaVinci).
Riconosco gli artifact AI tipici nelle mie produzioni e li mitigo.
So quali tool sono commercially safe per uso clienti.

Se hai 5+ “sì” → padroneggi il capitolo 13. Hai uno stack creativo AI completo.

Glossario lampo

Storyboard: schizzo sequenziale delle inquadrature, fatto prima di produrre.
I2V (Image-to-Video): generare video animando un’immagine sorgente.
Cross-dissolve: transizione morbida tra due clip, in cui una svanisce mentre l’altra appare.
Color grading: aggiustamento globale dei colori per coerenza estetica.
Bitrate: quanti dati per secondo nel video. Più alto = qualità migliore + file più pesante.

Take-away in una riga

In 4-6 ore e con $10-$20 hai prodotto uno spot completo di 30 secondi che 5 anni fa richiedeva uno studio. Non è “il futuro”: è il presente, e il capitolo 13 ti ha dato lo stack per farlo.

➡️ Prossima puntata: Capitolo 14 — AI al lavoro nei mestieri. Per chi scrive, vende, insegna: workflow concreti per professionisti.