Escrever um ótimo prompt de vídeo com IA não é usar mais palavras. É usar as certas. Este artigo detalha os elementos exatos que controlam movimento, comportamento da câmera, iluminação e tempo no vídeo gerado por IA. Exemplos reais, dicas específicas para cada modelo e uma estrutura que você pode usar de imediato.
A diferença entre um vídeo de IA esquecível e um que faz o usuário parar de rolar a tela costuma depender de algumas dezenas de palavras. Não de milhares. Nem de centenas. As palavras do seu prompt determinam o movimento, o comportamento da câmera, o tom atmosférico e o fluxo temporal, mas a maioria das pessoas simplesmente descreve uma cena sem pensar em nada disso.
Isso não é uma crítica. É como a maioria começa. Você digita o que imagina, clica em gerar e recebe algo parecido com uma foto que decidiu se mexer. O sujeito está certo, mas o vídeo parece estático, aleatório ou errado. O problema não está no modelo. Está na instrução.
A seguir, detalhamos exatamente o que separa um prompt que produz vídeo de IA cinematográfico de um que produz um loop confuso de pixels.
Geração de imagens e geração de vídeo são tarefas fundamentalmente diferentes, mas muitos usuários escrevem prompts de vídeo do mesmo jeito que escrevem prompts de imagem. Um prompt de imagem estática descreve um estado. Um prompt de vídeo precisa descrever uma mudança ao longo do tempo.
Quando você digita "uma mulher caminhando por uma floresta", um modelo de vídeo precisa deduzir:
Um modelo como o Seedance 2.0 ou o Veo 3 vai fazer o melhor palpite sobre tudo isso, mas "melhor palpite" não é a mesma coisa que a sua intenção. Prompts curtos transferem o controle para o modelo. Prompts detalhados transferem o controle para você.
💡 O princípio central: cada elemento que você deixa indefinido em um prompt de vídeo é uma decisão que você está entregando para a IA. Seja intencional sobre o que define.
Esses cinco componentes não são extras opcionais. Eles são a base de um vídeo que se comporta de fato como você pretende.
Descreva o sujeito com precisão. Não apenas quem ou o que ele é, mas sua posição exata, postura e relação com o ambiente no primeiro quadro.
Fraco: "Um homem em uma cidade"
Forte: "Um homem de meia-idade, com um sobretudo cinza, está na beira de um cruzamento urbano com o asfalto molhado pela chuva, com a cabeça levemente baixa e as mãos nos bolsos"
A versão forte dá ao modelo um quadro inicial definido. Tudo o mais se constrói sobre isso.
É isso que o vídeo acrescenta às imagens, e é o elemento que mais costuma ser deixado de lado. Você precisa descrever o que se move, como se move e em que ritmo.
As diretrizes de movimento incluem:
Modelos como o Kling v2.6 e o Wan 2.7 T2V respondem bem a uma linguagem de movimento explícita. Movimento vago produz resultados incoerentes.
Modelos de vídeo com IA geram uma duração fixa de conteúdo, normalmente de 4 a 10 segundos, dependendo do modelo. Seu prompt deve descrever o arco desses segundos, e não apenas um momento estático.
Pense nisso como um mini-roteiro: o que acontece no início, no meio e no fim desses segundos?
Exemplo: "A câmera abre em um close de uma xícara de café. Nos segundos seguintes, ela recua lentamente para revelar um café lotado. No último quadro, o sujeito, uma mulher em uma mesa de canto, entra em foco."
Isso informa ao modelo o que priorizar em cada momento da geração.
A iluminação não é só visual. Em prompts de vídeo, ela também sinaliza humor, hora do dia e qualidade do movimento. As sombras se movem de maneira diferente sob a luz dura do meio-dia e sob o céu nublado e difuso. Especifique:
Diga ao modelo que tipo de câmera capturaria teoricamente esta cena. Isso ancora toda a estética.
Termos úteis: distância focal da lente ("35mm grande angular", "85mm retrato"), profundidade de campo ("f/1.8 rasa", "f/11 foco profundo"), tipo de movimento ("leve balanço de mão", "gimbal suave", "tripé travado") e renderização de filme ("Kodak Portra 400", "granulação de 35mm").
Nem todas as descrições de movimento de câmera são iguais. Algumas são interpretadas de forma consistente entre os modelos. Outras são ambíguas e produzem comportamentos aleatórios.
Estes são os termos de câmera que produzem resultados confiáveis na maioria das plataformas de texto para vídeo:
| Termo | O que faz | Funciona melhor quando |
|---|---|---|
| Aproximação lenta com dolly | A câmera avança fisicamente em direção ao sujeito | O sujeito está parado |
| Afastamento lento com dolly | A câmera recua, revelando o ambiente | Criar contexto ou escala |
| Panorâmica para esquerda/direita | A câmera gira horizontalmente em um eixo fixo | Mostrar um espaço amplo |
| Inclinação para cima/baixo | A câmera gira verticalmente em um eixo fixo | Revelar altura ou profundidade |
| Plano de acompanhamento | A câmera segue um sujeito em movimento | O sujeito está em movimento |
| Plano orbital | A câmera circula em volta de um sujeito | Foco em produto ou personagem |
| Tripé travado | A câmera não se move | Enfatizar o movimento do sujeito |
💡 Dica de especialista: combine no máximo um movimento do sujeito com um movimento de câmera. Mais de dois movimentos simultâneos costumam fazer os modelos escolherem um e ignorarem o resto, ou produzir resultados instáveis.
Modelos como o LTX 2 Pro e o Hailuo 02 lidam com instruções de movimento de câmera com consistência particular. Os dois estão disponíveis no PicassoIA.
Esta é a seção em que a maioria dos prompts erra, e corrigi-la gera a maior melhora única na saída de vídeo com IA.
A geração de vídeo com IA não é renderização de imagens estáticas. O modelo gera cada quadro com base na probabilidade do que vem a seguir. Seu prompt pode influenciar esse fluxo temporal sendo cronológico na estrutura.
Um pintor descreve o que é. Um diretor descreve o que acontece. Essas duas mentalidades produzem prompts completamente diferentes.
Mentalidade de pintor: "Uma paisagem de montanha com neve e névoa da manhã."
Mentalidade de diretor: "A névoa da manhã se agarra a um vale de montanha. Ao longo de vários segundos, um feixe quente de sol rompe a crista e varre lentamente o fundo do vale da esquerda para a direita, enquanto a névoa começa a se dissipar."
A segunda versão instrui o modelo sobre causalidade e sequência temporal, e não apenas sobre aparência.
Palavras que sinalizam mudança ao longo do tempo incluem:
Essas expressões ensinam ao modelo que se trata de um evento temporal, e não de uma descrição estática.
Um erro comum é descrever dois estados incompatíveis ao mesmo tempo. "Uma figura correndo rápido enquanto a câmera desliza suavemente" costuma produzir resultados instáveis, porque movimento rápido do sujeito e movimento lento da câmera são difíceis de harmonizar. Ou você desacelera o sujeito, ou ajusta a energia da câmera ao ritmo do sujeito.
A iluminação é onde a maioria dos prompts fica genérica demais. "Luz natural" ou "iluminação dramática" diz ao modelo quase nada.
| Expressão | Efeito visual |
|---|---|
| Hora dourada | Tons âmbar quentes, sombras longas e horizontais, luz suave que envolve o sujeito |
| Hora azul | Paleta fria e dessaturada, brilho ambiente do céu, profundidade do pré-amanhecer |
| Nublado difuso | Sem sombras duras, exposição uniforme, cores suaves |
| Sol de meio-dia a pino | Alto contraste, sombras curtas, cores saturadas |
| Silhueta em contraluz | Sujeito escuro contra um fundo claro, luz de contorno em halo |
| Luz volumétrica da manhã | Feixes de luz visíveis através da atmosfera, aspecto nebuloso |
Essas expressões são entendidas por todos os principais modelos de texto para vídeo, incluindo o Pixverse v5, o Wan 2.7 I2V e o Sora 2.
Acrescente elementos atmosféricos depois da descrição da iluminação principal:
Cada um deles acrescenta movimento ao vídeo além do movimento principal do sujeito, enchendo o quadro de vida sem exigir uma sequência de ação complexa.
Aqui está uma comparação direta para você ver a evolução na prática.
Prompt de imagem: "Uma mulher de vestido vermelho em pé em um campo de girassóis na hora dourada, lente de 85mm, profundidade de campo rasa, Kodak Portra 400."
Prompt de vídeo para a mesma cena: "Uma mulher de vestido vermelho fica de costas para a câmera em um campo amplo de girassóis na hora dourada. Ao longo do plano, ela levanta lentamente os braços para os lados, com as palmas voltadas para cima, enquanto uma brisa suave começa a passar pelas cabeças dos girassóis ao redor. A câmera faz uma órbita lenta, partindo de trás dela em direção ao lado direito, revelando seu perfil no último quadro. A luz quente lateral do sol baixo à direita cria uma forte luz de contorno ao longo do vestido e das cabeças de girassol mais próximas. Filmado em 85mm f/1.8, profundidade de campo rasa, granulação de filme Kodak Portra 400."
O prompt de imagem descreve um estado. O prompt de vídeo descreve um evento. Cada frase extra controla o comportamento temporal, e não apenas a aparência.
Estes são os padrões que produzem de forma confiável um vídeo fraco, com alternativas corrigidas.
Erro 1: nenhuma diretriz de movimento
Erro 2: pistas de estilo contraditórias
Erro 3: sujeitos demais
Erro 4: nenhum estado final definido
Erro 5: atmosfera genérica
Modelos diferentes respondem a estilos de prompt diferentes. Veja o que saber antes de gerar.
O modelo principal da ByteDance responde muito bem a estruturas de prompt cinematográficas e cronológicas. Seu suporte nativo a áudio faz com que prompts atmosféricos que descrevem chuva, ruído de multidão ou som ambiente frequentemente produzam áudio sincronizado. Inclua o ambiente sonoro com detalhes.
O Veo 3.1 do Google lida com cenas complexas de múltiplos elementos melhor do que a maioria dos modelos. Ele se beneficia de linguagem de movimento de câmera explícita e responde a termos da linguagem de cinema, como "plano geral de estabelecimento", "plano de acompanhamento" e "plano de reação". Forte para sequências narrativas.
O Kling v3 é otimizado para saída cinematográfica em 1080p. Use descrições de iluminação de alta especificidade e movimento preciso do sujeito. Ele lida especialmente bem com movimentos lentos e deliberados, e tem dificuldade com prompts que descrevem movimento caótico e simultâneo.
O modelo 2.7 da Wan trabalha com texto para vídeo em 1080p com forte consistência. Ele se beneficia de descrições detalhadas do ambiente e responde bem a detalhes de arquitetura e de cenas naturais. Excelente para planos de estabelecimento e narrativa ambiental.
O modelo da Lightricks prioriza velocidade e saída em 4K. Use prompts concisos e altamente específicos. Parágrafos longos diluem o sinal. Concentre-se em um sujeito, um movimento, um ambiente e uma condição de iluminação.
O Ray 2 da Luma é especialmente forte com movimento fluido e orgânico. Prompts que descrevem fenômenos naturais, como água, fogo, vento e crescimento orgânico, tendem a produzir resultados surpreendentemente convincentes aqui.
Depois de testar em vários modelos, esta estrutura de prompt produz resultados confiáveis:
[Sujeito + posição/estado inicial] + [o que o sujeito faz durante o plano] + [movimento de câmera] + [detalhes do ambiente/fundo] + [especificação de iluminação] + [detalhes de câmera/lente] + [atmosfera]
Escrito como um prompt completo:
"Uma jovem de cabelo escuro está sentada em uma mesa de madeira, com o queixo apoiado em uma das mãos, olhando para uma janela riscada pela chuva. Ao longo do plano, ela solta o ar devagar e os ombros relaxam; depois, estende a mão para fechar a tela do notebook. A câmera mantém um plano médio estático a partir do lado esquerdo dela. Atrás dela, gotas de chuva escorrem pelo vidro de uma janela grande que mostra uma paisagem urbana cinza e desfocada. Luz nublada e difusa preenche o quadro de forma uniforme a partir da janela, projetando sombras suaves sobre a superfície da mesa. Filmado em 50mm f/2.4, granulação de filme Kodak Portra 400, um leve tom de ambiente sonoro na sala."
Esse nível de especificidade é possível para qualquer cena em cerca de dois a três minutos. Não é complicado. Só exige pensar em termos temporais, e não estáticos.
O PicassoIA reúne mais de 87 modelos de texto para vídeo em um só lugar, do gerador gratuito e ilimitado PicassoIA Video até o Sora 2 Pro, o Gen 4.5, o Seedance 2.0 e o Kling v2.6.
Comece pela fórmula acima. Escolha uma cena. Escreva-a por completo usando os cinco elementos. Gere primeiro no modelo gratuito para testar a estrutura e depois passe para o modelo premium de sua preferência quando o movimento e o tempo estiverem certos.
O primeiro resultado não será perfeito. Essa não é a meta. A meta é entender qual elemento ajustar em seguida. Escrever prompts para vídeo com IA é uma habilidade que cresce rápido, e o ciclo de feedback no PicassoIA é rápido o bastante para iterar várias vezes em uma única sessão.
O seu melhor prompt de vídeo está a apenas uma revisão de um medíocre. Os modelos estão esperando.
Escolha seu idioma
