Ho fatto montare i miei video a Claude: come funziona davvero

Gli ultimi tre short che ho girato non li ho montati io. Li ha montati Claude: tagli sui silenzi e sui retake, sottotitoli, titolo iniziale, grafiche animate, colore e audio. Io giro con l'iPhone, passo le clip e alla fine guardo le anteprime e dico "ok" oppure "cambia questo".

L'idea mi è venuta guardando video di gente che diceva "Claude mi ha montato il video". Poi però iscriviti, lascia la mail, la newsletter, centomila click per lasciare i tuoi dati, e la risposta su come facessero non arrivava mai. Allora ho chiesto direttamente a Claude come fare.

Qui ti racconto com'è andata: come funziona il processo, cosa si è rotto (parecchio) e cosa farei diversamente. Senza newsletter da lasciare.

Claude non apre Premiere o DaVinci: lavora dal terminale, con script che lancia lui. Per questo il primo passo non è stato montare, ma scrivere la memoria del progetto: una serie di file di testo che Claude legge prima di ogni montaggio e aggiorna dopo ogni mia correzione.

Dentro ci sono le regole che non si discutono:

• Mai testo sul volto, né subito sopra o sotto.
• Mai testo sotto le interfacce di Shorts, TikTok e Reels (barra in alto, caption e pulsanti in basso, colonna a destra).
• Delle frasi ripetute si tiene l'ultima, che di solito è la take buona.
• Ogni video apre con un titolo d'impatto nei primi due secondi e mezzo.
• Colori e font del brand: nero, corallo e azzurro, Inter e JetBrains Mono, letti direttamente dal CSS del sito.

Poi c'è un registro dei feedback: ogni volta che dico "questo non mi piace", la correzione diventa una regola scritta. È la parte che fa davvero migliorare il montaggio da un video all'altro.

Non ho passato a Claude una guida di stile: gli ho dato l'indirizzo del sito. Ha aperto le pagine e letto i fogli di stile per ricavare i colori e i font reali, non quelli che mi ricordavo io.

Ne è uscito un dettaglio che fa la differenza. Il sito usa Inter variabile con optical sizing automatico: quando un titolo è grande, il browser lo disegna nella variante Inter Display, più stretta e compatta. Se nel video avessimo usato la Inter "normale", i titoli sarebbero stati diversi da quelli del sito. Così nel video si usa la Display.

La leggibilità l'ho lasciata decidere a Claude, con una sola richiesta: "basta che sia leggibile". Una delle regole che ha fissato: sul corallo il testo è sempre nero, perché il bianco non arriva a un contrasto di 3:1.

I video non escono mai dal computer: tutto gira sul mio Mac. Due scelte le abbiamo discusse prima di partire. La prima: niente Docker, perché su Mac i container non vedono la GPU e la trascrizione sarebbe stata molto più lenta. La seconda: ho chiesto solo strumenti open source.

Remotion mi è dispiaciuto: è un ottimo strumento. Ma la regola era chiara e le grafiche le fa libass, il motore di sottotitoli che sta già dentro FFmpeg. Gestisce testi, forme vettoriali e animazioni: per degli short è più che sufficiente.

Le clip dell'iPhone sono in HDR. Se le carichi così sui social i colori escono sbiaditi, quindi vanno prima convertite in SDR. Claude ha confrontato tre metodi sullo stesso fotogramma e abbiamo scelto quello con la pelle più naturale.

Poi la trascrizione: Whisper trascrive 86 secondi di audio in 7 secondi, con il tempo di ogni parola. Claude legge il testo e decide cosa tagliare: silenzi oltre 0,3 secondi, frasi ripetute, false partenze. Il primo video è passato da 85,9 a 63,9 secondi.

Su uno schermo verticale lo spazio libero è poco. Ci sono le interfacce delle app (in alto, in basso e la colonna dei pulsanti a destra) e c'è la mia faccia, che nei primi piani occupa quasi metà dell'inquadratura.

Per ogni blocco di sottotitoli Claude prova tre posizioni (bassa, medio-bassa, alta) e sceglie la prima libera dal volto, che viene tracciato fotogramma per fotogramma. Il risultato sul primo video: zero sottotitoli o grafiche sul volto su 88 blocchi di testo e 7 grafiche.

C'è anche una regola di sicurezza: se una grafica non trova spazio senza toccare il volto, viene scartata e restano i sottotitoli normali. Il volto ha sempre la priorità.

L'audio non si tratta con un preset. Prima si analizza (rumore di fondo, ronzio, spettro della voce), poi si costruisce un'equalizzazione su misura. Il microfono frontale dell'iPhone dava una voce rimbombante, con troppi bassi.

Nella prima versione io il rimbombo lo sentivo ancora. Nella seconda l'equalizzazione funziona a ciclo chiuso: applica, rimisura, corregge, fino a sei volte. Risultato: −5,1 dB di rimbombo tra 120 e 250 Hz e loudness a −14 LUFS, lo standard dei social.

Sul colore il mio feedback era "più saturo, look 4K, esalta l'arancio e l'azzurro, ma non esagerato". Il primo tentativo ha prodotto un bug che non mi aspettavo:

Isolando i filtri uno alla volta è uscito il colpevole: un bilanciamento colore di FFmpeg con l'opzione "preserva luminosità". La soluzione è stata generare delle LUT 3D su misura, con la pelle spinta verso l'arancio e i toni freddi verso l'azzurro del brand. Claude ha preparato quattro look a confronto e io ho scelto. Sopra, un fisheye leggerissimo e una grana da video musicale dei primi anni 2000.

Nella prima versione il controllo visivo prima della consegna aveva già trovato due difetti: la fascia corallo del titolo copriva la "A" di "DA", perché la larghezza del testo era stimata e non misurata, e l'etichetta in mono si leggeva male sul video. La prima si è risolta misurando il testo sul render reale, la seconda mettendo l'etichetta su una targhetta nera.

Ma il problema vero era lo stile. Il primo titolo iniziale era funzionale ma piatto ("può essere fatto meglio", gli ho scritto). Il secondo riprendeva la fascia che scorre in homepage, ma non mi convinceva. Invece di rimontare il video ogni volta, Claude ha disegnato quattro alternative direttamente sui fotogrammi già montati, con la distanza dalla fronte misurata per ognuna.

Lo stile sticker è diventato la base di tutto: box neri con bordo corallo, blocchi corallo con ombra netta, piccole rotazioni. Solo tre movimenti, ognuno con il suo suono. Ogni grafica compare sulla parola che pronuncio: il contatore dei click, la barra dei token, lo split screen con il sito, il sottopancia con il mio nome.

Il primo export della versione finale sarebbe durato ore. Due colpevoli: l'immagine dello split screen veniva ridecodificata a ogni fotogramma, e un effetto glitch a 18 strisce saturava un solo core del processore per un effetto che durava 0,05 secondi.

Lì ho fissato una regola: se qualcosa richiede troppo sforzo rispetto al risultato visibile, non si fa. Le strisce sono sparite, l'immagine si decodifica una volta sola e l'export è sceso a 2 minuti e mezzo. Oggi un minuto di video si esporta in circa 3 minuti.

E poi c'è la regola dello schiaffetto. Chiudo spesso i video con una mano sull'obiettivo: il video deve finire lì, sul nero. Claude misura la luminosità degli ultimi secondi e taglia sul fotogramma più scuro.

Il secondo video l'ho girato di sera, tornando a casa da un allenamento di calisthenics. Il tema: a furia di usare l'IA il cervello si "atrofizza", e progettare un design a mano in Figma, alla vecchia, mi ha fatto ragionare di più. Una clip sola, da 132 a 98 secondi.

È stato il primo video montato dall'inizio alla fine con un comando unico di Claude Code: dalle clip all'export, fino ai testi per YouTube (titolo, descrizione, hashtag, tag). In mezzo c'è un passaggio obbligato: Claude mi mostra le anteprime e non esporta finché non dico ok.

Le scelte di montaggio

• Un retake che non lo era: l'analisi segnalava una frase ripetuta, "mi sono reso conto". Ma la dicevo in due momenti diversi, per due concetti diversi. Claude l'ha riconosciuto e non ha tagliato.
• Due tagli di contenuto, proposti e non imposti: una digressione di 15 secondi sui "post da LinkedIn" e 4,6 secondi fuori tema in chiusura. Li ho confermati io.
• I refusi di Whisper: "clodo", "cloud" e un memorabile "smanetto nevi dono" sono stati corretti solo nei sottotitoli, dopo aver ritrascritto i pezzi dubbi.

La copertina: il primo secondo

Dal secondo video ogni short ha una copertina vera, pensata come miniatura. Non è un fermo immagine: sta sopra il primo secondo, la voce parte subito e la copertina sfuma mentre entra il titolo. Il testo resta dentro il ritaglio 3:4 che Instagram e TikTok usano nella griglia del profilo, così si legge anche lì. Claude ha proposto quattro stili, ho scelto la cornice brand.

Per il fotogramma della copertina Claude ha estratto 12 candidati dal video. Ha vinto il sorriso su "alla vecchia vecchia".

Il video che parla di questo articolo

A un certo punto del video dico che sul blog trovi l'articolo su come monto i video con Claude. In quel momento compare lo split screen con la schermata del progetto: l'articolo che stai leggendo è nato da lì.

I bug trovati in anteprima

• "iniziate" sparito: Whisper lo segnava 0,4 secondi prima della voce vera e il taglio lo lasciava fuori. Corretto sull'energia dell'audio.
• Copertina fuori dalla zona sicura: "L'IA ti atrofizza il cervello" è molto più lungo di "Montato da Claude". Ora le misure si adattano al titolo.
• Piccoli difetti di tempi: un contatore visibile solo mezzo secondo, un sottopancia sopra un sottotitolo. Sistemati prima dell'export, che è durato 5 minuti e 41 secondi.

Dopo la consegna: sottotitoli sempre

Dopo la consegna ho dato una nuova indicazione per i video successivi. Fino a lì copertina e titolo nascondevano i sottotitoli, e ogni grafica prendeva il posto delle parole che rappresentava. Da adesso invece i sottotitoli devono esserci sempre.

Ora l'impaginazione piazza prima le grafiche e poi i sottotitoli, che le evitano. L'ordine di priorità è diventato volto → sottotitoli → grafiche: se una grafica costringe un sottotitolo in una posizione di emergenza, si scarta la grafica.

Il terzo video è partito in bici per le strade di Crema ed è finito alla scrivania. Il tema: chi lavora al PC ha visto il proprio mestiere cambiare completamente in pochi anni, mentre il meccanico che mi ha sistemato la bici fa lo stesso lavoro da sempre. Tre clip, da 161 a 124 secondi.

Qui il dialogo sui tagli è stato più fitto. Claude ha proposto tre tagli facoltativi, tra cui il passaggio sul ponte crollato di Crema. Ho detto sì, poi ho chiesto di rimetterlo: da quando è crollato il ponte, a Crema la bici ci salva la vita. In cambio ho chiesto di togliere "non scrivo più neanche una riga di codice", che ripeteva la frase subito dopo.

Anche il titolo l'ho scelto io: "I lavori al PC sono f**tuti?". Claude me l'ha fatto notare: YouTube può limitare la monetizzazione con parolacce nel titolo, anche censurate. Mi ha lasciato un'alternativa più sicura nei testi di pubblicazione, ma il titolo è rimasto quello.

Fun fact: poi alla fine questo video non l’ho nemmeno pubblicato, l’ho trovato un flusso di coscienza che andava bene per delle stories, ma non per un video in pagina.

Quando la faccia occupa tutto

Era il primo video con i sottotitoli sempre a schermo, e l'inquadratura era molto più vicina. Le prime anteprime avevano tre problemi: il titolo finiva sui capelli (la testa arrivava quasi in cima), alcune grafiche "di emergenza" erano sopra la testa e alla scrivania non c'era spazio libero per niente.

• Il titolo scende: se sopra la fronte non c'è spazio, va sotto il volto, subito sopra i sottotitoli.
• Una nuova fascia per le grafiche: sopra i sottotitoli, così i sottotitoli restano in basso più spesso.
• Le grafiche non vanno mai in emergenza: alla scrivania il volto arrivava fino a tre quarti dello schermo e lo spazio bastava solo ai sottotitoli. Quattro grafiche scartate, e va bene così.

I bug di questo giro

• Il taglio sulla pausa sbagliata: due volte l'aggancio automatico al silenzio ha scelto la pausa sbagliata e ha lasciato dentro mezzo inciso ("col fatto che", poi un "ma"). Ora si può fissare a mano un confine misurato sull'audio, e ogni giunzione si verifica ritrascrivendola.
• La copertina vecchia: veniva presa dal video tagliato della versione precedente. Ora si rigenera dopo ogni rimontaggio.
• Il controllo qualità che si fermava a metà: il foglio QA mostrava solo i primi 30 istanti e la parte alla scrivania non si vedeva. Ora campiona tutta la durata.

Export in 6 minuti e 8 secondi, circa 3 minuti per ogni minuto di video. Ogni video ha portato almeno un bug nuovo, trovato nelle anteprime e non dopo la pubblicazione. Ed è giusto così: le regole si scrivono con l'esperienza, non a tavolino.

• Mai fidarsi ciecamente della trascrizione: l'energia dell'audio è la verità.
• Misurare, non stimare: larghezza dei testi, spettro della voce, distanza dal volto. Ogni correzione "a occhio" si è rivelata imprecisa.
• Il controllo visivo prima della consegna trova errori che i numeri non vedono, come una lettera coperta o un'etichetta sparita.
• L'AI non sostituisce il gusto: prepara le alternative, ma la scelta resta mia. È lì che il video resta mio.

Cosa farei diversamente: un microfono lavalier fin dall'inizio (sopra gli 8 kHz l'iPhone non registra quasi niente) e il telefono un po' più lontano. Metà dei problemi di impaginazione sparirebbero.

Non ho trovato un'app che monta i video da sola. Ho costruito, insieme a Claude, un montatore che conosce le mie regole, il mio brand e i miei errori, e che migliora a ogni feedback. Tutto in locale e con strumenti open source. Da ogni video ora nascono anche un carosello e le stories, ma questa è un'altra storia.

Vuoi un video più lungo con tutto il processo, o hai domande su un passaggio? Scrivimelo nei commenti degli short o qui sotto. Trovi tutti i miei canali nella pagina links.

Per continuare: se usi gli agenti anche per scrivere codice, ecco i 10 controlli che faccio sempre su Next.js 16. E se ti chiedi come gli agenti AI leggono e usano i siti, parto da qui: GEO e Navigazione Agentica di Google.