Migliore IA da immagine a video nel 2026: una foto, 5 modelli
Qual è la migliore IA da immagine a video? Cinque modelli, stessa foto e stesso prompt: confronta volti, movimenti, formato e costi.
Leggi in MarkdownNelle demo, trasformare una foto in un video sembra facile. Carichi una foto, descrivi un movimento e ottieni una clip. Ma quando cerchi la migliore IA da immagine a video per le tue foto, le domande sono più precise: il volto rimane lo stesso? Il movimento richiesto viene eseguito? Il modello cambia il formato senza dirtelo?
Il 4 novembre 2026 abbiamo dato la stessa foto a cinque modelli IA da immagine a video e chiesto a ciascuno gli stessi tre movimenti. Le cinque clip ci sono costate in tutto $0.8105. Qui sotto trovi il video di ogni modello, affiancato da una tabella con i risultati.
TokLab è un nostro prodotto, offre tutti e cinque i modelli e abbiamo generato le clip tramite la sua API. Seedance 2.5, primo nella classifica pubblica da immagine a video, non è nel test: spieghiamo il motivo verso la fine.
Qual è la migliore IA da immagine a video? La risposta in breve
Fra questi cinque modelli, Seedance 2.0 Mini ha seguito il prompt in modo più completo. È stato l’unico ad abbassare l’ombrello. MiniMax H3 Standard si è avvicinato di più al risultato, a circa il 40% del prezzo: $0.0769 a clip, mantenendo esattamente le proporzioni della foto. Se la tua foto è già in 16:9, Veo 3.1 Fast ti dà 8 secondi per $0.168. Se lo scegli per altri formati, aggiunge bande nere.
Nella classifica di Artificial Analysis, dove gli spettatori votano fra clip senza sapere quale modello le ha generate, il primo modello da immagine a video è Seedance 2.5.
La foto di partenza e il prompt del test
Il fotogramma iniziale è una foto in 3:2 di una giovane donna che ride sotto un ombrello trasparente, in una strada di notte, sotto la pioggia. L’abbiamo creata nel nostro test dei generatori di immagini IA. Ogni modello l’ha ricevuta come primo fotogramma, con questo prompt:
"She lowers the clear umbrella slightly, keeps laughing and turns to look down the street as the rain keeps falling; a car passes behind her and its headlights sweep across the wet pavement; slow push-in"
Sono tre cose che puoi verificare guardando il video: un oggetto si muove (l’ombrello si abbassa), lei si muove (si gira verso la strada) e succede qualcosa alle sue spalle (passa un’auto). Abbiamo eseguito una sola generazione per modello, alla risoluzione più bassa che permettesse di distinguere bene il volto.
Modelli IA da immagine a video a confronto
| Modello | Ideale per | Clip ottenuta | Costo addebitato | Elo da immagine a video |
|---|---|---|---|---|
| Seedance 2.0 Mini | seguire tutto il prompt | 752×560, 5 s | $0.185558 | 1135 (2.0) |
| MiniMax H3 Standard | animare foto in serie | 1152×768, 5 s | $0.076926 | 1130 (H3, 768p) |
| Grok Imagine Video 1.5 | mantenere il volto verso la camera | 672×448, 6 s | $0.24 | 1049 |
| PixVerse v6 | bozze rapide senza audio | 1024×688, 5 s | $0.14 | 958 |
| Veo 3.1 Fast | foto già in 16:9 | 1280×720, 8 s | $0.168 | 936 |
Fonte: classifica da immagine a video di Artificial Analysis Video Arena, 4 novembre 2026, affiancata agli importi che TokLab ci ha addebitato quel giorno per ciascuna clip. Una versione tra parentesi indica che la classifica valuta una variante diversa da quella usata nella nostra clip.
Seedance 2.0 Mini: la migliore IA da immagine a video per seguire il prompt
| Verifica | Risultato |
|---|---|
| Volto mantenuto | sì; le lentiggini si attenuano un po’ entro il terzo secondo |
| Ombrello abbassato | sì, è l’unico modello ad averlo fatto |
| Rotazione verso la strada | completa, finché il volto esce dall’inquadratura |
| Passaggio dell’auto | sì |
| Formato dell’inquadratura | 752×560, un po’ più quadrato della foto |
| Audio | sì |
| Tempo di generazione e costo | circa 2 minuti, $0.185558 |
Seedance 2.0 Mini ha eseguito la maggior parte delle istruzioni. Verso metà clip l’ombrello scende lungo il fianco e lei continua a girarsi finché vediamo la nuca e le luci di un’auto sulla destra dell’inquadratura.
È un’interpretazione letterale di «si gira per guardare lungo la strada», ed è anche il limite del risultato. Nell’ultimo secondo il volto non si vede più. Se stai animando un ritratto per un video del profilo o una pubblicità, probabilmente vuoi che lei dia un’occhiata alla strada e poi torni a guardare la camera: specificalo nel prompt.
Il volto ha retto bene. Le uniche differenze che abbiamo notato entro il terzo secondo sono le lentiggini più sbiadite e i capelli appena più corti. La clip è anche leggermente più quadrata della foto in 3:2: se la affianchi all’originale, aspettati un piccolo ritaglio.
MiniMax H3 Standard: la migliore IA da immagine a video per animare foto in serie
| Verifica | Risultato |
|---|---|
| Volto mantenuto | sì |
| Ombrello abbassato | no, rimane sopra la testa |
| Rotazione verso la strada | completa |
| Passaggio dell’auto | sì, un’auto argentata sulla sinistra |
| Formato dell’inquadratura | 1152×768, esattamente 3:2 |
| Audio | sì |
| Tempo di generazione e costo | circa 1,5 minuti, $0.076926 |
MiniMax H3 Standard ha restituito una clip in 768p e mantenuto le proporzioni 3:2 della foto al pixel, senza ritagli né aggiunte. Lei ride e si gira fino a guardare lungo la strada, finché il volto esce dall’inquadratura. Un’auto argentata le passa alle spalle, con le luci sulla strada bagnata.
Ha ignorato l’ombrello, che rimane esattamente nella posizione della foto per tutta la clip.
A $0.076926 per clip, costa circa il 40% di Seedance 2.0 Mini: è il primo da provare per un lavoro in serie. Se devi animare un centinaio di foto, mantenere l’inquadratura originale conta più di una singola istruzione non eseguita. Nella classifica, la voce MiniMax H3, con 1130 punti, si riferisce alla versione 768p, subito dietro Seedance 2.0.
Grok Imagine Video 1.5: il migliore per mantenere il volto verso la camera
| Verifica | Risultato |
|---|---|
| Volto mantenuto | sì |
| Ombrello abbassato | no |
| Rotazione verso la strada | parziale, il volto resta visibile in camera |
| Passaggio dell’auto | sì |
| Formato dell’inquadratura | 672×448, esattamente 3:2 |
| Audio | sì |
| Tempo di generazione e costo | 57 secondi, $0.24 |
Grok Imagine ha fatto l’opposto di Seedance e MiniMax. La camera si avvicina in modo evidente, lei gira la testa verso la strada ma mantiene il volto rivolto verso di noi e un’auto scorre sullo sfondo. Per un ritratto, è forse il risultato più utile.
Ha mantenuto anche il formato 3:2 della foto ed è stato il più veloce dei cinque, terminando in 57 secondi. Il compromesso riguarda risoluzione e prezzo: 672×448 per $0.24, la clip più costosa del test, anche perché la durata minima di Grok è di 6 secondi.
PixVerse v6: il migliore per bozze rapide senza audio
| Verifica | Risultato |
|---|---|
| Volto mantenuto | sì |
| Ombrello abbassato | no |
| Rotazione verso la strada | si gira, poi torna a guardare la camera |
| Passaggio dell’auto | sì |
| Formato dell’inquadratura | 1024×688, a pochi pixel dal 3:2 |
| Audio | no, è un’opzione a pagamento che non abbiamo attivato |
| Tempo di generazione e costo | circa 64 secondi, $0.14 |
PixVerse v6 ha sfruttato meglio la rotazione come gesto: lei guarda dietro di sé mentre passa un’auto, poi torna verso la camera e ride. Sembra un momento naturale, anche se il prompt non chiedeva di tornare a guardare la camera.
La clip è senza audio perché PixVerse lo fa pagare a parte e non l’abbiamo attivato. Le proporzioni si discostano da quelle della foto di pochi pixel, quindi non si nota alcun ritaglio.
Veo 3.1 Fast: il migliore per foto già in 16:9
| Verifica | Risultato |
|---|---|
| Volto mantenuto | sì |
| Ombrello abbassato | no |
| Rotazione verso la strada | parziale |
| Passaggio dell’auto | sì, un’auto scura |
| Formato dell’inquadratura | 1280×720, con bande nere su entrambi i lati |
| Audio | sì |
| Tempo di generazione e costo | circa 2 minuti, $0.168 |
Veo 3.1 Fast ha restituito la clip più lunga, 8 secondi in 720p, con movimenti fluidi: lei gira parzialmente la testa, passa un’auto scura, la pioggia cade sull’ombrello. La clip è buona, ma racchiusa fra bande nere.
Veo ha collocato la nostra foto in 3:2 al centro di un fotogramma in 16:9, riempiendo i lati di nero. Puoi ritagliare le bande, ma ti rimane una clip più piccola di quella per cui hai pagato. Se le tue foto sono già in 16:9, il problema non si pone e 8 secondi per $0.168 sono convenienti. Tutte le versioni di Veo 3.1 generano clip da 8 secondi.
Stai confrontando le app o i modelli che usano?
La maggior parte delle app da immagine a video usa uno di questi modelli. Dreamina di ByteDance usa Seedance, Hailuo è l’app di MiniMax, Flow di Google usa Veo e Grok Imagine è integrato in Grok. Quando due app producono clip molto simili dalla stessa foto, spesso usano lo stesso modello.
Ecco perché questo test confronta i modelli anziché le app. L’app determina l’interfaccia, i crediti gratuiti e la filigrana. Il modello determina se l’ombrello si abbassa.
I limiti dell’IA da immagine a video
Volti nelle foto di gruppo. La recensione di Nemovideo degli strumenti da immagine a video definisce la stabilità dei volti «ancora un problema concreto» e indica le foto di gruppo come il caso più difficile. Con un solo volto, tutti e cinque i modelli del test hanno mantenuto la persona riconoscibile. Prova separatamente una foto di gruppo prima di affidarla a un modello.
Istruzioni sugli oggetti. Tutti e cinque i modelli le hanno fatto girare la testa e aggiunto l’auto. Quattro hanno lasciato l’ombrello esattamente dov’era. I movimenti della persona sembrano essere eseguiti con più affidabilità rispetto a quelli di un oggetto che tiene in mano.
Le proporzioni della foto. Tre modelli hanno mantenuto il formato 3:2, esattamente o con uno scarto di pochi pixel; uno l’ha reso leggermente più quadrato e uno ha aggiunto bande nere. Se stai per elaborare un centinaio di foto che non sono in 16:9, provane prima una e controlla i bordi.
App da immagine a video presenti in altre classifiche
Runway, Pika e Luma compaiono nella maggior parte degli elenchi di strumenti da immagine a video. Non le abbiamo incluse in questo test: questi dettagli provengono dalle loro pagine dei prezzi al 4 novembre 2026.
| App | Opzione gratuita | Piani a pagamento da |
|---|---|---|
| Runway | 125 crediti una tantum | $15 al mese, $12 con fatturazione annuale |
| Pika | pacchetti di crediti gratuiti, senza licenza commerciale | $10 al mese (Starter, 900 crediti) |
| Luma | nessuna indicata | $30 al mese (Plus, 10,000 crediti) |
Se provi una di queste app con la foto che devi animare, fai le stesse tre verifiche descritte sopra: il volto è rimasto lo stesso? Il movimento richiesto è stato eseguito? L’inquadratura ha mantenuto le sue proporzioni?
Il modello che non abbiamo provato
Seedance 2.5 guida la classifica da immagine a video di Artificial Analysis con 1159 punti, seguito da Seedance 2.0 con 1135. Una clip di 4 secondi di Seedance 2.5 in 480p costa circa $0.41 su TokLab, più di qualsiasi clip di questo test e circa la metà del costo complessivo delle cinque clip. Per questo giro abbiamo quindi usato Seedance 2.0 Mini. Mancano anche Kling 3.0 e Wan 3.0. Se hai il budget per una generazione di fascia alta della tua ripresa finale, la classifica indica Seedance 2.5.
Domande frequenti
Quale IA da immagine a video ti permette di mantenere lo stesso volto?
Tutti e cinque i modelli del test hanno mantenuto riconoscibile un singolo volto. Seedance 2.0 Mini ha attenuato leggermente le lentiggini. Con le foto di gruppo le alterazioni dei volti peggiorano: provale separatamente.
Quanto può durare il video che crei da un’immagine con l’IA?
Le clip del test durano da 5 a 8 secondi. La maggior parte di questi modelli arriva a 15 secondi per generazione, Seedance 2.5 fino a 30.
Puoi trasformare un’immagine in video con l’IA gratis?
Sì, con dei limiti. Dreamina pubblicizza la generazione gratuita di video da immagini con Seedance. La maggior parte degli altri piani gratuiti limita la durata, la risoluzione o il numero di clip giornaliere. Trovi le tariffe attuali di TokLab per i modelli del test nella pagina dei prezzi.
