Video di prodotto UGC con IA: pianifica la demo e proteggi il dettaglio del prodotto

Costruisci un video di prodotto di 12 secondi in stile UGC con IA a partire da due brevi riprese animate e una vera foto di dettaglio del prodotto. Usa Qwen Image 2.1 Edit per posizionare una presentatrice con il tuo prodotto e approva quel fotogramma, poi animalo con Seedance 2.5 image-to-video. La caratteristica che vendi, qui una zip, resta una fotografia reale, perché il modello può derivare proprio sui dettagli che un acquirente controlla. L'esempio costa circa $2.89 di commissioni di modello; ogni tentativo in più costa qualche centesimo (fermi immagine) o circa $1.39 (un clip di 5 secondi a 720p).

La presentatrice dell'esempio è Lena, una donna adulta fittizia con una tuta blu navy che porta una borsa in tela color crema con due manici color mostarda e una tasca esterna con zip. Sostituiscici il tuo prodotto.

Il montaggio di 12 secondi e il suo costo

Metti l'affermazione nei primi secondi e lascia che sia una ripresa a dimostrarla. La guida creativa di TikTok chiede l'aggancio entro i primi 6 secondi, un formato verticale 9:16 a 720p o superiore e una call to action chiara dopo la demo. Sostituisci la frase finale con una call to action ("Compra la borsa") se l'annuncio ne ha bisogno. Di' solo ciò che la pagina del prodotto può supportare: nessuna affermazione su impermeabilità, capienza, peso o durata.

Pianifica le ripetizioni. Guarda prima un'anteprima di un clip a 480p ($0.1234 al secondo; il più corto, 4 secondi, costa $0.4936) per confermare il movimento. Il render a 720p è una nuova generazione, non un ingrandimento dell'anteprima, quindi può richiedere una ripetizione tutta sua. 1080p costa $0.6823 al secondo ($3.41 per cinque secondi); usalo solo per un fotogramma già nitido. Un tetto realistico è un'anteprima a 480p, una ripresa buona a 720p e una ripetizione a 720p per ripresa: $0.49 + $1.39 + $1.39 = circa $3.27 per ripresa, $6.53 per entrambi i clip, più circa $0.12 per il ritratto e i due fermi immagine. Saltare l'anteprima e prevedere tre tentativi a 720p per ripresa costa $8.32.

Prepara la vista del prodotto prima di aggiungere una presentatrice

Usa una foto del prodotto di fronte in cui si vedano entrambi i manici, la tasca esterna e le proporzioni generali. Aggiungi un primo piano separato della zip per la ripresa centrale. Se il prodotto ha un logo esatto o un testo di confezione obbligatorio, tieni quei pixel originali nella composizione finale invece di chiedere a un modello di riscriverli.

Una presentatrice costruita dalla foto di una persona reale può essere respinta dal controllo degli input di Seedance quando il volto è identificabile. Usa un ritratto fittizio o con licenza, e lo stesso ritratto per ogni ripresa, così il volto resta coerente. Per crearlo, descrivi la presentatrice in Qwen Image 2.1 text-to-image ($0.024 per tentativo, 1k, 9:16), approva un fotogramma e riutilizzalo. Tieni il ritratto approvato e le foto della borsa dove puoi rispedirli: i caricamenti e i risultati scadono (vedi limiti di caricamento e conservazione) e i file generati vengono eliminati dopo circa 14 giorni.

Provalo nel Playground. Apri Qwen Image 2.1 Edit e resta nella scheda Playground, in vista Form. Accedi con un account con fondi per eseguire.

1. In Images, usa Add a file prima per il ritratto approvato di Lena e poi per la foto della borsa. Diventano Picture 1 e Picture 2.
2. Incolla l'istruzione qui sotto in Prompt. Qwen non assegna i ruoli da solo, quindi il prompt deve dire cosa fornisce ogni immagine.
3. Imposta Aspect ratio su 9:16 e Resolution su 1k. In Advanced parameters, imposta Output format su PNG e disattiva Prompt expansion (disponibile a 1k e 2k).
4. Esegui il modello e approva il fotogramma prima di animarlo.

Copia questa istruzione, oppure apri il Playground con essa già inserita:

Picture 1 supplies Lena, a fictional adult woman with short dark hair wearing a closed navy jumpsuit. Picture 2 supplies the cream canvas tote with exactly two mustard handles and one external zip pocket. Show Lena standing in a bright apartment entryway, holding both tote handles together in her right hand at hip height. The tote front faces the camera, with its pocket visible. Keep the product's proportions, handle colour and closure design. Vertical medium-full composition, soft daylight, natural expression, no added text.

Per il secondo fotogramma di apertura, cambia solo l'istruzione di trasporto:

Show the same adult presenter with the same tote hanging from her right shoulder, both mustard handles together over that shoulder. Her right hand rests lightly on the handles. She stands beside the doorway, facing slightly toward the camera. Keep the bag front and external pocket visible.

Il fermo immagine che invii a Seedance deve avere ogni lato tra 300 e 6000 pixel e restare sotto 10 MB; le immagini più piccole vengono rifiutate prima che ti venga addebitato nulla. Approva ogni fermo immagine prima di animarlo: conta i manici, trova la tasca, confronta i colori con la fotografia. Un fermo immagine sbagliato costa $0.048 per sostituirlo; un clip sbagliato costa $1.39. Se Qwen continua a produrre una tasca diversa, incolla il ritaglio originale della borsa sopra una composizione di presentatrice e sfondo.

Illustrazione del prodotto: i due manici e la tasca esterna con zip sono gli elementi di design da preservare; non è la foto di un prodotto reale.

Animare una piccola azione per ripresa

Provalo nel Playground. Apri Seedance 2.5 image-to-video nella scheda Playground, in vista Form.

1. In Input image, aggiungi il primo fotogramma approvato. Aspect ratio è fissato per corrispondere all'immagine di input, quindi ritaglia o genera prima il fermo immagine a 9:16.
2. Incolla il prompt del clip qui sotto in Prompt.
3. Imposta Resolution su 720p, Duration su 5 e disattiva Generate audio. La durata va da 4 a 30 secondi; le riprese lunghe derivano di più, quindi più prese brevi tengono meglio il prodotto di una sola lunga.
4. Esegui il modello e controlla il clip prima di fare il successivo.

Primo clip (aprilo con il prompt già inserito):

The adult presenter gently raises the tote a few centimetres by its two handles, then holds it still at hip height. Her gaze moves briefly toward the camera. The cream canvas body, two mustard handles and external zip pocket keep their existing design. The bag does not rotate away from the viewer. Locked camera, subtle natural body movement, no text.

Clip della porta:

The adult presenter stands beside the doorway with the tote already on her right shoulder. She shifts her weight slightly and gives a small relaxed smile toward the camera. The tote remains on the same shoulder with both handles together. No walking, no putting on the bag, no pocket opening. Locked camera, no text.

"Metti la borsa, chiudila, esci e sorridi" è troppo per un solo clip corto; iniziare con la borsa già al suo posto elimina la transizione più difficile. Per questo montaggio usa il fermo immagine approvato con la borsa in spalla come image_url del clip della porta; il primo clip finisce con la borsa all'altezza dei fianchi. Usa return_last_frame e invia quel fotogramma come successivo fotogramma di apertura solo quando prosegui dallo stesso stato finale.

Per scrivere a script i clip, esegui una chiamata per fermo immagine (un fermo immagine locale viene prima caricato con spicyapi files upload <path>, che restituisce un link spicy:// per image_url). Vedi la guida da immagine a video e la documentazione della CLI:

spicyapi tasks create --model bytedance/seedance-2.5/image-to-video \
  --input-json '{"image_url":"https://example.com/lena-tote.png","prompt":"The adult presenter stands beside the doorway with the tote already on her right shoulder. She gives a small relaxed smile toward the camera. Locked camera, no text.","duration_seconds":5,"resolution":"720p","generate_audio":false}' \
  --wait

Oppure lascia che lo esegua un agente: dagli la CLI, il server MCP (spicyapi_upload_file, poi spicyapi_task_create, che si ferma per la tua conferma del prezzo) o lo Skill (npx skills add spicyapi-ai/spicy-skill), che legge lo schema del modello in tempo reale invece di indovinare i campi.

Monta il taglio

Ritaglia ogni clip di 5 secondi a 4 secondi, colloca il fermo immagine della zip fra loro, aggiungi la voce narrante e la base sonora, poi esporta a 9:16, 720p o superiore. Per testare gli agganci, fai da tre a cinque versioni che cambiano solo i primi 4 secondi e lasciano identiche le riprese del prodotto.

Realizza la ripresa di dettaglio con la fotografia reale

Metti il primo piano della zip fra i due clip. Tienilo quattro secondi con un lento pan dell'editor che non taglia mai la chiusura e aggiungi la didascalia della caratteristica come testo modificabile. Un primo piano sintetico potrebbe inventare un tiretto della zip che il prodotto non ha.

Se il punto di forza è che la zip si apre davvero, sostituisci il fermo immagine tenuto con una breve registrazione da telefono della borsa reale che viene aperta, stretta sulla tasca e sulle mani, con la stessa narrazione sopra. Un fermo immagine mostra dove si trova la tasca; solo il filmato reale mostra come funziona il meccanismo.

Aggiungi voce, suono e sottotitoli

• Voce narrante, presentatrice muta (la versione qui sopra): tieni generate_audio disattivato, registra tu la voce narrante o generala con un modello di sintesi vocale, sincronizzata per stare nei 12 secondi, e colloca un unico letto continuo di musica o di rumore ambiente sotto tutte e tre le riprese. Abbassa la musica sotto la voce. Evita anche un suono ambientale diverso in ogni clip.
• La presentatrice parla alla camera: attiva generate_audio e scrivi la frase nel prompt come righe separate di dialogo e di ambiente; Seedance 2.5 genera una voce sincronizzata all'immagine. Tieni ogni battuta a una frase breve per clip di 5 secondi e tieni la borsa ferma mentre parla. Per cambiare le parole di un clip che ti piace, vedi il flusso di lavoro di sincronizzazione labiale.
• Sottotitoli: aggiungili nell'editor come testo, tenendoli lontani dal prodotto e dall'area inferiore dell'interfaccia; la guida di TikTok suggerisce da 5 a 10 parole al secondo di testo a schermo. I caratteri generati possono scrivere male un nome di prodotto.

Usa per prima l'etichetta IA della stessa piattaforma: ad esempio, il criterio pubblicitario di TikTok consente contenuti pubblicitari interamente generati con IA se applichi la sua etichetta AIGC o aggiungi un avviso, una didascalia, una filigrana o un adesivo tuo. Le regole cambiano per piattaforma e paese. watermark: true segna inoltre il video come generato con IA. Non scrivere "L'ho comprato io" e non descrivere un risultato personale nello script; la presentatrice è fittizia e la voce narrante deve descrivere il prodotto.

Quali prodotti si adattano a questo flusso di lavoro

Per un prodotto visto da più angolazioni, reference-to-video accetta fino a 30 immagini di riferimento e costa quanto image-to-video quando non viene fornito alcun clip di riferimento ($0.2773 al secondo a 720p). Non ha un'impostazione del primo fotogramma, quindi non puoi approvare in anticipo il fotogramma di apertura. Usalo per più lati, image-to-video per un primo fotogramma esatto. Per impaginati pubblicitari statici dalla stessa fotografia, vedi da foto di prodotto a creatività pubblicitaria; per la formulazione dei prompt Seedance, vedi la guida ai prompt di Seedance 2.0.

Correggi i guasti comuni

Rivedi ogni clip sul primo fotogramma, nel momento del contatto e sull'ultimo fotogramma, confrontando numero di manici, posizione della tasca, colore e logo con la fotografia. Le animazioni mostrano il trasporto; il vero primo piano mostra la caratteristica.