Escrever prompts para IA de vídeo não tem nada a ver com escrever prompts para imagens. A estrutura errada desperdiça créditos e gera resultados chapados e inconsistentes. Este artigo detalha a anatomia exata do prompt que funciona em todos os principais modelos de texto para vídeo em 2027, com exemplos reais, dicas de movimento, ângulos de câmera e os erros mais comuns a evitar.
Escrever um bom prompt para IA de vídeo não é o mesmo que escrever um bom prompt para imagem. A diferença entre essas duas disciplinas é enorme, e a maioria das pessoas descobre isso da pior forma, depois de gastar créditos em clipes chapados e sem vida que não se parecem nada com o que imaginaram. A verdade é que a IA de vídeo responde à estrutura, e quando você entende essa estrutura, os resultados mudam muito.
Prompts de imagem podem ser vagos sem grandes problemas. Basta colocar alguns adjetivos e um sujeito, e o modelo preenche as lacunas com algo visualmente coerente. Modelos de vídeo não conseguem fazer isso com clareza. Eles interpretam movimento, duração, continuidade de iluminação e física da cena ao mesmo tempo. Um prompt vago dá ao modelo liberdade criativa demais, e o resultado quase sempre é genérico.
Os modos de falha mais comuns:
Todos esses problemas têm a mesma causa raiz: o prompt não comunicou o suficiente.
💡 Regra rápida: se o seu prompt serviria bem como legenda de imagem, ele é curto demais para a IA de vídeo. O vídeo precisa de movimento, tempo e linguagem de câmera.
Existe uma estrutura que supera consistentemente a escrita aleatória de prompts em modelos como Kling v2.6, Veo 3, Wan 2.7 T2V e Sora 2. Ela tem sete partes, e cada uma cumpre uma função específica.
Comece por quem ou o que está no quadro e o que está fazendo. Seja específico. Não diga "uma mulher andando". Diga "uma mulher no começo dos 30 anos, cabelo escuro, usando um casaco de linho bege, caminhando devagar por folhas de outono".
A ação deve ser contínua e simples. Modelos de IA de vídeo lidam melhor com movimentos em loop ou que se desenvolvem progressivamente do que com sequências complexas de várias etapas. Mantenha uma ação principal e clara por clipe.
Descreva onde a ação acontece com detalhes físicos suficientes para que o modelo consiga renderizar elementos de fundo consistentes. Inclua:
Exemplo: "em uma rua de paralelepípedos numa cidade antiga europeia, fim de tarde, luz dourada e quente projetando sombras longas sobre o calçamento de pedra."
Esta é a parte que a maioria dos iniciantes pula por completo, e é onde mais qualidade é desperdiçada. Especificar o tipo de plano obriga o modelo a tomar uma decisão de enquadramento, em vez de recorrer a um plano médio estático.
| Tipo de plano | O que faz |
|---|---|
| Plano geral | Estabelece o local, mostra o ambiente completo |
| Plano médio | Mostra o sujeito da cintura para cima, bom para diálogos |
| Close-up | Capta emoção, textura, detalhes finos |
| Contra-plongée | Faz o sujeito parecer poderoso, dominante |
| Vista de pássaro | Perspectiva dramática de cima |
| Plano de acompanhamento | A câmera segue o movimento do sujeito |
| Dolly zoom | Efeito clássico de zoom cinematográfico |
💡 Dica de especialista: modelos como Kling v3 Video e Seedance 1.5 Pro respondem muito bem a uma linguagem de movimento de câmera explícita. Use "aproximação lenta com dolly" ou "câmera orbitando pela esquerda" para um movimento cinematográfico.
A iluminação molda o clima de um vídeo mais rápido do que qualquer outra coisa. Modelos de IA respondem bem a descritores de iluminação e os aplicam com mais consistência quando eles aparecem no início do prompt.
Estes são os termos de iluminação mais confiáveis para prompts de texto para vídeo:
Evite termos vagos como "boa iluminação" ou "claro". Eles não comunicam nada ao modelo.
Este é o elemento que separa um clipe cinematográfico de uma sequência de fotos parada. Os descritores de movimento dizem ao modelo como as coisas na cena devem se mover ao longo do tempo, e com que velocidade.
Lento e deliberado: "o cabelo se move suavemente com a brisa, folhas caem devagar" Dinâmico e urgente: "a câmera avança rápido, o sujeito se vira bruscamente" Ambiente e sutil: "vapor sobe da xícara de café, luzes de bokeh pulsam suavemente"
Modelos como LTX 2 Pro e Pixverse v5 lidam bem com o ritmo do movimento quando você o descreve explicitamente. Se quiser câmera lenta, diga isso. Se quiser tempo real, deixe isso claro também.
Os descritores de estilo definem a linguagem visual do clipe. Para resultados fotorrealistas, use linguagem de fotografia cinematográfica:
Para um resultado mais estilizado, você pode especificar:
💡 Importante: evite termos de estilo que sugiram ilustração, animação ou arte digital. Modelos como Hailuo 02 e Veo 3.1 interpretam corretamente descritores fotográficos para resultados realistas.
Isto é opcional, mas poderoso. No final do prompt, acrescente o que você não quer. Isso impede o modelo de recorrer a clichês visuais comuns.
Exemplos de restrições negativas:
Veja como fica um prompt estruturado completo em comparação com um não estruturado:
Prompt fraco:
"Uma mulher andando em uma cidade à noite"
Prompt estruturado:
"Uma mulher no fim dos 20 anos, com cabelo castanho-avermelhado, usando um sobretudo caramelo, anda devagar por uma calçada molhada de chuva em uma cidade à noite, letreiros de neon refletidos tremeluzindo nas poças, plano médio de acompanhamento lateral, a câmera se move no mesmo ritmo do sujeito, luz prática quente vinda das vitrines, vapor subindo de uma grade perto de seus pés, aspecto de filme cinematográfico 35mm, profundidade de campo rasa, sem tremor de câmera, sem texto"
O segundo prompt tem 80 palavras. O primeiro tem 10. Essa diferença aparece diretamente na qualidade do resultado.
Uma preocupação comum é que prompts longos confundam o modelo. Na prática, acontece mais frequentemente o contrário. A maioria dos modelos de IA de vídeo foi treinada com legendas detalhadas, então descrições mais ricas dão a eles mais com que trabalhar.
Tamanhos de prompt recomendados por tipo de modelo:
| Modelo | Tamanho ideal do prompt |
|---|---|
| Wan 2.7 T2V | 60-120 palavras |
| Kling v2.6 | 50-100 palavras |
| Veo 3 | 80-150 palavras |
| Sora 2 | 100-200 palavras |
| Seedance 1.5 Pro | 60-100 palavras |
| P-Video | 50-100 palavras |
O ponto ideal para a maioria dos modelos fica entre 70 e 120 palavras. Abaixo de 40 palavras você está subespecificando. Acima de 200, o modelo pode começar a ignorar algumas restrições.
A maioria das pessoas descreve como a cena se parece em vez de o que está acontecendo. A IA de vídeo precisa de verbos de ação e linguagem temporal.
Pedir "cinematográfico e animado, fantasia e documentário" no mesmo prompt puxa o modelo em direções demais. Escolha um registro visual e mantenha-o do início ao fim.
Pular o tipo de plano e o movimento de câmera deixa o modelo improvisar. A câmera improvisada quase sempre cai em um plano médio estático. Sempre especifique o comportamento da câmera.
💡 Correção rápida: acrescente um termo de câmera e um descritor de movimento a todo prompt, mesmo os mínimos. "Close-up, zoom out lento" é melhor do que nada.
Consistência temporal significa que o sujeito, a iluminação e a cena permanecem estáveis durante toda a duração do clipe. Alguns modelos lidam com isso melhor do que outros, mas todo modelo se beneficia de prompts que reforcem essa estabilidade.
Táticas para melhorar a consistência:
Nem todo prompt de vídeo serve ao mesmo propósito. A estrutura se adapta ao que você está criando.
Foque em: descrição ambiental rica, iluminação que define o clima, linguagem de lente específica, movimento lento e deliberado.
Exemplo: "close-up do rosto de uma mulher, olhos fechados, luz suave da manhã passando por cortinas brancas, a sombra dos galhos das árvores se movendo sobre sua pele, lente de retrato de 85mm, profundidade de campo rasa, calor de Kodak Portra, quietude absoluta quebrada apenas pela respiração dela"
Foque em: um gancho visual imediato no primeiro segundo, movimento de câmera dinâmico, ritmo de alta energia.
Exemplo: "plano de acompanhamento rápido seguindo uma mulher correndo descalça por uma praia de areia branca ao nascer do sol, câmera na altura dos joelhos, borrifos de areia e espuma do mar capturando a luz, contraluz dourada e quente, ritmo de alta energia, profundidade de campo rasa nos pés dela"
Foque em: fundos limpos, enquadramento deliberado do produto, iluminação controlada.
Exemplo: "close-up de um frasco de perfume de vidro sobre uma superfície de mármore branco, luz de softbox de estúdio vinda de cima e da esquerda, rotação lenta do frasco revelando o design intrincado, gotas de água no vidro capturando a luz, lente macro de 100mm, estilo de fotografia de produto fotorrealista"
O Wan 2.7 T2V é um dos modelos de texto para vídeo mais fortes disponíveis, produzindo saída em 1080p com boa consistência temporal. Veja como usá-lo com eficiência:
Passo 1: acesse a página do modelo Wan 2.7 T2V no PicassoIA.
Passo 2: escreva seu prompt usando a estrutura de 7 partes acima. Para o Wan 2.7, o ponto ideal é de 70 a 120 palavras, com descritores claros de sujeito, movimento e iluminação.
Passo 3: defina a duração. O Wan 2.7 suporta clipes de até cerca de 10 segundos. Para prompts complexos, clipes mais curtos de 4 a 6 segundos produzem resultados mais consistentes.
Passo 4: faça uma geração de teste com uma versão simplificada do seu prompt primeiro. Isso permite verificar se os elementos centrais (sujeito, movimento, ambiente) estão sendo renderizados corretamente antes de partir para uma geração mais longa e detalhada.
Passo 5: se o resultado se afastar da sua intenção, isole qual parte do prompt está sendo ignorada e mova-a para o início do texto. Os modelos tendem a dar mais peso ao começo dos prompts.
💡 Dica do Wan 2.7: este modelo lida especialmente bem com descritores de iluminação. Uma linguagem de iluminação detalhada, cobrindo direção, temperatura de cor e suavidade, produz resultados visivelmente melhores em comparação com a maioria dos outros modelos.
Aqui está um template para preencher que funciona na maioria dos modelos de IA de vídeo:
[Subject: age, appearance, clothing, expression] [Action verb + motion detail], [Environment: location, time of day, weather], [Shot type] [Camera movement], [Lighting: source, direction, quality, color], [Motion detail: ambient elements, pacing], [Style: film look, depth of field], [Negative constraints]
Exemplo preenchido:
A woman in her mid-30s with silver-streaked hair, wearing a gray cashmere turtleneck, slowly stirs a cup of coffee while gazing out of a floor-to-ceiling window, in a minimalist apartment on a gray rainy morning, medium shot with very slight handheld drift, soft overcast window light from the right casting subtle shadows, steam rising gently from the cup, rain drops running down the glass behind her, cinematic 50mm film look, shallow depth of field on her hands, no music overlays, no text
Esse prompt tem 94 palavras e cobre as sete partes. Use-o como referência inicial.
A única forma de ficar melhor em prompts para IA de vídeo é a repetição. Pegue o template acima, preencha com seu próprio sujeito e cena, e execute-o em qualquer um dos modelos disponíveis, incluindo Kling v2.6, Veo 3.1, Wan 2.7 T2V, LTX 2 Pro ou Seedance 1.5 Pro.
Cada modelo tem sua própria personalidade, e gastar algumas gerações em cada um ensina mais do que qualquer tutorial escrito. Rode um prompt. Ajuste um elemento. Rode de novo. Essa abordagem iterativa gera ganhos que se acumulam rápido, e em poucas sessões você terá um estilo de prompt que produz de forma confiável o resultado que procura.
A PicassoIA oferece acesso a mais de 100 modelos de texto para vídeo em um só lugar. Essa variedade significa que você pode testar o mesmo prompt em vários modelos em minutos e ver exatamente como cada um interpreta suas instruções de forma diferente. É o ciclo de feedback mais rápido disponível para aprimorar suas habilidades de prompt para IA de vídeo.
Escolha seu idioma
