LTX-2.3 è l’evoluzione di LTX-2, il modello open-source di Lightricks che genera video con audio sincronizzato in un unico passaggio (architettura Diffusion Transformer, ~22B parametri). Un buon prompt per Flux/SDXL/Midjourney spesso produce movimento instabile o personaggi incoerenti se applicato pari pari a LTX. In sostanza il prompt deve descrivere cosa succede nel tempo, non solo come appare una scena statica. In questo articolo analizzeremo le basi del prompt engineering per questo modello video.
Livello Base
Un prompt base funziona bene se copre, in ordine di priorità:
1. Soggetto — chi/cosa è protagonista della scena
2. Azione/movimento — cosa fa, come si muove (questo è ciò che rende “video” un video)
3. Ambientazione — dove si trova, contesto spaziale
4. Camera/inquadratura — tipo di piano, movimento di macchina (se presente)
5. Luce e atmosfera — condizioni di illuminazione, mood
6. Stile visivo — fotorealistico, cinematografico, animazione, ecc.
Una donna cammina lungo una strada di città al tramonto, luce calda, riflessi sull'asfalto bagnato, inquadratura a mezza figura, stile cinematografico.Questo prompt funziona perché è chiaro, ha un soggetto, un’azione (cammina), un’ambientazione (strada di città al tramonto) e uno stile. Con il text encoder aggiornato, LTX-2.3 comprende meglio frasi complete e articolate rispetto a semplici elenchi di tag separati da virgole in stile Stable Diffusion. Una struttura a frase spesso funziona meglio.
[OK] FRASE ARTICOLATA
Mentre la telecamera segue lentamente il soggetto da dietro, la donna attraversa
un mercato affollato, le luci delle bancarelle si riflettono sul suo viso, folla sfocata sullo sfondo.
```
[NOPE] ELENCO TAG
donna, mercato, luci, folla, camera in movimento, sfocatura sfondoPrompt sovraccarico che diluisce l’attenzione
Molti utenti pensano che un prompt più lungo produca automaticamente un video migliore. Non è vero: LTX-2.3 deve interpretare ogni parola, e se ci sono troppi dettagli secondari, le informazioni davvero importanti vengono diluite.
PROMPT SOVRACCARICO:
Un bellissimo giovane uomo seduto pacificamente su una panchina di legno durante
un pomeriggio d'estate meraviglioso mentre guarda la telecamera con un'espressione
molto felice e una luce cinematografica straordinaria.
```
PROMPT ESSENZIALE:
Giovane uomo, panchina di legno, guarda la telecamera, leggero sorriso, luce diurna morbida.Come regola pratica potrei consigliare di partire da una versione essenziale (soggetto, azione, contesto, luce) e aggiungere dettagli solo se servono davvero a controllare un aspetto specifico del risultato.
Text-to-Video vs Image-to-Video
Il prompt text-to-video differisce profondamente dal prompt image-to-video.
- In T2V (text-to-video) il prompt crea la scena da zero, deve descrivere tutto, soggetto, ambientazione, luce, stile.
- In I2V (image-to-video) hai già un frame di partenza (l’immagine). Il prompt non deve ridescrivere l’immagine, ma guidare i cambiamenti rispetto a quello che è già visibile, come si muove il soggetto, cosa cambia nella scena, come si muove la camera. Un errore frequente è scrivere in I2V un prompt che ridescrive staticamente l’immagine, questo confonde il modello, che si aspetta istruzioni di variazione nel tempo, non una didascalia.
Vocabolario cinematografico utile
LTX-2.3 genera video e audio insieme, quindi il prompt può (e dovrebbe, quando l’audio conta) descrivere anche gli elementi sonori come dialoghi, musica, ambiente, effetti. Se l’audio non è rilevante per la scena, si può ometterlo senza problemi perché il modello genera comunque una colonna sonora coerente con il contesto visivo.
Un uomo suona la chitarra acustica seduto su un molo al tramonto, onde che si infrangono
piano sullo sfondo, melodia acustica calda, leggero rumore del vento, atmosfera intima.Errori quality killer
Secondo i workflow ufficiali e i feedback della comunità, i tre “quality killer” più frequenti sono:
- Aspect ratio sbagliato rispetto al contenuto (es. verticale per una scena pensata orizzontale)
- CFG scale troppo alto che irrigidisce il movimento e genera artefatti
- Prompt sovraccarico che diluisce le informazioni importanti
Prompt Enhancer
Molti workflow includono un nodo di potenziamento automatico del prompt, che trasforma un’idea breve in una versione più dettagliata.
Input: `Donna che cammina in città`
```
Output arricchito: `Una giovane donna cammina con sicurezza per le strade di una città futuristica illuminata al neon al tramonto, atmosfera cinematografica, asfalto bagnato riflettente, colori vivaci, architettura dettagliata...`Questo strumento è utile per partire da un’idea vaga, ma può anche peggiorare un prompt già ben strutturato, aggiungendo dettagli superflui o incoerenti. Usalo come punto di partenza creativo, non come passaggio automatico obbligatorio, rivedi sempre l’output prima di generare.
Prompt Relay: script per scene con più “beat”
Per clip più lunghe con più azioni in sequenza (es. cortometraggi, spot prodotto, teaser narrativi), il workflow LTX 2.3 Prompt Relay (nodo `PromptRelayEncode`) permette di assegnare istruzioni testuali diverse a intervalli temporali diversi, senza fine-tuning:
- global_prompt: contiene ciò che deve restare costante per tutta la clip: stile, ambientazione, soggetto, linguaggio di lente/camera
- local_prompts: contiene le azioni specifiche di ogni “beat” (segmento temporale), separate dal simbolo `|`.
Esempio pratico:
global_prompt:
Cortometraggio cinematografico, chef in una cucina professionale, luce calda da studio,
lente da 50mm, tono elegante e minimalista.
```
local_prompts:
Trita le verdure con movimenti rapidi e precisi |
Versa l'olio in padella, piccola fiamma che si alza |
Mescola il soffritto guardando la telecamera con un sorriso |
Impiatta il risultato finale con curaSegui le seguenter regole per ottenere beat efficaci:
- Mantieni i beat concisi e mirati: **3-6 beat** producono transizioni pulite
- Beat semanticamente compatibili tra loro (azioni che si susseguono in modo naturale) producono transizioni più fluide se vuoi gestire manualmente i tempi
- Il global_prompt ancora l’identità visiva; i local_prompts guidano solo l’azione nel tempo
LoRA
LTX-2.3 supporta LoRA opzionali (es. LoRA di distillazione per velocità, LoRA di “crisp enhance” per nitidezza). Attivare/disattivare una LoRA è spesso il modo più rapido di cambiare texture e resa visiva rispetto a continuare ad aggiungere aggettivi stilistici nel prompt.
LTX-2.3, come ogni modello generativo video, resta principalmente un generatore di inquadrature, non un editor. Anche il prompt più curato produce un “girato” grezzo, il montaggio, la color correction e l’editing audio in post-produzione (DaVinci Resolve, Premiere, ecc.) restano passaggi essenziali per un risultato finale professionale.
Per maggiori info vi consiglio di esplorare:
- il sito ufficiale: https://ltx.io/
- la documentazione rilasciata dal produttore: https://docs.ltx.video/open-source-model/getting-started/overview
- la guida al prompting di Lightricks: https://docs.ltx.video/open-source-model/usage-guides/prompting-guide
Se l’articolo ti è piaciuto restiamo in contatto su linkedin a: https://www.linkedin.com/in/andreatonin/
Nerd per passione e per professione da oltre 30 anni, lavoro nel mondo dell’innovazione tecnologica come CTO e consulente, progettando ecosistemi software complessi e scalabili. Parallelamente mi dedico alla formazione informatica, condividendo esperienze e buone pratiche maturate sul campo.
Scopri di più sulla mia attività di consulenza su lucedigitale.com Mi trovi anche su LinkedIn
By
