Come creo video brevi con l'IA: Ganci, didascalie e B-roll

Ultimo aggiornamento: June 28, 2026

Il video verticale in formato breve è l'unico formato che genera ancora una portata che non posso comprare altrove, e ora l'AI sta svolgendo le parti che prima temevo: l'aggancio (hook), il b-roll, le didascalie e il taglio da un lungo video in clip brevi. Ho pubblicato circa 120 video brevi lo scorso trimestre usando questo flusso di lavoro, ed ecco l'ordine esatto che seguo: scrivere un aggancio di tre secondi, generare o recuperare il b-roll, incorporare le didascalie, tagliarlo alla lunghezza desiderata e pubblicare.

Per il modello dietro i clip, mi affido a Sora video generator e Runway Gen-3 video; il taglio finale e gli effetti sono nelle nostre note su AI video editing. Ecco come funziona realmente l'assemblaggio del video breve.

Risposta rapida: come creare un breve video con l'AI?

Scegli un'idea, scrivi un gancio che funziona nei primi tre secondi, genera o raccogli cinque-otto secondi di b-roll, trascrivi e aggiungi le didascalie, ritaglia a meno di 60 secondi nel formato 9:16 e pubblica. Questo è l'intero ciclo. L'AI gestisce quattro di questi passaggi — la generazione del b-roll, la trascrizione, l'aggiunta delle didascalie e il taglio da lungo a corto — ma tu scrivi ancora il gancio e scegli il montaggio.

Ho testato questa sequenza esatta su un canale finanziario senza volto e su un canale di prodotti con presentatore (talking-head), e l'ordine ha funzionato per entrambi. Le decisioni creative sono ristrette ma contano: il gancio decide se qualcuno vedrà il secondo secondo, e lo stile delle didascalie decide se gli spettatori con il volume spento rimarranno.

Cosa si considera un video breve e cosa vogliono le piattaforme?

Un video breve è verticale, 9:16, inferiore ai tre minuti e progettato per l'autoplay con il suono disattivato. Le tre piattaforme definiscono ciascuna il limite massimo in modo diverso, e la lunghezza sicura è più breve del massimo.

Due regole delle piattaforme modellano tutto il resto. Secondo la guida di YouTube per gli Shorts YouTube's Shorts guidance, uno Short deve essere verticale e non superare i 60 secondi, altrimenti non è affatto uno Short: viene archiviato come un video normale e perde il feed Shorts. Le migliori pratiche di Instagram per i Reels Reels best practices impongono lo stesso vincolo verticale e premiano testo e didascalie perché molte persone guardano con il suono disattivato.

Il risultato pratico: scatta o renderizza sempre in 9:16, scrivi pensando allo spettatore con il suono disattivato e mantieni l'aggancio nei primi tre secondi. Io considero i 30 secondi come predefinito e prolungo solo quando l'idea ne ha davvero bisogno per svilupparsi.

L'aggancio (The Hook): scrivere un'apertura di tre secondi che fa scorrere lo schermo

L'aggancio è la cosa che ha il massimo leva che scrivi, e l'IA è mediocre in questo, quindi scrivo gli agganci io stesso e uso l'IA solo per stress-testarli. Un aggancio fa uno dei quattro lavori: fa una promessa, esprime una tensione, mostra un risultato o pone una domanda che lo spettatore ha bisogno di risolvere.

Agganci che ho misurato come efficaci:

• "Ci sono volute sei ore. Ecco la versione da 30 secondi."
• "Nessuno ti dice questo su [topic] finché non ti costa denaro."
• "Ho testato [tool] per 30 giorni. Il risultato non era quello che mi aspettavo."
• "A tre secondi, guarda cosa succede al prezzo."

Scrivo cinque agganci, li incollo nel prompt del generatore video come testo sullo schermo e ne scelgo uno che si legge più velocemente. Il primo fotogramma deve veicolare l'aggancio visivamente, perché la didascalia non è stata ancora letta allo zero secondo.

B-roll e contenuti visivi: generare filmati quando non ne hai

Se sei in camera, il b-roll è il tuo volto più i tagli (cutaways). Se non mostri il viso, il b-roll è l'intero video, ed è qui che i filmati AI fanno la loro figura. Genero riprese di ambientazione, primi piani di prodotti e clip di movimento astratto, quindi posiziono lo script sotto di essi.

Un flusso di lavoro senza volto che eseguo ogni settimana:

1. Scrivere lo script da 60 secondi e dividerlo in sei o otto riprese.
2. Generare ogni ripresa come un clip di cinque secondi da un prompt testuale.
3. Mantenere uno stile coerente riutilizzando gli stessi descrittori di stile in ogni prompt.
4. Sequenziare i clip in modo che ognuno corrisponda alla frase che viene pronunciata.
5. Aggiungere un voiceover da una voce AI clonata o di borsa (stock).
6. Incorporare didascalie ed esportare a 9:16.

Il limite onesto: i clip generati dall'AI fluttuano/variano. Una tazza di caffè cambia forma tra una ripresa e l'altra, il testo nel frame risulta sgranato, e l'identità non è bloccata attraverso i tagli. Genero tre take per ogni ripresa e scelgo la più pulita, ed evito di chiedere al modello testo o loghi sullo schermo. Quando ho bisogno di filmati di cui posso fidarmi, abbino clip generate con stock in modo che i tagli non sembrino tutti sintetici.

Captions: testo sullo schermo che mantiene l'utente con autoplay silenziato

I sottotitoli sono imprescindibili perché la maggior parte delle visualizzazioni di video brevi inizia con il volume spento. Trascorro l'audio automaticamente e poi stilizzo le parole in modo che siano leggibili a colpo d'occhio. L'esportazione predefinita dei sottotitoli AI è utilizzabile ma brutta, quindi dedico due minuti al tipo.

Regole per i sottotitoli che seguo:

• Da una a tre parole per scheda di sottotitolo, sincronizzate al ritmo del discorso.
• Posizionare le parole nel terzo superiore centrale, libere dall'interfaccia utente (UI) della piattaforma e dalla barra dei commenti.
• Usare un sans-serif pesante con un contorno o una piastra di sfondo per il contrasto.
• Evidenziare la parola chiave con un colore contrastante per ancorare l'occhio.
• Mantenere i sottotitoli all'interno della zona sicura in modo che sopravvivano quando ripubblicati su diverse app.

Il testo trascritto lo considero un bozza. L'AI sbaglia nomi propri, numeri e termini tecnici, e una parola sbagliata in un sottotitolo viene letta come un errore dallo spettatore. Leggo ogni sottotitolo ad alta voce rispetto all'audio prima di esportare.

Riutilizzare un video lungo in clip brevi

Il riutilizzo è dove l'AI offre il miglior ritorno, perché il video lungo esiste già e l'unica domanda è quali trenta secondi valgano la pena di essere tagliati. Prendo una registrazione di 20 minuti e ne estraggo quattro o sei clip in un unico momento.

Il metodo che utilizzo:

1. Caricare il video lungo ed eseguire la trascrizione AI con i turni degli oratori.
2. Chiedere allo strumento di segnalare momenti che superano una soglia di tasso di visualizzazione o di coinvolgimento.
3. Estrarre ogni momento segnalato e tagliare dieci secondi di margine su entrambi i lati.
4. Riformattare il filmato orizzontale in 9:16 utilizzando l'auto-tracking sull'oratore.
5. Ritagliare l'aggancio all'inizio in modo che ogni clip apra sulla sua linea più forte.
6. Inserire didascalie fresche e pubblicare ogni breve come un post separato.

Il re-framing è il passaggio che fallisce più spesso. L'auto-tracking perde l'oratore quando si muove o quando ci sono due persone sullo schermo, quindi controllo il crop 9:16 fotogramma per fotogramma sul primo clip di ogni lotto. La nostra guida AI video editing copre i tool re-frame e colore in modo più approfondito.

Quali strumenti AI uso realmente?

Mantengo lo stack volutamente piccolo. Ogni strumento fa un lavoro meglio degli altri, e cambiare strumenti a metà batch costa più tempo di quanto ne risparmi.

Il confronto dei modelli e il compromesso tra Sora e Runway sono nel dettaglio Sora AI video generator. Per i contenuti brevi, in particolare, uso Sora quando ho bisogno che la scena sia coesa e Runway quando mi serve un movimento di telecamera preciso.

Cosa farà segnalare o seppellire il tuo contenuto corto?

Le piattaforme penalizzano cose specifiche, e alcune di queste sono facili da sbagliare per caso quando si fa affidamento sull'AI. Conoscere le regole prima di pubblicare salva un post che altrimenti morirebbe durante la revisione.

Rischi che monitoro:

• Filigrane di una piattaforma rivale lasciate sull'esportazione.
• Materiali video a bassa risoluzione o con riquadri che segnalano un repost pigro.
• Didascalie autogenerate con parolacce o insulti trascritti male.
• Materiale video generato da AI di persone reali senza dichiarazione dove la piattaforma lo richiede.
• Audio non autorizzato o prelevato dal video di un altro creatore.

Le [business advertising and content policies] di TikTok (https://www.tiktok.com/business/en) stabiliscono lo standard per ciò che viene demoting, e le altre piattaforme seguono una logica simile: sopravvive l'originale, verticale, chiaro e pertinente. Tengo un elenco di controllo di questi punti ed eseguo il controllo su ogni contenuto corto prima di pubblicare, perché una singola filigrana mi ha rovinato un post altrimenti forte.

Riepilogo: il mio flusso di lavoro settimanale per i video brevi

Qui è il ciclo che eseguo ogni settimana, compresso nei passaggi importanti. L'AI si occupa del lavoro pesante sul b-roll, le didascalie e il taglio da lungo a breve; io scrivo l'aggancio (hook) e faccio il montaggio.

La mia checklist settimanale:

• Scegli un'idea e scrivi cinque varianti di aggancio (hook).
• Genera o recupera sei-otto secondi di b-roll per ripresa.
• Registra o sintetizza la voce fuori campo.
• Trascrivi automaticamente e inserisci didascalie stilizzate.
• Ritaglia a 9:16 sotto i 60 secondi, con l'aggancio nei primi tre secondi.
• Esegui la checklist dei rischi di bandiera (flag-risk), quindi pubblica.

L'avvertenza con cui voglio concludere: l'AI accelera la produzione, ma non crea la domanda. I contenuti brevi che hanno funzionato meglio per me erano quelli con un'idea genuinamente utile o sorprendente sotto il luccichio. Un video veloce, economico e ben didascalizzato su nulla fallisce comunque. Usa il flusso di lavoro per pubblicare più delle tue buone idee, non per coprire l'assenza di una.

Crediti delle immagini

• Uno smartphone moderno su un treppiede che registra un setup video di styling per contenuti — foto di Tracy Le Blanc su Pexels
• Un creatore di contenuti che registra un video su una scrivania con telecamera e attrezzatura illuminante — foto di RODNAE Productions su Pexels
• Un primo piano di un'interfaccia temporale di editing video su uno schermo di computer — foto di Alex Fu su Pexels
• Uno schermo di smartphone che mostra applicazioni popolari dei social media — foto di cottonbro studio su Pexels