Uma coleção prática de prompts do Veo 3.1 testados para produção de vídeo cinematográfico. De cenas de perseguição dramáticas a retratos na hora dourada, essas estruturas de prompt mostram exatamente como descrever cenas, iluminação, ângulos de câmera e som para obter, de forma consistente, resultados de vídeo com IA de qualidade cinematográfica.
A maioria das pessoas digita uma única frase no Veo 3.1 e se pergunta por que o resultado parece um protetor de tela. A diferença entre clipes de IA esquecíveis e vídeos realmente cinematográficos depende de uma coisa: quão precisamente você descreve o mundo que quer ver. Não se trata de palavras-chave mágicas. Trata-se de pensar como um diretor de fotografia e traduzir esse raciocínio em uma linguagem à qual o modelo realmente responde.
O Veo 3 introduziu a geração de áudio sincronizado, mas o Veo 3.1 foi além. O modelo agora lê as pistas sonoras dentro do próprio prompt, e não como um parâmetro separado. Se seu prompt disser "a chuva tamborila contra um telhado de metal", o modelo gera esse som junto com o visual. Isso muda fundamentalmente a forma como você escreve prompts: o som agora faz parte da descrição da cena, não é um complemento de última hora.
Onde modelos anteriores como o Veo 2 tinham dificuldade com o movimento de tecidos, superfícies de água e microexpressões faciais em movimento, o Veo 3.1 lida com esses elementos com uma fidelidade visivelmente melhor. A recompensa por prompts detalhados é agora proporcionalmente maior. O modelo tem capacidade para processar descrições densas e em camadas e entregar o que foi pedido.
Prompts curtos geram clipes genéricos. Um prompt de 60 palavras supera com folga um prompt de 10 palavras em qualidade cinematográfica. Isso não é uma peculiaridade. É assim que o modelo foi treinado. A especificidade é a variável que separa um clipe com qualidade de cinema de um conteúdo que parece gerado por IA.
Todo prompt de alta qualidade do Veo 3.1 contém cinco camadas distintas. Deixar de fora qualquer uma delas geralmente puxa o resultado para o genérico.
Comece pelo quem ou pelo quê está no quadro e exatamente o que ele está fazendo. Sujeitos vagos geram vídeos vagos. "Uma mulher caminha" não é um sujeito com intenção. "Uma mulher na casa dos 30, vestindo uma jaqueta de lona gasta, caminha por uma estação de trem lotada de Tóquio no horário de pico, com os olhos percorrendo os painéis de partida" dá ao modelo algo para renderizar.
O que incluir:
O mundo atrás do seu sujeito não é decoração. Ele carrega humor, horário e contexto. Descreva-o com especificidade: cidade ou campo, hora do dia, condições do tempo e o que fica em primeiro plano e o que fica ao fundo.
Esta é a camada mais ignorada, e isso aparece. Especifique:
O Veo 3.1 responde à direção de câmera quando ela é escrita da forma como um diretor de fotografia falaria, e não como uma descrição casual.
| Termo de câmera | O que faz no resultado |
|---|---|
low angle, 24mm | Torna os sujeitos imponentes e enfatiza o céu |
eye level, 85mm | Retrato natural, leve compressão do fundo |
overhead, wide | Estabelece escala e remove o contexto do chão |
dutch angle, 35mm | Adiciona tensão e desorientação |
tracking shot, handheld | Introduz movimento e realismo |
Diga ao modelo a velocidade com que o mundo se move. "Câmera lenta" é vago. "Filmado a 120 fps, reproduzido a 24 fps" é preciso. Especifique se a câmera se move, se os sujeitos se movem e em que ritmo relativo.
Estes prompts são estruturados para uso direto no Veo 3.1. Cada um segue a estrutura de cinco camadas descrita acima.
Prompt 1: A perseguição noturna
Um homem na casa dos 30 e poucos anos corre por um beco estreito encharcado de chuva à noite, captado da altura do tornozelo em um ângulo baixo de acompanhamento. Luzes de vapor de sódio lançam poças âmbar sobre paralelepípedos molhados. Desfoque de movimento nas pernas, rosto nítido e mandíbula cerrada. Paredes de tijolo mostram argamassa envelhecida e manchas de água. O som de passos batendo na pedra molhada, um rádio distante da polícia. 35mm f/1.4, Kodak Portra 800, profundidade de campo rasa. Sem música, apenas ambiente.
Prompt 2: A última conversa
Um homem e uma mulher sentam-se em extremidades opostas de uma mesa gasta de lanchonete no meio da tarde. A luz da janela, vinda da esquerda, lança uma sombra suave em grade sobre a superfície de fórmica. Ele a observa sem falar, com uma caneca de cerâmica entre as duas mãos. Ela olha para o café, depois para cima. Vapor sobe entre eles. O som abafado do trânsito lá fora, uma cafeteira distante. 50mm f/2 na altura dos olhos de quem está sentado, granulação quente, reportagem espontânea.
Prompt 3: A decisão
Close de mãos desgastadas segurando um volante de couro. A chuva risca o para-brisa em linhas diagonais. Os instrumentos do painel brilham em âmbar no desfoque periférico. Os nós dos dedos estão brancos. Uma tatuagem de bússola no pulso direito interno. O som de chuva forte no vidro, limpadores de para-brisa em ritmo lento. 100mm macro a partir do banco do passageiro, ângulo descendente de 45 graus, Kodak Vision3, desfoque de movimento natural no fundo.
Prompt 4: Rodovia antes do amanhecer
Plano aéreo de uma estrada de terra solitária cortando um campo de trigo de Montana antes do amanhecer. A estrada se estende até o ponto de fuga no horizonte à esquerda. Uma única caminhonete com um farol aceso está parada no acostamento. Céu de azul-marinho para violeta profundo, Vênus brilhante perto do horizonte. Orvalho em cada haste de trigo, em detalhe nítido no primeiro plano. O som do vento sobre a grama aberta, o motor distante de um caminhão em marcha lenta. Drone a 40 pés, 24mm amplo, névoa natural, Kodak Ektar 100.
Prompt 5: Floresta ao amanhecer
Um homem de costas para a câmera fica dentro de uma floresta antiga do noroeste do Pacífico ao amanhecer. Troncos enormes de abeto-de-douglas somem para cima em um dossel denso. Feixes volumétricos de luz da manhã atravessam a copa, iluminando a névoa rodopiante na altura do meio. Ele está imóvel, olhando para cima. Cantos de pássaros ao longe no dossel, um único pica-pau distante. 35mm f/2 na altura do joelho, cor natural, Kodak Portra 400, profundidade de campo ampla.
Prompt 6: Nascer do sol na praia
Uma mulher caminha descalça por uma arrebentação com água na altura do tornozelo ao nascer do sol, captada da altura da cintura em uma panorâmica lenta. Em contraluz pelo nascer do sol rosa-dourado, sua silhueta está escura com uma borda de luz quente. Um vestido de linho branco é agitado pelo vento. Gotículas de água individuais refletem a luz do sol no ar a cada passo. O som de ondas quebrando, vento e aves marinhas distantes. 70mm f/2.8 com filtro de névoa preto de um quarto, Fujifilm Pro 400H, difusão de maresia no ar do primeiro plano.
Prompt 7: O close
Close extremo do rosto de uma jovem na hora dourada, pele com sardas, olhos cinza-esverdeados claros. Luz volumétrica suave vinda da esquerda. Uma única lágrima se forma no canto interno do olho esquerdo. Mechas de cabelo deslizam pela testa em uma leve brisa. O fundo é um bokeh de outono raso em âmbar. Sem diálogo, apenas vento ambiente e o som suave de folhas secas. 85mm f/1.2, RAW, Fujifilm Eterna 500, sem maquiagem.
Prompt 8: A testemunha
Plano médio fechado de um homem idoso sentado perto de uma janela, 70 e poucos anos, rosto profundamente marcado virado de perfil para a luz de fora. Partículas de poeira flutuam em um feixe de luz da tarde vindo da esquerda. Suas mãos estão cruzadas sobre a mesa, imóveis. Ele não fala. O som de um relógio tiquetaqueando em algum lugar do cômodo, um carro passando devagar lá fora. 85mm f/2 na altura dos olhos, Kodak Portra 160, cor quente de fim de tarde.
Prompt 9: Perspectiva do terraço
Plano geral em ângulo alto a partir de um terraço de Nova York, trinta andares acima, olhando para uma rua molhada de chuva. Rastros de luz de táxis amarelos riscam o quadro lá embaixo. Um único copo de uísque está em foco nítido na beirada do terraço, no primeiro plano extremo. A cidade inteira é um bokeh fora de foco atrás dele. O som de sirenes distantes, chuva e trânsito lá de baixo. 28mm f/2, Kodak Ektar 100, apenas luz noturna disponível.
Prompt 10: O quarto das 3h
Plano geral interno de um quarto de apartamento simples às 3 da manhã, iluminado apenas pelo brilho da tela de um notebook. Uma jovem está sentada de pernas cruzadas na cama, ao fundo, com o rosto meio iluminado por uma luz azul pálida. Primeiro plano nítido com lençóis desarrumados, uma caneca de café e um livro de bolso com as pontas dobradas. A cidade brilha em âmbar pela janela atrás dela. Silêncio, depois o som suave da cidade bem lá embaixo. 24mm f/1.4, luz disponível, granulação ISO alta, paleta ambiente fria.
Prompt 11: O bar vazio
Plano amplo do interior de um bar vazio às 3 da manhã. Letreiros de cerveja em neon lançam vermelho e azul sobre fileiras de cadeiras viradas sobre as mesas. Um único barman limpa o balcão sem olhar para cima. Chuva nas janelas. O som de uma jukebox tocando o final de uma música, e depois o salão ficando em silêncio. 28mm f/2.8, luz disponível, espontâneo, granulação ISO alta, Kodak Vision3.
Prompt 12: Plataforma de trem à meia-noite
Uma mulher está sozinha em uma plataforma de trem deserta à noite, iluminada por uma única lâmpada fluorescente suspensa com uma leve cintilação. Ela segura uma bolsa pequena, olhando para a extremidade distante dos trilhos. O vento atravessa a plataforma, levantando um copo de papel no concreto. O som de rodas de trem distantes sobre trilhos de metal, o zumbido da fluorescente acima. 50mm f/1.8, altura dos olhos, luz disponível, tonalidade fria.
Prompt 13: Depois da chuva
Plano amplo de uma praça de cidade europeia ao amanhecer, depois de uma chuva forte durante a noite. Os paralelepípedos refletem a luz cinza pálida do início da manhã, poças guardando o primeiro azul do céu. Uma figura solitária atravessa à extrema esquerda, ao fundo. O som de água pingando, um sino de igreja distante, um único pombo. Câmera estática e travada, 35mm f/4, Kodak Portra 160, luz difusa de dia nublado.
Prompt 14: A espera
Um homem na casa dos 50 anos está sentado em um banco de madeira no corredor de um hospital, de casaco, as mãos entre os joelhos, olhando para o chão. A iluminação fluorescente do teto deixa as paredes com um bege institucional. O corredor se estende até um par de portas duplas bem atrás dele. O som de um sistema de alto-falantes distante, passos suaves no corredor, o zumbido do ar-condicionado. 50mm f/2 na altura dos olhos de quem está sentado, câmera parada, tratamento de cor quente para contrapor o ambiente institucional.
Prompt 15: Chegada ao amanhecer
Do banco do passageiro, olhando através de um para-brisa para uma pequena cidade costeira que surge em uma borda de penhasco à primeira luz. A estrada desce em curvas, revelando cada vez mais o mar lá embaixo. A névoa paira nos vales entre os promontórios. Sem diálogo. O som do motor, do vento e os primeiros sons distantes do mar, cada vez mais altos. 28mm f/2, luz natural do amanhecer, Fujifilm Pro 400H, sem música.
O Veo 3.1 gera som a partir da sua descrição em texto, junto com o vídeo. Isso é uma mudança significativa em relação a modelos que produzem clipes silenciosos por padrão.
Mencione o som da mesma forma que menciona a luz: com especificidade, fonte e distância.
💡 Escreva o áudio do mais distante para o mais próximo. Comece pela camada sonora mais distante e avance em direção ao que está mais perto da câmera. Isso espelha a forma como os ouvidos humanos percebem o espaço, e o modelo capta esse padrão.
Se a sua cena tem personagens, você pode sugerir a fala sem escrever um roteiro. "Ela fala baixo, palavras inaudíveis, expressão intensa" orienta o modelo a produzir o padrão visual da fala sem gerar palavras que talvez não sejam renderizadas com clareza.
O Veo 3.1 Lite é otimizado para velocidade, à custa da fidelidade do áudio. Para cenas puramente visuais, ele se sai bem. Para prompts em que o áudio é crítico, use o Veo 3.1 ou o Veo 3.1 Fast.
O Veo 3.1 responde a diretrizes de movimento de câmera quando elas são escritas com a terminologia de produção, e não como descrição casual.
Estes são os três movimentos mais confiavelmente renderizados. Escreva-os como "travelling lento em direção ao sujeito" ou "panorâmica gradual para a esquerda revelando o fundo". Evite termos vagos como "a câmera se move ao redor da cena".
Frases eficazes de movimento de câmera:
slow dolly in toward face, ending in close-upgentle pan left following the subject at walking pacetilt up from hands to face over 3 secondstracking shot from behind, matching subject's running pacestatic wide locked-off shot, no camera movementEspecificar "câmera na mão" adiciona um movimento orgânico e sutil ao quadro. Especificar "montada em tripé, estática" orienta o modelo a produzir uma composição travada e estável. Ambas são válidas do ponto de vista cinematográfico. A escolha depende do clima que você está construindo.
Para resultados em câmera lenta, especifique a taxa de quadros efetiva. "Filmado a 120 fps, reproduzido a 24 fps" produz um resultado mais convincente do que simplesmente escrever "câmera lenta".
Nem todas as abordagens funcionam. Estas são as formas mais comuns pelas quais as pessoas se prejudicam com resultados ruins:
| O que você escreve | Por que falha |
|---|---|
| "Vídeo cinematográfico de um pôr do sol bonito" | Sem sujeito, sem ação, sem detalhes de iluminação |
| "Imagens com aparência profissional de..." | Não diz nada que o modelo consiga executar |
| "Uma cena como a de um filme" | Referência vaga sem descritores reais |
| "Deixe mais dramático" | Nenhuma descrição física do que significa dramático |
| "Vídeo de alta qualidade e realista" | Pedidos de qualidade não substituem a descrição da cena |
💡 Cada palavra do seu prompt deve descrever algo físico ou sensorial: uma textura, um movimento, um som, uma cor, uma direção. Palavras abstratas de qualidade são invisíveis para o modelo.
O PicassoIA oferece três versões do Veo 3.1, cada uma com uma contrapartida diferente entre velocidade e qualidade.
Sujeito, ambiente, iluminação, câmera, movimento. As cinco camadas devem estar presentes antes de você enviar. Se alguma camada estiver faltando, o modelo a preenche com um padrão genérico.
Mude uma camada por vez entre as tentativas. Se a composição da cena estiver certa, mas a iluminação estiver chapada, revise apenas o descritor de iluminação. Mudar tudo de uma vez torna impossível diagnosticar o que estava funcionando.
O Veo 3.1 Fast vale a pena para as suas duas ou três primeiras variações. Quando a cena parecer certa, rode o mesmo prompt no Veo 3.1 para a versão final.
A biblioteca de modelos de vídeo do PicassoIA inclui alternativas fortes ao Veo 3.1. Veja onde cada uma se posiciona no espectro de qualidade cinematográfica.
O Kling v3 Video lida com cenas em câmera lenta e movimento de personagens com alta fidelidade. No entanto, o Veo 3.1 se destaca em áudio nativo e em coerência entre prompt e resultado em cenas complexas e com várias camadas. Se o áudio é essencial para a sua cena, o Veo 3.1 vence. Para trabalhos puramente visuais em câmera lenta ou de ação, o Kling v3 é uma alternativa legítima.
O Sora 2 produz uma coerência espacial impressionante, especialmente em cenas arquitetônicas e urbanas. Seu ponto forte é manter posições de objetos consistentes em clipes mais longos. O Veo 3.1 tende a produzir estéticas mais quentes e com cara de filme quando você inclui referências de película nos prompts.
O Seedance 2.0 entrega saída em 1080p com áudio integrado em velocidade competitiva. Para conteúdo de ritmo acelerado em que o prazo importa, é uma opção prática. O Veo 3.1 mantém a vantagem em prompts que exigem interpretação precisa de iluminação e granulação cinematográfica.
| Modelo | Áudio | Melhor para | Saída |
|---|---|---|---|
| Veo 3.1 | Nativo | Estética de cinema, cenas com áudio | 1080p |
| Kling v3 Video | Opcional | Câmera lenta, ação de personagens | 1080p |
| Sora 2 | Sincronizado | Cenas urbanas e arquitetônicas | HD |
| Seedance 2.0 | Integrado | Iteração rápida, conteúdo geral | 1080p |
| Veo 3.1 Fast | Nativo | Prototipagem rápida | 1080p |
Os 15 prompts acima não são modelos para preencher mecanicamente. São exemplos de uma forma de enxergar. A habilidade real está em imaginar a cena por completo antes de descrevê-la: a fonte de luz e o seu ângulo, a textura de cada superfície que ela toca, o som que estaria presente e a lente exata que um diretor de fotografia escolheria para contar aquela história.
Comece com uma única cena que você consiga visualizar com clareza. Escreva-a usando as cinco camadas. Rode-a no Veo 3.1 no PicassoIA, compare com o Veo 3.1 Fast para medir a velocidade de iteração e, na segunda tentativa, mude apenas a camada de iluminação. Quando o resultado começar a parecer algo que você realmente gostaria de assistir, você saberá o que mudou.
Escolha seu idioma
