Da testo a video: scrivi una scena, ottieni una clip
Il text to video trasforma una descrizione scritta in una clip video. Nello strumento video di shuut puoi partire solo dal testo, senza bisogno di immagini o filmati.
In shuut ci sono diversi modelli per il text to video. Cambiano per il fatto di pronunciare o meno le tue battute, per come gestiscono l'audio e per la durata massima di una singola clip.
Modelli per questo uso
| Modello | Sviluppato da | Prezzo | Prezzo minimo | Durata |
|---|---|---|---|---|
| Seedance 2.5 | ByteDance | 26 crediti al secondo | 12 crediti al secondo | 4-30 secondi |
| Veo 3.1 | 44 crediti al secondo | 22 crediti al secondo | 4 secondi, 6 secondi e 8 secondi | |
| Kling 4.0 | Kuaishou | 18 crediti al secondo | 18 crediti al secondo | 3-30 secondi |
| Seedance 2.0 | ByteDance | 17 crediti al secondo | 8 crediti al secondo | 4-15 secondi |
| MiniMax H3 | MiniMax | 10 crediti al secondo | 10 crediti al secondo | 4-15 secondi |
| Wan 3.0 | Alibaba | 11 crediti al secondo | 6 crediti al secondo | 2-30 secondi |
| Grok Imagine Video 1.5 | xAI | 16 crediti al secondo | 9 crediti al secondo | 1-15 secondi |
| Omni 1.2 Flash | 8 crediti al secondo | 3 crediti al secondo | 3-15 secondi | |
| HappyHorse 1.1 | Alibaba | 16 crediti al secondo | 8 crediti al secondo | 3-15 secondi |
I prezzi sono in crediti (1 credito = 0,01 USD) e vengono scalati dal tuo saldo shuut a ogni utilizzo. Vedi il prezzo esatto prima di ogni generazione.
Come funziona il text to video in shuut
Apri lo strumento video e scegli un modello dall'elenco.
Descrivi la scena nel prompt: chi c'è, dove si svolge, cosa si muove e come si comporta la camera.
Per far dire qualcosa a un personaggio, metti la battuta tra virgolette e scegli un modello che pronuncia le battute tra virgolette.
Sui modelli con l'interruttore dell'audio, attiva o disattiva l'audio prima di premere «Genera».
Per più di un'inquadratura, Director Studio trasforma la descrizione di una scena in uno storyboard e poi in un film.
Quali modelli fanno text to video e in cosa si differenziano
Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast e Omni 1.2 Flash pronunciano le battute che metti tra virgolette.
Kling 4.0 (sviluppato da Kuaishou), Grok Imagine Video 1.5, HappyHorse 1.1, Omni 1.2 Flash, MiniMax H3 Highspeed e H3 Lite aggiungono sempre l'audio alla clip.
Seedance, Veo 3.1 e Wan 3.0 ti lasciano scegliere se la clip ha l'audio. MiniMax H3 invece crea video senza audio.
Seedance 2.5, Kling 4.0 e Wan 3.0 possono creare una singola clip lunga, quindi sono adatti alle scene che richiedono più tempo.
Veo 3.1 è il modello video di Google. Veo 3.1 è il Veo di qualità più alta, a 1080p con dialoghi e suoni ambientali. Veo 3.1 Fast è più veloce ed economico e crea comunque dialoghi ed effetti sonori.
Seedance 2.5 è sviluppato da ByteDance e arriva fino a 1080p. Seedance 2.5 Flash è più veloce ed economico, a 480p e 720p.
Consigli per un prompt text to video
Scrivi le parole pronunciate esattamente come devono suonare, tra virgolette.
Seedance 2.5 pronuncia anche battute in coreano.
Se vuoi una clip senza audio, scegli MiniMax H3 oppure disattiva l'audio su Seedance, Veo 3.1 o Wan 3.0.
Controlla la colonna «Durata» nella tabella di questa pagina prima di scegliere un modello per una scena più lunga.
Seedance 2.5 e Veo 3.1 accettano anche una scena iniziale e una scena finale, se in seguito vuoi guidare la clip con delle immagini.
Se nel video compaiono persone reali, verifica se il luogo in cui lo pubblichi richiede un'etichetta di contenuto generato con AI.
Come creare una clip text to video in shuut
- Apri lo strumento video in shuut.
- Scegli un modello, ad esempio Seedance 2.5, Kling 4.0 o Veo 3.1.
- Descrivi la scena e metti eventuali battute tra virgolette.
- Attiva o disattiva l'audio, se il modello offre questa opzione.
- Premi «Genera» per ottenere la tua clip video.
Domande frequenti
- Quale modello text to video può pronunciare i miei dialoghi?
- Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast e Omni 1.2 Flash pronunciano le battute che metti tra virgolette. Seedance 2.5 parla anche coreano.
- Quanto può durare una clip text to video?
- Le durate delle clip di ogni modello sono indicate nella colonna «Durata» della tabella di questa pagina. Seedance 2.5, Kling 4.0 e Wan 3.0 creano le singole clip più lunghe.
- Veo 3.1 o Veo 3.1 Fast: quale è adatto alla mia clip?
- Veo 3.1 è il Veo di qualità più alta, a 1080p con dialoghi e suoni ambientali. Veo 3.1 Fast è più veloce ed economico e crea comunque dialoghi ed effetti sonori.
- Una clip text to video può uscire senza audio?
- Sì. MiniMax H3 crea video senza audio, e Seedance, Veo 3.1 e Wan 3.0 ti permettono di disattivare l'audio.
- Quanto costa il text to video in shuut?
- Ogni modello mostra il prezzo come preventivo prima che tu prema «Genera». Per Veo 3.1 il prezzo cambia con e senza audio.
Cosa puoi creare
- Da immagine a video AI: trasforma una foto in una clip animata
- Creare short con l'AI: clip verticali, sottotitoli e proporzioni in shuut
- Upscaler video AI: ingrandisci clip e foto in 4K
- Video lip sync AI con Kling Lip Sync
- Video con avatar AI parlante da una foto e una voce
- Video UGC con IA da una foto del presentatore, una del prodotto e un copione
Aggiornato il 17 novembre 2026
Prima di iniziare
Paghi per risultato, con un preventivo prima di premere «Genera»; gli abbonamenti sono facoltativi.
Scatto animato, Sottotitoli e Cambia proporzioni sono gratis dopo la registrazione.
La sezione 9 dei Termini riguarda l'uso commerciale; l'ambito varia in base al modello e all'accordo, e la verifica di diritti, regole pubblicitarie ed etichette IA spetta a te.
shuut non è affiliato ai creatori dei modelli.