Immagini e video generativi, come funzionano e come usarli

Dal rumore all’immagine

Immagina una foto coperta da una nebbia di puntini colorati, così fitta da non vedere nulla. Un modello di diffusione è addestrato a fare una cosa sola: data un’immagine “rumorosa” e una descrizione, togliere un po’ di rumore nella direzione giusta. Ripetuto 20, 30, 50 volte, questo processo trasforma rumore puro in un’immagine nitida.

Per imparare, il modello vede durante l’addestramento centinaia di milioni di immagini con la loro didascalia: a ognuna si aggiunge rumore in quantità crescenti e il modello impara a toglierlo. Così associa parole e forme visive: “tramonto” con certe sfumature di arancio, “Roma” con cupole e pini marittimi.

Per il video l’idea è la stessa, ma il modello genera insieme molti fotogrammi e deve mantenere coerenti nel tempo oggetti, volti e movimenti: è molto più difficile e costoso. I modelli più recenti generano anche l’audio sincronizzato.

Alcuni sistemi recenti, come i generatori integrati in ChatGPT e Gemini, sono invece nativamente multimodali: lo stesso modello che capisce il testo produce anche l’immagine. Per questo sono molto più bravi a seguire istruzioni lunghe, a scrivere testo leggibile dentro le immagini e a fare modifiche in conversazione (“ora sposta il logo in alto a destra”).

I migliori oggi, secondo chi li usa

Su Arena le persone confrontano due immagini generate dallo stesso prompt e votano la migliore. A ottobre 2026:

Immagini (da testo)

1. GPT Image 2.5 “Sunburst” (OpenAI), 1.425 punti, dato preliminare
2. GPT Image 2.5 “Flare” (OpenAI), 1.398, preliminare
3. GPT Image 2 (OpenAI), 1.383
4. Grok Imagine Image 2.0 (SpaceXAI), 1.334
5. MAI Image 2.6 (Microsoft), 1.332
6. Nano Banana 2.1 (Google), 1.328

Video (da testo)

1. Gemini Omni 1.1 Flash (Google), 1.516
2. Gemini Omni Flash (Google), 1.513
3. FLUX 3 Video (Black Forest Labs), 1.493, preliminare
4. Grok Imagine Video 1.5 (SpaceXAI), 1.492
5. Seedance 2.0 (ByteDance), 1.479

Le classifiche cambiano ogni mese: controlla quelle aggiornate nella pagina Modelli e prezzi o direttamente su Arena.

Quale strumento per cosa

• Immagini per comunicazione, slide, social con testo leggibile: ChatGPT (GPT Image 2.5). Lo usi conversando e correggendo.
• Modificare foto esistenti mantenendo volti e prodotti coerenti: Gemini con Nano Banana, oppure Krea, che a ottobre 2026 ha lanciato Krea 3 (modifiche in 2K in meno di 8 secondi, addestrabile su un tuo prodotto).
• Estetica e stile artistico per moodboard e concept: Midjourney.
• Video brevi e animazioni: Google Flow con i modelli Gemini Omni (incluso nei piani Google AI, a crediti), oppure piattaforme come Higgsfield che riuniscono più modelli, tra cui Seedance.

Come scrivere un prompt visivo

Pensa a come briefare un fotografo o un regista. Gli elementi che contano:

1. Soggetto: chi o cosa, con dettagli concreti (età, abbigliamento, materiali).
2. Azione: cosa sta succedendo.
3. Ambiente: dove, quando, che stagione.
4. Luce: luce dorata del tardo pomeriggio, neon, luce da finestra laterale.
5. Inquadratura e obiettivo: primo piano, campo largo, dall’alto, obiettivo 35mm, profondità di campo ridotta.
6. Stile: fotografia editoriale, illustrazione piatta, acquerello, render 3D.
7. Formato: verticale 4:5 per Instagram, 16:9 per una slide.
8. Testo nell’immagine, tra virgolette, se serve.

Fotografia editoriale, formato 16:9. Una giovane commercialista alla scrivania in uno studio luminoso a Roma, laptop aperto con un grafico, tazza di caffè, registro contabile aperto. Fuori dalla finestra si vedono i tetti di Roma al tramonto. Luce calda laterale, profondità di campo ridotta, obiettivo 35mm. Palette calda: legno, verde salvia, oro. Nessun testo nell’immagine.

Per il video aggiungi il movimento (della camera e del soggetto) e la durata: “carrellata lenta in avanti”, “la camera gira attorno al soggetto”, “8 secondi”. Le scene brevi e semplici riescono molto meglio di quelle lunghe e piene di azioni.

Cosa dice la legge

• Trasparenza (AI Act, art. 50). Dal 2 agosto 2026 chi pubblica immagini, audio o video realistici generati o manipolati con l’AI (i cosiddetti deepfake) deve dichiararlo, salvo eccezioni come le opere palesemente artistiche o satiriche, dove basta un’indicazione che non rovini l’opera.
• Marcatura. Dal 2 dicembre 2026 i fornitori di generatori devono marcare i contenuti in modo leggibile dalle macchine (watermark), come previsto dopo il Regolamento (UE) 2026/1744.
• Deepfake sessuali espliciti. Il regolamento del 2026 ha aggiunto anche un divieto specifico che li riguarda.
• Persone reali. Usare il volto o la voce di una persona riconoscibile richiede il suo consenso: lo impongono già le norme sul diritto all’immagine e il GDPR. In Italia la legge 132/2025 ha anche introdotto un reato specifico per la diffusione illecita di contenuti falsificati con l’AI che causano un danno.
• Diritti d’autore. Le condizioni d’uso commerciale cambiano da strumento a strumento e da piano a piano: leggile prima di usare le immagini per un cliente.

In pratica

1. Scegli lo strumento in base al compito: testo nell’immagine e modifiche conversazionali (ChatGPT), ritocco foto (Nano Banana, Krea), stile (Midjourney), video (Flow).
2. Scrivi prompt come brief: soggetto, azione, ambiente, luce, inquadratura, stile, formato.
3. Itera una modifica alla volta.
4. Per i video, scene brevi e semplici; prova su clip corte prima di spendere crediti.
5. Dichiara i contenuti sintetici e non usare mai volti o voci reali senza consenso.

Fonti

• Arena — Text-to-Image leaderboard
• Arena — Text-to-Video leaderboard
• 3Blue1Brown & Welch Labs — How do AI images and videos actually work?
• Google DeepMind — The science of watermarking AI
• TestingCatalog — Krea 3

Contenuto informativo aggiornato alla data indicata. Prezzi, modelli e norme cambiano spesso: verifica sempre sulle fonti ufficiali. Testo scritto con il supporto di strumenti di AI e rivisto dall'autore.