Reference to Video AI: ogni modello, i suoi limiti e il suo prezzo

L'image-to-video parte da una singola immagine. Il reference-to-video è diverso: dai al modello diversi elementi da mantenere — un personaggio, un prodotto, un outfit, un luogo, a volte anche una voce — e lui costruisce una nuova scena intorno a loro. È la cosa più simile a un casting che l'AI video abbia mai avuto.

Reelina offre 26 modelli reference-to-video. Le differenze tra loro non riguardano tanto ciò che promettono, quanto ciò che accettano: quante immagini, se è consentito un video di riferimento, se include l'audio e quanto può durare il risultato. Questa guida li elenca a partire dal catalogo Reelina aggiornato a ottobre 2026, con il prezzo di una generazione in coin alla durata predefinita di ciascun modello.

Come funziona il reference-to-video

Carichi i riferimenti — di solito un'immagine per ogni soggetto — e scrivi un prompt che descrive cosa fanno. Il modello non viene addestrato sui tuoi riferimenti: li legge solo per quella singola generazione. Questo comporta due conseguenze:

• La coerenza nasce dal riutilizzo degli stessi riferimenti. Conserva un ritratto nitido di ogni personaggio e usalo per ogni scena.
• Un soggetto per immagine funziona meglio. Uno sfondo neutro e una luce uniforme evitano che il modello riporti quell'illuminazione nella scena.

I modelli, in base a cosa accettano

Modello	Coin	Riferimenti	Durata
PixVerse v6 Reference-to-Video	38	Riferimenti	1–15 s
PixVerse c1 Reference-to-Video	46	Riferimenti	1–15 s
Wan 3.0 Reference-to-Video	60	Riferimenti	2–30 s
Vidu Q3 Reference-to-Video	64	Riferimenti, audio opzionale	—
Seedance 2.0 Mini Reference-to-Video	68	Fino a 9 immagini, 3 video (15 s totali), audio di riferimento	4–15 s
Grok Imagine Video Reference-to-Video	76	1–7 immagini (persone, oggetti, stili)	—
Wan 3.0 Prime Reference-to-Video	92	Riferimenti	2–30 s
Vidu Q2 Reference-to-Video	96	1–7 soggetti, audio opzionale	—
Kling Video O3 Std Reference-to-Video	108	"Elementi" soggetto	3–15 s
Seedance 2.0 Fast Reference-to-Video	110	Fino a 9 immagini, 3 video, audio di riferimento	4–15 s
MiniMax H3 Fast Reference-to-Video	112	Riferimenti	5–15 s (8 s predefiniti)
Grok Imagine Video v1.5 Reference-to-Video	122	1–7 immagini	—
Vidu Q2-Pro Reference-to-Video	128	1–7 soggetti, audio opzionale	—
Seedance 2.0 Reference-to-Video	136	Fino a 9 immagini, 3 video, audio di riferimento	4–15 s
Kling Video O3 Pro Reference-to-Video	144	"Elementi" soggetto	3–15 s
Wan 2.7 Reference-to-Video	152	Fino a 3 video — uno per personaggio, che può portare con sé la propria voce	—
MiniMax H3 Reference-to-Video	152	Riferimenti	4–15 s (8 s predefiniti)
Seedance 2.5 Reference-to-Video	204	Fino a 30 immagini, 10 video, audio di riferimento	4–30 s
Veo 3.1 Reference-to-Video	484	Riferimenti, audio opzionale	8 s

Nel catalogo trovi anche: Vidu Q3-Mix (160), Gemini Omni Flash (204), HappyHorse 1.1 (106) e 1.0 (212), Vidu Reference-to-Video 2.0 (304), Vidu Q1 (516) e Vidu Reference-to-Video Q1 (606). "—" indica che la durata è fissata dal modello e non è selezionabile. I prezzi si riferiscono alla durata predefinita di ciascun modello; i clip più lunghi costano proporzionalmente di più, e il costo esatto viene mostrato prima di generare.

Quale scegliere

• Il modo più economico per provare l'idea: PixVerse v6 (38 coin) oppure Wan 3.0 (60 coin, fino a 30 secondi).
• Un cast di personaggi più un riferimento in movimento: Seedance 2.0 — fino a 9 immagini e 3 video di riferimento, con audio di riferimento. Fai la bozza con Mini (68), finisci con il modello completo (136).
• Scene lunghe e ricche di riferimenti: Seedance 2.5 — fino a 30 immagini e 10 video, clip fino a 30 secondi.
• Personaggi che devono mantenere la propria voce: Wan 2.7, dove ogni video di riferimento corrisponde a un personaggio e può portare la sua voce.
• Fino a sette soggetti distinti: Vidu Q2 / Q2-Pro oppure Grok Imagine Video.
• L'approccio di Kling: Kling Video O3, con gli "elementi" soggetto.

Immagini di riferimento anche per le immagini

Se quello che ti serve è un fermo immagine, Nano Banana 2 Reference-to-Image (24 coin) e la sua versione Lite (13 coin) costruiscono un'immagine a partire dai riferimenti, ed entrambi accettano anche un clip video come riferimento.

Come farlo su Reelina

1. Apri lo Video Studio e scegli un modello reference-to-video — per esempio Seedance 2.0 Reference-to-Video oppure Seedance 2.5 Reference-to-Video.
2. Carica i tuoi riferimenti e descrivi la scena: chi fa cosa, dove e come si muove la telecamera.
3. Controlla il prezzo mostrato sul pulsante e genera. Conserva i riferimenti: è il loro riutilizzo che garantisce la coerenza della scena successiva.

Per un episodio intero piuttosto che una singola scena, il generatore di AI drama fa tutto questo per te: assegna a ogni personaggio un ritratto di riferimento e prosegue ogni scena a partire dall'ultimo fotogramma di quella precedente.

FAQ

Cos'è l'AI reference-to-video? Un modello video che accetta diversi input di riferimento — immagini e, in alcuni modelli, anche video e audio — e genera una nuova scena che mantiene quei soggetti, invece di animare una singola immagine di partenza.

Quante immagini di riferimento posso usare? Dipende dal modello: fino a 30 su Seedance 2.5, 9 su Seedance 2.0, 1–7 su Vidu Q2 e Grok Imagine Video. Wan 2.7, invece, accetta fino a 3 video di riferimento.

Qual è il modello reference-to-video più economico? Su Reelina, PixVerse v6 Reference-to-Video, a 38 coin per generazione.

Il modello impara il mio volto? No. I riferimenti vengono letti solo per quella singola generazione; non viene addestrato nulla. La coerenza nasce dal fornire gli stessi riferimenti a ogni scena.

Serve una API key? No. Ogni modello funziona nel browser utilizzando il saldo coin di Reelina. Non esiste un piano gratuito.