ChatGPT può creare video? Cosa sa fare e cosa no

ChatGPT può creare video? Non da solo. ChatGPT scrive e pianifica, non fa il render dei video. Sora di OpenAI generava brevi clip da un prompt, ma nel frattempo OpenAI l'ha chiuso. E anche quando funzionava, una clip di Sora non era un video finito con narrazione, sottotitoli e musica. Per arrivarci bisogna collegare ChatGPT a uno strumento pensato per montare un video, oppure saltare il collegamento e usare direttamente quello strumento.

Questa domanda nasce perché due cose diverse continuano a finire schiacciate nello stesso titolo. "Ora ChatGPT fa i video" quasi sempre significa Sora, e Sora di solito significa qualcosa di più limitato di quanto lasci intendere il titolo. Qui sotto trovi cosa fa davvero ogni pezzo, dove si ferma e come si passa da un prompt di testo a un video che valga la pena pubblicare.

Una cosa va detta subito: tutto si è mosso così in fretta che molto di ciò che la gente crede di sapere è vecchio di un anno. Sora è uscito prima come app autonoma, poi è arrivato dentro ChatGPT per alcuni account, e da allora sia la durata delle clip sia chi poteva accedervi sono cambiati più di una volta. Considera tutto ciò che leggi qui sui limiti di Sora come un quadro generale, non una scheda tecnica, e controlla il tuo account prima di pianificare qualcosa.

In cosa ChatGPT è davvero utile per i video

ChatGPT si guadagna il suo posto prima che esista un solo fotogramma. Da solo regge una vera stanza degli sceneggiatori: scrive una bozza di script con una voce precisa, ravviva una frase d'apertura piatta, taglia un discorso di 90 secondi fino a 30, sforna dieci ganci così hai qualcosa da scartare. Niente di tutto questo tocca Sora o un modello video. È linguaggio, punto.

• Script e ganci, narrazione completa, frasi d'apertura, versioni alternative della stessa idea
• Liste di inquadrature e storyboard, cioè una descrizione testuale, momento per momento, di cosa deve comparire sullo schermo
• Titoli, descrizioni e tag per la piattaforma a cui è destinato il video
• Timestamp e capitoli, una volta che gli dici più o meno quanto dura ogni sezione
• Scalette per video più lunghi, cioè i passaggi di cui ha bisogno un video di 10 minuti prima che qualcuno tocchi una videocamera o uno strumento video

È la parte che quasi tutti lasciano sul tavolo. Uno script davvero strutturato, con gancio, tre punti e chiusura, batte quasi sempre un video bellissimo costruito su uno script vago, perché lo script è il piano che il resto del processo segue. Un generatore di hook dedicato ti dà una prima versione più rapida della frase d'apertura, e il nostro generatore di script per YouTube Shorts fa qualcosa di simile per l'intero script.

Un rapido prima e dopo

Chiedi "uno script sulla produttività" e ricevi cinque paragrafi che vanno bene per chiunque. Chiedi invece "uno script di 30 secondi per freelance che perdono sempre il conto delle fatture, che si apre nel momento esatto in cui il pagamento di un cliente non arriva", e il risultato cambia forma: una scena vera, un pubblico preciso, un gancio che non è una frase introduttiva riscritta. Non è cambiato il modello. Sono cambiati i dieci secondi passati a decidere per chi è il video.

Ci sono tre cose che ChatGPT comunque non decide: quanto dura il video, se è verticale o orizzontale e chi lo legge. Dipendono da dove va il video e da chi lo guarda. Decidile prima, poi chiedi lo script.

Se stai valutando le opzioni solo dal lato della scrittura, prima ancora che entri in gioco uno strumento video, la nostra analisi dei migliori generatori di script per video IA può essere la tappa successiva.

ChatGPT da solo, ChatGPT + Sora o uno strumento collegato

Metti le tre configurazioni una accanto all'altra e la differenza è evidente. "ChatGPT da solo" è solo la finestra di chat. "ChatGPT più Sora" aggiunge il modello video di OpenAI, usato dentro ChatGPT o tramite l'app di Sora. "ChatGPT più uno strumento video collegato" significa passare il lavoro a qualcosa costruito per il montaggio, tramite un'app, un'estensione o un connettore.

Questa tabella viene scorsa di fretta e discussa nei commenti più di quanto venga letta riga per riga, ed è un peccato. I due "No" alla voce sul montaggio di un video esistente contano più di quanto sembri. Sono il motivo per cui un prompt come "monta il mio video" fallisce comunque lo scrivi, in entrambe le prime due configurazioni.

Lo schema vale per ogni riga: ChatGPT scrive bene in qualsiasi colonna. Sora aggiunge una sola capacità reale, le brevi clip generate, e lì si ferma. La terza colonna è l'unica che porta a termine un video dall'inizio alla fine, perché è l'unica costruita per assemblare un file invece di limitarsi a generarlo o a scriverne il testo. Se stai confrontando le opzioni, può esserti utile la nostra rassegna dei generatori di video IA gratis.

Uno "strumento video collegato" non è nemmeno una cosa sola. A volte è un'app aperta da dentro ChatGPT, a volte un'estensione del browser, a volte un connettore che permette a ChatGPT di chiamare l'API dello strumento nel mezzo della conversazione. Il meccanismo cambia, il risultato no: ChatGPT smette di essere l'intero processo e ne diventa l'interfaccia.

Cosa fa Sora e dove si ferma

Sora è il modello di generazione video di OpenAI. Gli dai un prompt di testo, a volte un'immagine di riferimento, e produce una breve clip generata da zero, non montata a partire da un girato che gli consegni. Nel 2026 vive in un'app propria e, per alcuni piani e paesi di ChatGPT, direttamente dentro ChatGPT. È un vero lavoro da testo a video, non il montaggio di qualcosa che esiste già, ed è proprio questa distinzione a deludere la maggior parte di chi lo prova. La disponibilità è cambiata più di una volta dal lancio, quindi controlla prima il tuo account.

• Le clip sono brevi, da pochi secondi fino a circa 20 secondi per generazione, niente di simile a un video narrato continuo di 60 secondi
• Genera da un prompt, non prende un tuo file video per montarlo
• La cosa più simile al montaggio è un remix: ritocchi il prompt e rigeneri, non è un taglio preciso al fotogramma
• L'accesso dipende da piano e paese, quindi un flusso di lavoro che funziona su un account può non funzionare sul successivo
• Nessuna traccia vocale legata al tuo script e nessun livello di sottotitoli integrato: la clip è solo visiva

Niente di questo fa di Sora un giocattolo. Clip brevi e d'impatto generate da zero sono davvero utili per il b-roll, un'inquadratura concettuale, un singolo fotogramma spettacolare che altrimenti non potresti permetterti. È lo strumento sbagliato per "prendi il mio podcast e trasformalo in un video", e quasi tutte le delusioni nascono da quell'aspettativa.

Sora ha anche aggiunto funzioni social sopra il modello di generazione: persone che compaiono nelle clip degli altri con il loro consenso, un feed per condividere le generazioni dentro l'app. È una scelta di prodotto che si appoggia su ciò che il modello genera. Il limite di fondo resta lo stesso: clip brevi, generate da un prompt, con regole sui contenuti che rifiutano alcune richieste in partenza, e nessun modo di dargli il tuo girato e ricevere indietro un montaggio.

Anche accesso e verifiche sono cambiati nel tempo. Alcune funzioni hanno richiesto controlli d'identità o d'età. Alcune sono partite in pochi paesi e si sono estese dopo. I piani di ChatGPT che includono Sora sono cambiati più di una volta. Controlla il tuo account prima di pianificare in base a ciò che permetteva sei mesi fa.

Perché i prompt "monta il mio video" falliscono

Scrivi "monta il mio video" in ChatGPT allegando un file, e la risposta è una spiegazione gentile di cosa non può fare, non un video montato. Dietro la chat non c'è un editor. Può leggere una trascrizione e descrivere a parole cosa dovrebbe ottenere un montaggio, ma non ha accesso fotogramma per fotogramma al girato, nessuna timeline, niente da tagliare davvero.

Lo schema che compare più spesso nei messaggi sul montaggio che arrivano al nostro supporto: qualcuno allega un video intero e si aspetta di ricevere nella risposta successiva una versione tagliata e sottotitolata. È un tentativo ragionevole. Solo che la finestra di chat non funziona così.

Parte della confusione nasce dal fatto che ChatGPT sa davvero elaborare alcuni tipi di file, immagini, PDF, testo semplice, quindi il video sembra il passo naturale successivo. Non lo è, almeno non nella stessa finestra. Tagliare, ritagliare, sottotitolare e correggere il colore richiedono software costruiti per questo, e ChatGPT resta dal lato della scrittura, dicendo a quel software cosa fare invece di farlo.

Un prompt che inizia con "monta il mio video in modo da..." fallisce quasi sempre. Riscrivilo come "scrivi una lista di inquadrature per un montaggio di 30 secondi di..." e passa quella lista a qualcosa che possa metterla in pratica. L'idea di fondo è la stessa, ma solo una delle due versioni è realizzabile dentro una finestra di chat.

Lo stesso limite emerge con "aggiungi i sottotitoli al mio video". ChatGPT scrive volentieri il testo dei sottotitoli partendo da una trascrizione, e formatta perfino i timestamp se gli dici più o meno il ritmo del parlato. Quello che non può fare è prendere un MP4, imprimere quelle parole sui fotogrammi e restituirti un file finito. Quel passaggio di render sta del tutto fuori dalla conversazione.

Tre flussi di lavoro reali che funzionano

Sono tre le configurazioni che portano davvero da una conversazione con ChatGPT a un video da pubblicare. Quale scegliere dipende da quanto conta il controllo e da quanto deve durare il video finito.

Il prompt dietro quella clip è analizzato per intero, parola per parola, in come abbiamo scritto il prompt di uno short IA virale, se vuoi vedere esattamente cosa è stato scritto prima del render.

1. Script in ChatGPT, poi incollato in un generatore video

Scrivi lo script in ChatGPT, poi incolla il testo finito in uno strumento costruito per trasformare uno script in video. Sceglie le immagini, genera una voce, sincronizza i sottotitoli con l'audio e fa il render di un file. Due passaggi manuali, entrambi rapidi. È la strada con meno attrito per chi non ha bisogno di un collegamento diretto tra i due.

È anche la scelta giusta per chi usa già ChatGPT ogni giorno e non vuole un secondo account da gestire per un solo video. Ed è la più facile da spiegare a un collega in una frase, cosa che conta nel momento in cui il processo passa a qualcun altro.

2. ChatGPT collegato a uno strumento video

Alcuni strumenti video si collegano direttamente a ChatGPT, come app o connettore, così nessuno deve uscire dalla chat. Scrivi "fai un video di 45 secondi su questo, verticale, con sottotitoli", e ChatGPT passa la richiesta allo strumento collegato, che prende lo script, genera immagini e voce e restituisce un file finito. FacelessGenie funziona così: collega ChatGPT a FacelessGenie una volta, e ogni richiesta successiva resta nella stessa conversazione.

È la configurazione per chi vuole stare tutto il giorno in una sola finestra: idee, bozze, generazione, senza cambiare contesto. È anche il modo più rapido per fare iterazioni, perché "accorcialo di 10 secondi" è solo il messaggio successivo e non un ritorno su un altro sito. Lo stesso schema a connettore si trova anche altrove: chi usa Claude ogni giorno può vederlo da quel lato in collegare Claude a un'API di video senza volto.

3. Video lunghi, scaletta in ChatGPT e il resto al generatore

Oltre un paio di minuti, per un video esplicativo in stile documentario o un video YouTube più lungo, non chiedere tutto in un solo prompt. Chiedi prima a ChatGPT una scaletta sezione per sezione: i passaggi, la durata di ciascuno, dove devono stare un grafico o un pezzo di girato. Poi passa quella scaletta a un generatore di video lunghi, una sezione alla volta.

È più lento di proposito. Un video di 10 minuti ha spazio per perdere ritmo a metà se nessuno l'ha previsto, e il passaggio extra sulla scaletta all'inizio lo scopre prima del render invece che dopo.

Dal prompt al video, passo dopo passo

Ecco più o meno come funziona in pratica il secondo flusso di lavoro, ChatGPT collegato a uno strumento video, dal primo prompt al file finito.

La generazione del video è l'unico passaggio che richiede tempo vero, e avviene su un server da qualche parte, non nella finestra di chat, quindi niente ti impedisce di fare altro mentre il render va avanti.

Le revisioni sono una parte normale di questo ciclo, non il segno che qualcosa si è rotto. La prima versione raramente azzecca voce o ritmo al primo colpo. Chiedere un secondo passaggio costa un messaggio, non la ripetizione dell'intero processo. Secondo la nostra esperienza, quasi tutti chiedono almeno un cambio di voce prima di arrivare al video finale.

Modelli di prompt che funzionano davvero

I prompt vaghi danno risultati vaghi. "Fammi un video sul marketing" produce uno script generico e, se c'era di mezzo Sora, una clip altrettanto generica. I prompt precisi, che indicano durata, tono, struttura e pubblico, ti danno qualcosa di utilizzabile. Due esempi di come appare in pratica:

Nessuno dei due prompt chiede "un video" in astratto. Ognuno indica una durata, un formato, un tono e un pubblico. È questa la vera abilità nel lavoro da prompt a video: scrivere un brief abbastanza buono perché chi lo riceve dopo, persona o IA, non debba indovinare cosa manca.

Un prompt che copre cinque elementi batte quasi qualsiasi alternativa più vaga, che tu stia parlando con ChatGPT da solo o con uno strumento collegato.

• Durata, in secondi o minuti, mai solo "breve" o "lungo"
• Formato: verticale per Shorts, TikTok e Reels, orizzontale per YouTube
• Pubblico, abbastanza preciso perché lo script possa parlargli direttamente invece che a tutti insieme
• Tono: colloquiale, formale, urgente, calmo, quello che si adatta davvero all'argomento
• Un'unica azione chiara che lo spettatore deve fare alla fine, non tre in competizione

Gli errori più comuni

Quasi tutta la frustrazione che le persone raccontano sui "video con ChatGPT" nasce dalle stesse poche abitudini.

• Chiedere un video finito in un solo prompt, senza aver deciso prima script, durata o formato
• Non decidere tra verticale e orizzontale prima di generare, per poi stupirsi che il risultato non si adatti alla piattaforma
• Saltare del tutto i sottotitoli, quando la maggior parte dei video brevi viene guardata senza audio
• Aspettarsi che Sora monti un video caricato invece di generare una nuova clip da un prompt
• Considerare una clip di Sora da 20 secondi un sostituto di un video completo con voce fuori campo
• Non dire mai a ChatGPT chi è il pubblico, così lo script sembra scritto per tutti e per nessuno

Sistema l'ordine, prima lo script, poi la scelta del formato, infine la generazione, e quasi tutti questi errori spariscono da soli.

I primi due errori della lista causano quasi tutto il lavoro da rifare. Se salti la scelta del formato, la generazione torna orizzontale quando la piattaforma voleva il verticale, e il ritaglio taglia quello che stava ai bordi, spesso una mano o un logo importanti. Se salti lo script, lo strumento video finisce per trattare sulle parole dopo aver già generato una voce che legge la battuta sbagliata, e sullo schermo lo vedi come un sottotitolo che due secondi dopo non corrisponde più al narratore.

È una delle domande più frequenti che il nostro supporto riceve proprio su questo passaggio: perché il sottotitolo non corrisponde alla voce? Quasi sempre lo script è cambiato dopo che la voce era già stata generata, e nessuno ha rifatto quell'ultimo passaggio prima di esportare.

Quando restare in ChatGPT e quando uscirne

Resta in ChatGPT per tutto ciò che è ancora fatto di parole: bozze, riscritture, dieci titoli da valutare, verificare se un gancio funziona davvero come gancio. È veloce, e non c'è motivo di aprire un altro strumento per un compito che riguarda solo la frase.

Esci da ChatGPT nel momento in cui il compito diventa montaggio: scegliere le immagini, sincronizzare i sottotitoli con una voce, fare il render di un file che si possa caricare davvero. ChatGPT semplicemente non è mai stato costruito per fare il render di video, e incollare uno script finito in un generatore video dedicato, o collegare ChatGPT a uno, colma quella distanza senza chiedere a nessuno di imparare due mestieri.

Qui regge una regola approssimativa: se il risultato si può ancora descrivere in una frase ed è testo, basta ChatGPT da solo. Nel momento in cui quella frase ha bisogno di "...e poi esportalo come video", è il momento del secondo strumento, uno in cui incollare lo script o un connettore tra i due.

Niente di tutto questo è una critica a ChatGPT. Scrivere bene è davvero difficile, e quella parte la fa in modo affidabile. Ma se in questo momento hai uno script aperto in una scheda di ChatGPT, è il momento di provare l'altra metà: incollalo in un generatore video, o collega ChatGPT a uno, e guarda cosa torna indietro. La guida completa a quel processo è in come creare video con l'IA, se qualche passaggio qui sopra non ti è ancora chiaro.