Prompt di luce per Gemini Omni 1.1 Flash: nomini la sorgente, non il numero

Abbiamo scritto una sola istruzione di illuminazione in un prompt di Gemini Omni 1.1 Flash e poi abbiamo misurato quello che è tornato, invece di guardarlo strizzando gli occhi. Metà dell'istruzione è arrivata intatta. L'altra metà — quella che quasi tutti danno per la parte facile — no.

Il prompt nominava una finestra esposta a ovest come luce principale, una lampada da tavolo al tungsteno come seconda sorgente più calda uno stop sotto, polvere che ruota nel fascio, e una pellicola le cui alte luci degradano dolcemente. Otto secondi a 720p, $0.72, 270 secondi di render.

Entrambi i corpi illuminanti sono arrivati. La lampada si legge più calda della luce diurna in ogni fotogramma in cui sono visibili entrambe — un rapporto rosso/blu di 3.02 contro 1.49 a due secondi e mezzo — e la polvere ruota nel fascio in tutti e quattro i fotogrammi campionati. Quello che non è arrivato è la quantità attaccata a esse. Avevamo chiesto la lampada uno stop sotto la finestra; lo scarto che misuriamo oscilla, mentre la clip scorre, da 1.47 stop sotto di essa a mezzo stop sopra. È la tesi di questo articolo: Omni prende in consegna le sorgenti di luce che si possono indicare, e lascia cadere in silenzio i numeri attaccati a esse.

La documentazione di Google si contraddice, in modo utile

Il riferimento sui prompt di Veo, che porta il vocabolario condiviso con Omni, definisce l'ambiance come "il modo in cui colore e luce contribuiscono alla scena, per esempio toni blu, notte o toni caldi." Se leggesse solo quella tabella di elementi, concluderebbe che "warm tones" è l'aspetto tipico di un'istruzione di illuminazione.

Ora legga i prompt di esempio. L'esempio a scena singola sulla pagina Omni finisce con "Sunbeams illuminate dust motes in the air." — una sorgente, una direzione e un mezzo visibile in otto parole. La guida al prompting di Veo 3.1 di Google va oltre: una scena d'ufficio è "lit by the harsh fluorescent overhead lights and the green glow of the monochrome monitor" con una "Retro aesthetic, shot as if on 1980s color film, slightly grainy."

Due corpi illuminanti con colore e qualità dichiarati, più un'epoca. Nessun key, nessun fill, nessun rapporto, nessun kelvin: descrive una stanza in cui si potrebbe entrare. Quello scarto tra tabelle ed esempi è la cosa più azionabile nella documentazione: scriva come gli esempi.

Le sorgenti fisiche battono il gergo di illuminazione

L'istinto di chiunque venga dal set sono i termini di reparto — key da camera sinistra, fill due stop sotto, controluce da dietro. Ecco quell'istinto messo per iscritto, accanto alla riscrittura che abbiamo davvero renderizzato. Solo la seconda è stata generata; la prima mostra la forma, non un risultato misurato.

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

Lì dentro nulla dice al modello dove si trovi qualcosa. Non sta simulando corpi illuminanti: predice l'aspetto di un fotogramma descritto così, e "key, fill, rim" calza su quasi ogni fotogramma mai girato professionalmente, quindi la formula non dice nulla su questo.

La versione che abbiamo lanciato, otto secondi a 720p:

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

Ogni clausola di luce lì dentro nomina qualcosa presente nella stanza: una finestra con un punto cardinale, la forma che la sua luce disegna sul pavimento, particelle nel fascio, una lampada con un tipo di lampadina. Il modello ha visto milioni di fotogrammi di sole basso attraverso una finestra e pochissimi con didascalia "rim light at 45 degrees."

Cosa hanno mostrato le misure

Abbiamo estratto quattro fotogrammi — 0.5, 2.5, 5.0 e 7.5 secondi, che a 24 fps sono i fotogrammi 12, 60, 120 e 180 — e campionato in ciascuno un rettangolo per superficie. Il calore è il rapporto rosso/blu del colore medio di una regione, sui valori a 8 bit così come vengono consegnati. Le differenze in stop sono il logaritmo in base 2 del rapporto di luminanza Rec.709 calcolato su sRGB linearizzato, disfatta prima la funzione di trasferimento. La saturazione è la quota di pixel di una regione attaccati al vertice di un canale.

Poiché la camera arcua, una regione deve inseguire una superficie nominata anziché una posizione fissa sullo schermo, quindi i rettangoli meritano di essere pubblicati: come (x0, y0)–(x1, y1) nel fotogramma da 1280 per 720, sono questi:

I fotogrammi escono con ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png. Ogni numero qui sotto è stampato da un unico script, eseguito sullo stesso file linkato sopra.

L'ordine dei calori ha retto. Ovunque siano entrambe in inquadratura, la lampada al tungsteno si legge più calda della luce diurna: 3.02 contro 1.49, poi 2.55 contro 1.72, poi 2.30 contro 1.94. Abbiamo chiesto "noticeably warmer" e l'abbiamo ottenuto ogni volta. Il margine si stringe mentre la clip scorre, ma non si chiude mai.

Caldo e freddo sono davvero finiti in uno stesso fotogramma, che era il senso dell'istruzione. A 7.5 secondi un singolo fotogramma porta tre separazioni: parete di fondo 1.52, pavimento illuminato 1.94, lampada 2.30. Due corpi illuminanti nominati hanno prodotto lo scarto da soli.

La messa in scena, però, non gliela possiamo accreditare. Il prompt chiedeva che il lato freddo entrasse mentre la camera arcuava, e la parete effettivamente finisce più fredda di come è iniziata: 2.15 a due secondi e mezzo contro 1.52 a sette e mezzo. Ma non ci arriva in modo pulito, segnando 1.96 nel mezzo, e non è la stessa parete: l'arco sposta l'inquadratura, quindi i campioni iniziali stanno dentro il getto della lampada e quelli tardivi ne stanno fuori. La distanza da un corpo caldo spiega quell'oscillazione quanto l'obbedienza, e quattro fotogrammi non bastano a distinguerle.

L'ampiezza ha fallito, e ha derivato. Avevamo chiesto la lampada "a full stop under the window". Misurando il pavimento illuminato dalla luce diurna contro la zona d'ombra della lampada stessa, lo scarto passa per 1.47 stop a due secondi e mezzo, 0.64 a cinque e −0.47 a sette e mezzo: alla fine la lampada si legge più luminosa della luce solare sotto cui le era stato detto di stare. Mai l'unico stop richiesto, e nemmeno una risposta sbagliata stabile.

La finestra, ci aspettavamo che bruciasse. Non lo fa. Nel fotogramma d'apertura il vetro sembra clippato e non lo è: il rosso raggiunge 255 sullo 0.81 per cento dei suoi pixel, il verde sullo 0.03, e il blu non ci arriva mai — su tutto il fotogramma il blu culmina a 249. I valori si accalcano invece nei pochi codici più alti, il rosso del vetro segna 249 alla mediana e 254 al 99° percentile, e il vetro conserva una lieve dominante calda, con un rosso/blu di 1.11, invece di andare al bianco. Una spalla morbida è esattamente questo. Quello che non possiamo dire è di averla causata noi: una scena che non raggiunge mai il soffitto, da fuori, ha lo stesso aspetto, e non abbiamo una versione di questa inquadratura resa senza la clausola sulla pellicola con cui confrontarla.

Ordini tutto questo per tipo di istruzione e lo schema è difficile da non vedere: le cose fisiche e nominabili sono arrivate, l'ampiezza numerica no, e il linguaggio di color grading non possiamo valutarlo in nessuna direzione senza un render di controllo.

Le pratiche tengono insieme un'inquadratura in movimento

Il trucco più utile che abbiamo trovato è mettere un corpo illuminante visibile in inquadratura. Una pratica — lampada, monitor, candela, insegna al neon — dà al modello qualcosa di fisso su cui essere coerente, e la coerenza è la prima cosa che degrada. La camera arcua a sinistra come richiesto; la lampada è fuori inquadratura a mezzo secondo, al bordo destro a due secondi e mezzo, e pienamente visibile nella seconda metà. In entrambi i fotogrammi in cui sta lontana dal bordo tiene il suo angolo, la sua posizione contro il battiscopa e la pozza che getta sulla parete. Essere in inquadratura la mantiene stabile.

Una luce descritta solo come qualità — "moody", "dramatic", "low-key" — non dà al modello niente da mantenere vero, quindi deriva, e più rapidamente quando la camera si muove. Se la Sua inquadratura ha qualsiasi movimento, ci metta dentro una luce.

L'ora del giorno batte qualsiasi aggettivo

"Golden hour" lavora più di "cinematic", "moody" e "dramatic" messi insieme, perché fissa tre variabili in un colpo solo: l'altezza del sole, il suo colore, e la lunghezza e morbidezza di ogni ombra. Nessuno dice al modello che le ombre sono lunghe: seguono da sole. Il resto della giornata merita di essere scelto con la stessa cura:

• Ora blu — nessuna ombra dura, una dominante fredda, e le pratiche dominano perché superano il cielo. Il modo più economico per rendere importanti i corpi illuminanti d'interno.
• Mezzogiorno a picco — ombre corte e dure dritte verso il basso, contrasto alto, poco lusinghiero e utile proprio per questo.
• Notte — nessuna key se non gliela fornisce Lei. Nomini i corpi illuminanti, perché "night" da solo lascia il modello inventare una sorgente di luce lunare che non manterrà.

Specifichi anche la direzione in modo fisico: "backlit by a streetlamp behind her" dà un contorno e un'ombra lunga verso la camera, mentre "backlight" da solo dà quello che passa per la testa al modello.

Pellicole e linguaggio da LUT: una parte regge

La risposta onesta qui è: in parte. Il linguaggio su epoche e pellicole è pratica documentata, non folklore — Google scrive "shot as if on 1980s color film, slightly grainy" in un proprio esempio, ed elenca parole chiave di stile filmico come film noir tra gli elementi di stile, come tratta la nostra guida al prompting precedente.

Quello che la nostra clip sostiene è più ristretto. Avevamo chiesto "Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window." Qualcosa di simile a un bloom è comparso — un bagliore attorno alla finestra, un artefatto di flare in basso nel fotogramma d'apertura — anche se chiamarlo alone è una nostra lettura e non una misura. Il degradare chiesto nello stesso respiro c'è, nei numeri: le alte luci si comprimono verso il soffitto senza attraversarlo. Ma un singolo render non può dirci se il lavoro l'abbia fatto il nome della pellicola, la descrizione semplice o nessuno dei due: una finestra non clippata è anche, semplicemente, l'aspetto che ha questa scena. La versione controllata di quel test non l'abbiamo eseguita.

La nostra regola pratica di lavoro:

• Le proprietà visibili reggono. Grana, alone, bloom, neri chiusi o alzati, contrasto basso e alto, monocromatico, vignettatura marcata — ciascuna nomina qualcosa che potrebbe indicare in un fermo immagine.
• Le relazioni di colore reggono quasi sempre. "Teal shadows and orange skin" descrive due cose misurabili; "teal and orange" da solo è una moda di grading e viene trattato come tale.
• I look nominati senza essere descritti sono inaffidabili. "Cinematic", "film look" e "professional color grading" non restringono nulla. "Bleach bypass" sta nel mezzo: nomina un processo reale, e il prompt più sicuro è ciò che fa — contrasto molto alto, colore desaturato, argento trattenuto nei neri.
• "Low contrast log" lo eviteremmo. Il log è una curva di acquisizione pensata per essere gradata dopo, e dentro il modello non c'è alcuna fase di post. Ottiene un'immagine piatta e lattiginosa, senza modo di tornare indietro.

L'atmosfera è dettaglio gratis finché non diventa rumore

Le particelle in sospensione sono il realismo più economico del vocabolario di illuminazione, perché rendono visibile la luce stessa. Abbiamo chiesto "dust suspended and turning through the beam" e i pulviscoli ci sono in tutti e quattro i fotogrammi campionati — lo stesso effetto a cui ricorre Google con "Sunbeams illuminate dust motes in the air." Foschia, nebbia, fumo e vapore funzionano allo stesso modo, trasformando una sorgente in un volume con una forma e un decadimento.

Il modo di fallire è l'accumulo. Nebbia più raggi crepuscolari più flare più bokeh più polvere dà un fotogramma in cui l'atmosfera si è mangiata il soggetto, senza modo per il modello di sapere quale dei cinque contasse. Un elemento atmosferico per inquadratura, al servizio della sorgente che ha nominato. Chieda un flare solo se vuole che il pubblico noti la camera: arriva comunque non richiesto quando un'ottica punta verso un sole basso, come nel nostro caso.

Il limite onesto: non può attenuare nulla

Il linguaggio del prompt è quasi l'unica leva, e il riferimento Omni di Google è esplicito: "istruzioni di sistema, temperature, top_p, sequenze di stop e prompt negativi non sono supportati." Nessuna guidance scale, nessun valore di intensità agganciato a uno stile. Se una color correction torna dieci per cento troppo calda, non c'è un dieci per cento da togliere: riscrive la frase, e il resto del fotogramma cambia con lei.

Il secondo è la ripetibilità. Lo stesso prompt di luce non restituisce due volte la stessa luce; il determinismo viene solo dal seed. Lo annoti accanto a qualsiasi look che valga la pena tenere, e si aspetti che una parola cambiata La riporti in territorio sconosciuto.

Il terzo è la post. I prompt di editing esistono — Google offre "Change the lighting to be more dramatic" — ma questo rigenera l'inquadratura invece di correggerla in colore, e la scheda modello di Google avverte che "mantenere una coerenza completa lungo le modifiche" resta una sfida. Gradi il file consegnato nel Suo software di montaggio. Ogni fotogramma porta inoltre una filigrana SynthID che nessuno può spegnere.

Quanto costa iterare sulla luce

La luce è la parte di un prompt che si riscrive più spesso, perché non c'è nulla da ritoccare. Quello che conta è quindi il costo di sbagliare, e i fornitori divergono di più a 4K, dove Gemini Omni 1.1 Flash costa $0.18 al secondo su E2X contro $0.3041 chiamando Google direttamente — circa il quarantuno per cento in meno, il nostro divario più ampio su qualsiasi tier. Sopra di noi stanno WaveSpeed a $0.39 al secondo, Runware a $0.32 e fal a $0.30. Replicate resta fuori dal confronto: la sua scheda non associa al modello alcuna cifra al secondo. Una consegna di otto secondi a 4K costa $1.44 qui e $2.43 da Google; dieci secondi sono $1.80 contro $3.04.

Il divario è in realtà una differenza di moltiplicatori rispetto alla tariffa 720p di ciascuna scala. Entrambe partono un terzo sotto ed entrambe aggiungono metà a 1080p; la divergenza arriva all'ultimo gradino, dove il moltiplicatore di Google è tre e il nostro è due. Il confronto completo tra fornitori è trattato a parte.

Il flusso di lavoro segue. Esplori a 360p, dove una presa da quattro secondi costa dodici centesimi e può ancora giudicare posizione delle sorgenti, direzione delle ombre, separazione caldo-freddo e se la pratica sia rimasta al suo posto. Poi si impegni una volta sola: dieci passate a 360p più un master da otto secondi a 4K fanno $2.63, contro $8.64 per gli stessi undici lavori a 4K. Quello che il 360p non può mostrare è la texture fine — grana, bloom, degradare — quindi testi la metà "pellicola" di un prompt a 720p, come abbiamo fatto noi.

Prezzi verificati il 29 agosto 2026 e soggetti a variazione; verifichi i prezzi correnti di ciascun fornitore prima di prendere una decisione d'acquisto. Un confronto circoscritto, non la pretesa di essere i più economici in ogni configurazione.

Domande frequenti

Come si descrive l'illuminazione in un prompt di Gemini Omni 1.1 Flash?

Nomini sorgenti fisiche invece di ruoli di illuminazione. "Low sun through a west-facing window" batte "key light from camera left with soft fill". Gli esempi di Google fanno lo stesso: una scena è illuminata da "harsh fluorescent overhead lights and the green glow of the monochrome monitor", cioè due corpi illuminanti con un colore e una qualità, senza termini di reparto.

Nominare una pellicola come Kodak Portra cambia l'output?

In parte, e non possiamo dire quanto venga dal nome in sé. Abbiamo abbinato "Kodak Vision3 250D character" a descrizioni esplicite di alone e degradare delle alte luci; qualcosa di simile a un bloom è comparso, e le alte luci si sono davvero tenute sotto il soffitto invece di clippare. Nessuno dei due risultati può essere accreditato al nome della pellicola senza un render che lo ometta, e non l'abbiamo fatto. Il linguaggio su pellicole ed epoche è pratica documentata — la guida Veo 3.1 di Google scrive "shot as if on 1980s color film, slightly grainy" in un esempio — ma nomini la pellicola e le proprietà che vuole.

Si può impostare la temperatura colore in kelvin per Gemini Omni?

Non come parametro, e i valori in kelvin nel testo del prompt sono inaffidabili. Nominare la lampadina o la condizione di luce diurna funziona: tungsteno, vapori di sodio, fluorescente, luce di candela, sole basso. Nelle nostre misure una lampada al tungsteno si è letta più calda della luce solare da una finestra in ogni fotogramma che le conteneva entrambe, quindi il colore relativo tra corpi illuminanti nominati è un controllo reale anche se il valore assoluto non lo è.

Perché il lato in ombra della mia inquadratura viene caldo se ho chiesto freddo?

Di solito perché qualcosa di caldo lo sta davvero colpendo. Nella nostra clip le letture della parete andavano da 2.15 a 1.52 in rosso/blu, ma la camera stava arcuando, quindi sono superfici diverse e non una parete che si raffredda — e quelle calde appartenevano a una parete dentro il getto di una lampada al tungsteno. La lezione vale comunque: una superficie si legge come ciò che la raggiunge. Dia alla metà fredda una sorgente propria, per esempio una finestra su un cielo serale blu o un monitor, invece di descriverla come assenza di calore.

Le luci pratiche restano coerenti quando la camera si muove?

Nella nostra clip sì. Una lampada da tavolo è entrata in inquadratura a metà di un movimento arcuato e ha tenuto il suo angolo, la sua posizione contro il battiscopa e la pozza che gettava sulla parete in entrambi i fotogrammi in cui stava lontana dal bordo. Un corpo illuminante visibile dà al modello qualcosa di concreto da mantenere vero; un'atmosfera non ha ancoraggio e deriva più in fretta quando la camera si muove.

Lo stesso prompt di luce mi darà due volte la stessa luce?

No. La ripetibilità viene solo dal seed, dato che i parametri di campionamento non sono esposti. Annoti il seed accanto a ogni prompt che abbia prodotto un look da tenere, e si aspetti che una parola cambiata sposti il risultato anche a seed fermo.

Quanto costa iterare sull'illuminazione a 4K?

Una clip da otto secondi a 4K costa $1.44 su E2X contro $2.43 in diretta da Google, e dieci secondi $1.80 contro $3.04, al 29 agosto 2026. Esplori a 360p — dodici centesimi per presa da quattro secondi — poi si impegni una volta in cima: dieci passate a 360p più un master 4K fanno $2.63, contro $8.64 per gli stessi undici lavori a 4K.

Dove provarlo

La clip qui sopra è passata da text-to-video a $0.09 al secondo a 720p, e image-to-video e start-end-frame-to-video costano lo stesso, se preferisce consegnare al modello un fermo immagine già illuminato. È alle prime armi? Cominci dalla sintassi a tag e dal comportamento sul numero di inquadrature — un prompt di luce è sprecato su una clip che il modello ha silenziosamente tagliato in tre inquadrature. E se la Sua luce deve reggere oltre i dieci secondi, le estensioni sono un problema a sé.