Guia de prompts para vídeo com IA: como escrever de verdade

O que torna um prompt de vídeo com IA eficaz

Um prompt para geração de vídeo com inteligência artificial funciona quando descreve o que acontece, não apenas o que se vê. Modelos de vídeo como Sora, Kling, Runway Gen-3, Veo e Pika reagem a frases que contêm quatro elementos: um sujeito claro, uma ação específica, um movimento de câmera definido e um estilo visual reconhecível. Deixar apenas um de fora produz clipes genéricos, tremidos ou incoerentes.

A regra básica: quanto mais precisamente o movimento é descrito, mais estável é o resultado. Um modelo de vídeo não interpreta atmosfera como um modelo de texto: interpreta verbos, direções e velocidades.

A estrutura do prompt em 5 blocos

Um prompt de vídeo eficaz quase sempre segue esta ordem, porque os modelos dão mais peso às palavras iniciais:

1. Sujeito: quem ou o que aparece, com detalhes físicos concretos («uma mulher de uns trinta anos com cabelo ruivo e um casaco bege»).
2. Ação: apenas um movimento principal por clipe («caminha lentamente em direção à câmera»). Ações múltiplas em um único prompt geram artefatos.
3. Câmera: tipo de enquadramento e movimento (veja a seção seguinte).
4. Ambiente e luz: lugar, hora do dia, tipo de iluminação («rua molhada ao pôr do sol, luz quente e rasante»).
5. Estilo: estética de referência («cinematográfico 35mm», «documentário», «anime anos 90»).

Escreva o prompt como uma claquete de filme: sujeito, ação, câmera, luz, lente. Se um diretor não pudesse filmar exatamente como está descrito, o modelo não vai gerar bem.

A linguagem da câmera: o vocabulário que realmente importa

O movimento de câmera é o bloco onde a maioria dos prompts falha. Use a terminologia do cinema, porque os modelos são treinados com dados rotulados assim:

Adicione sempre a velocidade: «slow», «gentle», «fast» são palavras que os modelos respeitam. Um «dolly-in» sem adjetivo frequentemente produz um movimento brusco demais para um clipe de 5-10 segundos.

Diferenças entre os modelos: como adaptar o mesmo prompt

Não existe prompt universal. Cada modelo tem seus vieses e sintaxe preferida:

• Sora e Veo: preferem prompts descritivos longos, quase parágrafos narrativos. Suportam bem detalhes de luz e atmosfera.
• Runway Gen-3: funciona melhor com prompts mais enxutos, sujeito + ação + câmera. Descrições muito longas diluem a ação.
• Kling: muito sensível a verbos de movimento e expressões faciais; ótimo para ações físicas complexas.
• Pika e modelos leves: convém um único conceito forte por clipe, sem subordinações complexas.

A estratégia correta é escrever um prompt master neutro e depois adaptá-lo: para Sora você expande em narrativa, para Runway reduz ao essencial. Teste o mesmo conceito em dois modelos antes de descartar uma ideia: muitas vezes o prompt não está errado, apenas é incompatível com aquele modelo.

Workflow prático: do conceito ao clipe utilizável

1. Defina uma única ação por clipe: 5-10 segundos de vídeo suportam um único movimento. Se precisar de mais ações, planeje mais clipes.
2. Escreva o prompt master com os 5 blocos em ordem.
3. Gere 3-4 variações sem alterar o prompt: avalie a variância natural do modelo antes de corrigir.
4. Diagnostique por sintoma: sujeito deformado → simplifique a ação; câmera aleatória → use «static shot»; estilo inconsistente → adicione referências explícitas («shot on 35mm film, shallow depth of field»).
5. Itere um único bloco por vez: mude a câmera, ou a luz, ou a ação. Modificar tudo ao mesmo tempo torna impossível saber o que melhorou ou piorou o resultado.
6. Fixe o seed quando o modelo permitir, para manter coerência entre iterações.

Erros comuns a evitar

• Prompts negativos longos: é melhor um breve «no text, no distortion» do que listas com dez exclusões.
• Ações compostas: «levanta-se, pega a xícara e sorri» quase sempre gera membros errados. Divida em três clipes.
• Física impossível: os modelos têm dificuldade com líquidos, mãos manipulando objetos e reflexos complexos. Descreva ações que a física do dataset suporta.
• Texto na tela: pedir títulos ou escritas dentro do vídeo quase sempre produz caracteres ilegíveis. Adicione o texto na pós-produção.
• Ignorar o primeiro frame: quando o modelo permite, use uma imagem inicial (image-to-video). Um bom primeiro frame corta pela metade o trabalho de prompt.

O que levar para casa

Um prompt de vídeo com IA eficaz não é poesia: é uma especificação técnica. Sujeito, ação única, câmera explícita, luz e estilo: esses cinco blocos, na ordem certa, valem mais do que qualquer adjetivo evocativo. Itere um bloco por vez, adapte o tamanho do prompt ao modelo que você usa e aproveite o image-to-video sempre que puder. Quem domina a linguagem da câmera e o diagnóstico por sintomas produz clipes utilizáveis em 2-3 iterações em vez de dez.