Come Creare Spot Pubblicitari con AI (Il Nostro Metodo)

Creare uno spot pubblicitario con l’intelligenza artificiale non significa più soltanto scrivere un prompt e generare un video. Gli strumenti AI di oggi possono produrre immagini e filmati impressionanti, ma trasformarli in una pubblicità coerente richiede pianificazione, direzione visiva, sperimentazione e post-produzione.

La GenAI, tuttavia, non può sostituire la fantasia di una persona: può sostenerla e ampliare le possibilità creative.

Per questo ho deciso di esplorare il processo realizzando uno spot pubblicitario di 37 secondi con immagini, clip video, voce narrante e musica generati dall’AI. Il progetto ha richiesto circa due settimane, includendo lo sviluppo della storia, la ricerca visiva, la generazione degli elementi e il montaggio.

In questo articolo analizziamo il nostro workflow di produzione video con l’AI, dai primi riferimenti visivi al montaggio finale. Condividiamo anche gli strumenti che abbiamo testato, le difficoltà incontrate e le lezioni apprese nella creazione di contenuti pubblicitari con l’intelligenza artificiale generativa.

Ma prima, vuoi vedere il risultato finale? Ecco qui:

Lo strumento che ho utilizzato per la generazione: FlashBoards

Per sviluppare questo progetto, ho cercato una soluzione che offrisse un buon equilibrio tra un’interfaccia utente pratica e un numero adeguato di chiamate API ai modelli GenAI più recenti, senza spendere una fortuna. Dopo alcune ore di ricerca, ho scelto FlashBoards come parte del mio workflow di sviluppo visivo.

Come si vede qui sotto, l’interfaccia è semplice: ogni elemento è rappresentato da un piccolo blocco — immagini, audio e video — che può essere richiamato tramite il selettore in basso a destra dell’interfaccia. Tutto qui: il mio compito era trovare un modo per ottimizzare questo workflow, probabilmente piuttosto vincolante nelle sue scelte.

Il workflow di produzione di uno spot pubblicitario con l’AI

Per esperienza, il processo funziona meglio quando viene affrontato come un workflow di produzione strutturato, in cui ogni fase costituisce la base per quella successiva.

Per il nostro spot di 37 secondi, ho seguito otto passaggi principali:

1. Definire la direzione visiva con un moodboard. Ho raccolto riferimenti visivi per comunicare ai modelli AI lo stile, l’atmosfera, l’illuminazione, i colori e la composizione desiderati.
2. Sviluppare uno storyboard preliminare. Ho suddiviso la narrazione in scene e definito la progressione visiva dello spot.
3. Creare la voce narrante e definire i tempi. Ho generato la narrazione e utilizzato il suo ritmo per guidare la durata delle scene, le azioni e il montaggio.
4. Creare riferimenti dettagliati per i personaggi. Ho sviluppato schede visive per mantenere lo stesso aspetto del personaggio nelle diverse inquadrature.
5. Generare e perfezionare le immagini statiche. Ho creato le immagini chiave di ogni scena, iterando fino a ottenere composizioni e dettagli coerenti con la direzione creativa.
6. Generare le clip video. Ho animato le immagini statiche, guidando il movimento tra i fotogrammi chiave e sperimentando approcci alternativi quando necessario.
7. Generare la musica di sottofondo. Ho creato una musica capace di accompagnare il cambiamento di tono dello spot: dall’apertura ispirata al Medioevo alla seconda metà più giocosa.
8. Assemblare e montare lo spot. Ho combinato clip, narrazione, musica, transizioni e compositing nel video finale.

Dopo aver esaminato il processo produttivo, analizzeremo le lezioni apprese, confronteremo i modelli video AI testati, vedremo perché conoscere la cinematografia è ancora importante e valuteremo il tempo e i costi di generazione AI necessari.

Cominciamo dalle diverse fasi del workflow.

1. Definire la direzione visiva con un moodboard

Prima di generare immagini, devo tradurre la visione creativa in riferimenti visivi che i modelli AI possano comprendere e utilizzare.

Un moodboard è una raccolta di immagini che ci ispira o ci aiuta a decidere quale aspetto dovrebbe avere uno spot. È anche uno strumento per comunicare ai modelli AI indicazioni artistiche precise da utilizzare nella generazione delle immagini statiche.

Per esempio, potremmo voler riprodurre la palette cromatica di un determinato film, creare un effetto di aloni luminosi simile a quello ottenuto con una cinepresa ARRI e un obiettivo anamorfico, esplorare uno specifico stile d’animazione oppure ottenere una tecnica illustrativa riconoscibile, con una particolare qualità del tratto.

Descrivere queste caratteristiche soltanto con un prompt testuale può essere difficile, soprattutto quando abbiamo in mente un risultato visivo molto preciso. Possiamo invece cercare materiali visivi esistenti che rappresentino ciò che vogliamo ottenere e utilizzarli come riferimento durante la generazione delle immagini. Se necessario, possiamo poi chiedere al modello di combinare o adattare tali riferimenti.

Cosa cercare?

A seconda del progetto, il moodboard può includere:

• Palette cromatiche: riferimenti tratti da film, fotografie o altre opere visive che comunichino i rapporti tra i colori e l’atmosfera che vogliamo riprodurre.
• Stili di animazione e illustrazione: esempi che mostrino una particolare tecnica di rendering, la qualità del tratto, il design dei personaggi o il livello di stilizzazione.
• Illuminazione e atmosfera: immagini che mostrino il contrasto, le ombre, le alte luci e le condizioni di illuminazione desiderate.
• Ambientazioni e composizione: riferimenti utili a definire l’aspetto dei luoghi, degli sfondi e dell’inquadratura.

L’obiettivo è raccogliere riferimenti che comunichino caratteristiche visive concrete, anziché affidarci a descrizioni generiche come cinematografico, stilizzato o di alta qualità.

Per iniziare, possiamo consultare unsplash.com, pixabay.com e flickr.com per fotografie e atmosfere; shots.net e adsoftheworld.com per trovare esempi di campagne pubblicitarie efficaci; film-grab.com per riferimenti cromatici cinematografici.

Utilizzare il moodboard come input per la generazione di immagini AI

Una volta pronti i riferimenti, possiamo fornirli ai modelli AI insieme ai prompt per generare le immagini statiche delle diverse scene.

I riferimenti visivi aiutano a colmare la distanza tra ciò che immaginiamo e ciò che il modello interpreta. Invece di chiedere al modello di indovinare cosa intendiamo con un certo stile artistico, gli mostriamo esempi che illustrano il risultato desiderato.

Questo non garantisce una riproduzione esatta. I diversi modelli interpretano i riferimenti in modo differente e alcuni possono avere difficoltà a preservare determinate caratteristiche stilistiche. Tuttavia, esempi visivi scelti con cura offrono un punto di partenza più concreto e rendono più semplice guidare il processo di generazione.

2. Creare riferimenti dettagliati per i personaggi

Dopo aver raccolto idee con il moodboard, sono passato allo sviluppo dei personaggi.

Invece di affidarmi a una breve descrizione testuale, ho preparato riferimenti visivi che definissero l’aspetto del personaggio da più angolazioni.

Una scheda di riferimento utile può includere:

• Un riferimento dettagliato del volto.
• Una vista frontale a figura intera.
• Una vista laterale.
• Una vista posteriore.
• Abiti, accessori e dettagli fisici distintivi.

Questi riferimenti offrono una base visiva più solida per le successive generazioni di immagini e video. Non garantiscono una coerenza perfetta, ma aiutano a ridurre le ambiguità.

Qui sotto trovi un esempio di riferimento per uno dei personaggi:

3. Sviluppare uno storyboard preliminare

Una volta definita la direzione visiva, ho creato uno storyboard preliminare per capire come si sarebbe sviluppata la storia.

In questa fase, l’attenzione era rivolta alla struttura narrativa, non alla qualità delle immagini. Dovevo comprendere la sequenza degli eventi, lo scopo di ogni scena e il modo in cui lo spot avrebbe comunicato il proprio messaggio dall’inizio alla fine. Era inoltre necessario capire come collegare le scene tra loro.

Uno storyboard aiuta a rispondere a domande pratiche prima di investire tempo nella generazione dettagliata.

La storia funziona? Ogni scena contribuisce alla narrazione? Lo spettatore ha abbastanza tempo per capire cosa sta succedendo? Un’inquadratura può trasformarsi naturalmente nella successiva? In che modo dovrebbe avvenire il passaggio da una scena all’altra?

Queste domande sono particolarmente importanti quando lavoriamo con l’AI, perché ogni scena aggiuntiva introduce nuove possibilità di incoerenze e risultati inattesi.

Il mio storyboard era una versione di lavoro, non un piano rigido. Si è evoluto man mano che scoprivo cosa fossero in grado di fare i modelli e quali idee creative funzionassero davvero una volta trasformate in filmati. Bisogna essere pronti a stupirsi dei risultati prodotti dalla macchina e ad adattarsi di conseguenza.

Qui sotto trovi i primi secondi dello spot, come rappresentati nello storyboard:

4. Creare la voce narrante e definire i tempi

Una volta impostato lo storyboard preliminare, il passo successivo può essere lo sviluppo dell’idea per la voce narrante. Nel mio workflow, la narrazione è uno degli elementi che determinano la struttura dell’intero spot: per questo è importante pianificarla proprio in questa fase. L’ho generata successivamente utilizzando i modelli proprietari di ElevenLabs, tra i migliori disponibili sul mercato.

Generare la narrazione prima di produrre le clip video definitive ci aiuta a prendere decisioni creative più consapevoli.

• Durata delle scene: la voce narrante ci aiuta a stimare quanto tempo possiamo dedicare a ogni parte della storia.
• Tempistiche delle azioni: i movimenti dei personaggi e gli eventi visivi possono essere pianificati in funzione della narrazione, invece di essere adattati a durate arbitrarie delle clip.
• Ritmo del montaggio: pause, cambi di tono e fine delle frasi offrono punti di riferimento utili per tagli e transizioni.
• Chiarezza della storia: ascoltare la narrazione aiuta a individuare i passaggi troppo rapidi, troppo lunghi o scollegati dalla sequenza visiva.

La voce narrante è anche un riferimento pratico quando scegliamo i fotogrammi iniziali e finali di ogni clip generata. Se una determinata azione deve avvenire mentre viene pronunciata una frase, possiamo pianificare la sequenza visiva in funzione di quell’intervallo.

5. Generare e perfezionare le immagini statiche

Con moodboard, storyboard, voce narrante e riferimenti dei personaggi pronti, ho iniziato a generare le immagini statiche per ogni scena.

Ho sperimentato con ImageGPT 2.5, Nano Banana Pro e Nano Banana 2, generando diverse varianti e perfezionando i risultati finché non abbiamo ottenuto immagini coerenti con la nostra direzione creativa.

È stato un processo iterativo: raramente la prima generazione era quella definitiva.

Un’immagine statica può sembrare convincente a prima vista, ma contenere dettagli problematici durante l’animazione: il volto di un personaggio potrebbe differire dal riferimento, un oggetto potrebbe avere una forma sbagliata oppure la composizione potrebbe non supportare il movimento desiderato.

L’immagine deve funzionare per il movimento previsto, non soltanto essere bella da vedere.

Perché ho portato tutte le immagini statiche a 4K

Ho aumentato la risoluzione di tutte le immagini statiche a 4K prima di utilizzarle come riferimenti per la generazione video, anche se le clip finali sono state generate a 1080p. Almeno per questo esperimento, generare video in 4K avrebbe offerto più margine di lavoro, ma il costo è piuttosto elevato.

La decisione deriva da un’osservazione importante: la qualità dell’immagine sorgente influenza direttamente quella del video risultante. Gli algoritmi GenAI tendono a inventare dettagli quando hanno troppa libertà. Se il personaggio è definito male, il modello video parte da un riferimento già compromesso e prova a correggere i problemi a modo suo. Se il volto è incoerente, l’animazione può amplificare le differenze. Se un oggetto importante contiene dettagli errati, la generazione del movimento non li correggerà necessariamente.

L’upscaling non può recuperare in modo affidabile dettagli che non erano presenti nell’immagine originale. Può però aiutare a preparare il materiale sorgente per la fase successiva.

Il principio fondamentale è che la qualità delle immagini non è un aspetto isolato: influenza ogni fase successiva della produzione.

6. Generare le clip video utilizzando fotogrammi iniziali e finali

Una volta pronte le immagini statiche, siamo passati alla generazione video.

Per la maggior parte delle scene abbiamo utilizzato modelli che supportano il controllo del fotogramma iniziale e di quello finale, come Kling 3.0, MiniMax H3, Gemini Omni e Veo 3.1 Fast. In questo modo potevamo fornire un’immagine di partenza e una di arrivo, lasciando al modello il compito di generare il movimento intermedio.

Questo approccio ci ha dato un maggiore controllo sul risultato visivo desiderato.

Invece di chiedere al modello di inventare un’intera sequenza partendo da una descrizione testuale, potevamo definire due stati visivi importanti e utilizzarli come estremi dell’animazione.

La tecnica è stata particolarmente utile quando dovevamo mantenere una composizione precisa, l’aspetto di un personaggio o una posa finale specifica.

Ci ha anche aiutato a pianificare il montaggio in anticipo. Le immagini statiche non erano semplici riferimenti: erano progettate per diventare il punto di partenza o di arrivo di singole clip e segmenti di scena.

Tuttavia, definire il primo e l’ultimo fotogramma non garantisce una transizione perfetta. Il modello deve comunque interpretare l’azione tra le due immagini e può introdurre movimenti indesiderati, distorsioni o variazioni nei piccoli dettagli.

Quando abbiamo generato video senza estremi prestabiliti

Per alcune scene abbiamo seguito un approccio diverso. Abbiamo fornito riferimenti visivi senza definire esplicitamente sia il fotogramma iniziale sia quello finale, quindi abbiamo generato diverse varianti per individuare il risultato più convincente.

Questo ha offerto maggiore libertà creativa e talvolta ha prodotto movimenti più naturali. Il compromesso è stato un controllo meno preciso su ciò che accadeva durante l’inquadratura.

Abbiamo imparato che l’approccio migliore dipende dalla scena. Quando composizione e continuità sono fondamentali, definire entrambi gli estremi può essere utile. Quando invece vogliamo esplorare il movimento o scoprire un risultato inatteso ma interessante, vale la pena provare una generazione più libera.

7. Generare la musica di sottofondo

La musica svolge un ruolo importante nel definire l’atmosfera di uno spot. Aiuta a stabilirne il tono, rafforza la narrazione e rende più naturali le transizioni tra le diverse parti della storia.

Per il mio progetto ho generato la musica di sottofondo con Suno AI V5, fornendo indicazioni sullo stile e sull’atmosfera desiderati anziché comporre manualmente le tracce.

La direzione creativa derivava dalla storia stessa. La prima parte dello spot presenta una voce narrante scritta volutamente in uno stile antiquato, quasi medievale. Il narratore racconta la storia di un cavaliere che cavalca il suo «destriero meccanico», un modo ironico per riferirsi alla bicicletta.

Per rafforzare questa ambientazione medievale giocosa, volevo che la musica evocasse l’atmosfera dell’epoca. Ho quindi chiesto a Suno di generare una traccia con il clavicembalo come strumento principale, così da creare un legame tra la narrazione e il mondo visivo dello spot.

Per la seconda metà ho scelto un approccio diverso. Quando la narrazione vira verso un tono più giocoso e umoristico, ho generato una musica di sottofondo più vivace, con elementi musicali capaci di sostenere la comicità.

8. Assemblare e perfezionare lo spot in DaVinci Resolve

Dopo aver generato le clip video e la musica, ho assemblato lo spot in DaVinci Resolve e realizzato ulteriori interventi di compositing.

Questa fase ha permesso di riunire i singoli elementi in una sequenza coerente.

Anche quando ogni clip funziona bene da sola, il video completo può comunque sembrare artificiale se le inquadrature non dialogano tra loro. Differenze di ritmo, colori, movimento, illuminazione e inquadratura diventano molto più evidenti quando una scena passa alla successiva.

Il montaggio, quindi, non consiste soltanto nel disporre clip generate su una timeline. Determina cosa vede lo spettatore, per quanto tempo e in quale ordine.

9. Perché conoscere la cinematografia è ancora importante

Durante il processo abbiamo utilizzato spesso ChatGPT Luna 6 e Sol 5.6 per sviluppare e perfezionare i prompt destinati ai diversi modelli.

È stato utile perché scrivere un prompt video efficace significa fare più che descrivere ciò che dovrebbe accadere. Dobbiamo anche comunicare l’aspetto dell’inquadratura e il comportamento della camera.

Consideriamo la differenza tra queste due istruzioni:

«Il ciclista guarda verso la camera».

«La camera mantiene un piano medio ravvicinato mentre il ciclista gira lentamente la testa verso l’obiettivo, con una profondità di campo ridotta e lo sfondo che rimane morbido e sfocato».

La seconda istruzione fornisce al modello un obiettivo visivo più preciso.

È qui che una conoscenza di base della cinematografia diventa preziosa. Concetti come lunghezza focale, profondità di campo, messa a fuoco, inquadratura, dimensione del campo, tipi di camera e obiettivo e movimenti di camera aiutano a tradurre un’idea creativa in istruzioni più precise.

Non è necessario diventare direttori della fotografia professionisti prima di sperimentare con la generazione video tramite AI. Tuttavia, senza una certa familiarità con questi concetti, dirigere il modello può diventare rapidamente frustrante.

Un carrello, un lento avvicinamento della camera, una panoramica e un’inquadratura statica comunicano sensazioni diverse e pongono anche esigenze tecniche differenti al modello.

Gli assistenti AI possono aiutarci a formulare i prompt, ma non possono sostituire la nostra capacità di riconoscere ciò che rende coerente un’inquadratura. Più conosciamo il linguaggio cinematografico, più possiamo dirigere consapevolmente la tecnologia.

10. La lezione più importante: la qualità si costruisce a monte

Ripensando all’intero processo, emerge un principio: la qualità di un video generato con l’AI dipende in larga misura dalle decisioni prese prima di generare il video.

Se il moodboard definisce una direzione visiva poco chiara, l’incertezza si trasferisce alle immagini. Se i riferimenti dei personaggi sono incoerenti, tali incoerenze possono propagarsi nelle scene. Se le immagini statiche sono scadenti, i modelli video ereditano quei problemi.

Il processo funziona come una catena, in cui ogni fase dipende dalla qualità di quella precedente.

Un modello video potente non può compensare in modo affidabile ogni errore commesso nelle fasi precedenti. Generare più varianti può occasionalmente produrre un risultato fortunato, ma è un modo inefficiente di risolvere un problema strutturale.

Per questo consigliamo di investire tempo nel moodboard, nello storyboard, nei riferimenti dei personaggi e nelle immagini statiche prima di spendere risorse significative nella generazione video.

L’obiettivo è fornire a ogni fase successiva materiale migliore su cui lavorare.

11. Quanto costa creare uno spot pubblicitario con l’AI?

Il nostro progetto di 37 secondi ha richiesto circa due settimane di lavoro (80 ore), includendo lo sviluppo iniziale della storia, la ricerca visiva, il design dei personaggi, la generazione delle immagini e dei video, le iterazioni, il montaggio e il compositing.

I costi di generazione AI sono stati di circa 50 dollari. Questa cifra si riferisce all’utilizzo degli strumenti AI e non al costo economico complessivo della produzione dello spot. Non include il tempo investito, il valore delle competenze e delle ricerche precedenti, né altre spese di produzione. Inoltre, tieni presente che ho utilizzato modelli di fascia media e generato video a 1080p; per uno spot professionale servono video in 4K, dove ogni generazione può costare circa 1,30 dollari al secondo.

L’AI può ridurre alcune barriere produttive, ma ottenere un risultato convincente richiede ancora pianificazione, sperimentazione, valutazione e post-produzione. Il tempo dedicato a decidere cosa generare, valutare i risultati, ripetere i tentativi dopo quelli insoddisfacenti e correggere piccoli dettagli indesiderati rimane una parte significativa del lavoro.

Le prospettive economiche sono interessanti, ma il confronto corretto non consiste semplicemente nel paragonare il costo dei crediti AI a quello di uno spot finito. Bisogna considerare l’impegno complessivo necessario per raggiungere la qualità creativa desiderata.

Conclusione: generare video con l’AI è un processo produttivo, non un pulsante magico

Creare uno spot pubblicitario con l’AI ha cambiato il mio modo di pensare al rapporto tra direzione creativa e tecnologia.

Questi strumenti permettono di esplorare idee visive e generare filmati che in passato avrebbero richiesto un set di produzione tradizionale e migliaia di dollari. Allo stesso tempo, introducono nuove competenze da sviluppare e richiedono una ricerca costante sui modelli più recenti, sui relativi costi e sulle loro capacità.

La lezione più importante è che l’AI non elimina la necessità di un processo produttivo: rende ancora più importante averne uno.

Per le aziende, è un cambiamento rivoluzionario. Consente di ripensare come pianificare, testare e produrre contenuti visivi utilizzando nuovi strumenti, mantenendo però le decisioni creative e il controllo della qualità nelle mani delle persone. Inoltre, permette a chi racconta storie di creare con meno ostacoli.