Prompts de Vídeo Cinematográfico com IA: Cinco Receitas de Plano que Você Pode Dirigir em Oito Segundos

A maioria dos clipes curtos de IA não falha porque a ideia era pequena demais. Falha porque o prompt nunca disse à câmera o que fazer. Peça "um plano cinematográfico épico de um músico" e você recebe um enquadramento aberto padrão com um leve deslizamento, porque cada palavra dessa frase — épico, cinematográfico, incrível — nomeia um sentimento em vez de uma decisão que o modelo possa executar.

O Veo 3 elevou a aposta para esse tipo de trabalho. O modelo gera imagem e som juntos, produzindo diálogo, efeitos sonoros e ruído ambiente de forma nativa, em vez de sobrepô-los depois (a página do Veo no Google DeepMind descreve isso como vídeo encontrando o áudio). Um único prompt agora pode retornar uma fala de diálogo com o movimento labial correspondente, passos sobre pedra molhada e o tom de ambiente por baixo. Isso transforma a criação de prompts em algo mais próximo de um briefing de plano do que de uma consulta de busca, e significa que prompts de vídeo cinematográfico com IA merecem a mesma disciplina que você daria a um roteiro de filmagem real.

Este guia trata de dirigir, não de descrever. Ele aborda a estrutura que mantém um prompt legível para o modelo, os limites físicos em torno dos quais você precisa projetar e cinco direções criativas — uma revelação de produto, uma batida de diálogo, um momento observado, uma transformação e um gancho vertical — que você pode construir hoje em uma ferramenta que prioriza o prompt, como o gerador Veo 3 no KOOX AI.

Por Que Adjetivos Cinematográficos Não Fazem Nada

A própria orientação do Google para o Veo é direta quanto à ordem: a cinematografia vem primeiro, porque o trabalho de câmera é "a ferramenta mais poderosa para transmitir tom e emoção" (a análise da Prompt Architects sobre a fórmula de cinco partes do Google). Os cinco slots seguem a ordem: cinematografia, sujeito, ação, contexto e, por fim, estilo e ambiência. Quando um slot é deixado vazio, o modelo o preenche com um padrão, e o padrão é sempre mais insosso que a sua ideia.

Movimentos de câmera nomeados carregam um significado denso. Um "dolly lento de aproximação" diz ao modelo o ritmo, a sensação da lente e a direção emocional do plano em três palavras; "movimento de câmera legal" não diz nada. A mesma lógica se aplica à luz. "Iluminação cinematográfica" é um painel de referências; "luz principal dura vinda de neon à esquerda da câmera, preenchimento suave da vitrine de uma loja à direita, contraste low-key" é uma instrução que um revisor pode de fato conferir.

O guia de prompts do Google DeepMind aplica o mesmo princípio na direção oposta: comece definindo o tipo de vídeo que você quer fazer — realista, animado, em stop-motion — e use o diálogo das personagens para definir o tom. Estilo primeiro, detalhe específico depois.

O Briefing de Plano em Seis Slots

Tudo o que segue se encaixa em um único modelo reutilizável. Preencha cada slot que importa e deixe o restante de fora; um plano silencioso de produto não precisa de diálogo, e um plano guiado por uma imagem de referência não precisa de um parágrafo sobre aparência.

• Sujeito — uma pessoa ou objeto com um detalhe identificador. "Uma mulher na casa dos 40 anos, cabelo escuro, vestindo um blazer de linho."
• Ação — um evento visível com uma direção. "Caminha devagar em direção à câmera, baixando o olhar uma vez."
• Cena — lugar, hora do dia, clima. "Uma livraria estreita ao anoitecer, chuva na janela."
• Câmera — um tamanho de plano, uma lente, um movimento. "Plano médio aproximado, 35mm, dolly lento de aproximação."
• Luz — fonte, direção, qualidade. "Luz quente de janela vinda da esquerda da tela, preenchimento suave, sem névoa."
• Áudio — diálogo entre aspas, efeitos e ambiência nomeados separadamente. "SFX: chuva no vidro, o som de uma porta. Ela diz: 'Estamos fechados.'"

Dois hábitos mantêm o modelo honesto. Primeiro, limite os modificadores: dois ou três por plano é o ponto ideal, e empilhar cinco movimentos contraditórios é o caminho mais rápido para um resultado confuso. Segundo, declare o movimento que você quer mesmo quando não quer nenhum — se você não escrever "estático" ou "travado", o modelo fica livre para acrescentar um deslizamento próprio.

Um exemplo desenvolvido, montado:

Plano médio aproximado de uma padeira cansada apoiada em um balcão de aço inoxidável depois de fechar, 50mm, câmera travada na altura dos olhos. Luz fluorescente quente acima, luz azulada e fria de poste pela janela, poeira de farinha no avental. Ela expira e diz baixinho: "Amanhã, começamos mais cedo." Áudio: zumbido de geladeira, uma assadeira assentando, chuva leve. Sem música.

Projete para Oito Segundos

O Veo 3.1 gera vídeos de oito segundos com áudio gerado de forma nativa, em 720p, 1080p ou 4K (documentação do Veo na API Gemini). Oito segundos não é uma limitação contra a qual lutar; é a unidade de trabalho. Um plano, um evento legível, um movimento de câmera. Uma folha de batidas de três momentos — estabelecer, mudar, concluir — cabe com folga, e um prompt que pede um plano-sequência de um minuto simplesmente será cortado.

A duração vem da montagem, e não de uma única geração. O recurso Extend continua um clipe a partir do seu segundo final, de modo que uma sequência pode crescer para um minuto ou mais mantendo a continuidade visual e de áudio (o anúncio do Veo 3.1 do Google). A geração de primeiro e último quadro conecta duas imagens em uma transição, e até três imagens de referência podem ancorar uma personagem, um produto ou um estilo quando a consistência importa. Se você está partindo de uma imagem estática em vez de uma frase, o mesmo briefing de plano se aplica ao image-to-video — descreva o que muda em relação ao quadro de origem, em vez de redescrever o que já está visível, como nestes fluxos de foto para vídeo.

Cinco Direções que Você Pode Dirigir Hoje

1. A revelação de produto com uma única mudança material. Escolha um único produto e uma mudança física: condensação surgindo em uma lata gelada, vapor enrolando-se sobre um prato, líquido assentando em um copo. Mantenha a câmera estática, ou dê a ela uma curta aproximação que para antes de o rótulo preencher o quadro. Peça uma única deixa sonora planejada e o tom de ambiente, e nada mais. O teste de avaliação é simples: o rótulo ainda está legível no quadro final?

2. A batida de diálogo. Um falante, uma fala curta, um plano médio ou fechado travado. Coloque a frase falada entre aspas para que o modelo a trate como fala, nomeie a entrega e mantenha a fala curta o suficiente para caber no clipe. Verifique a sincronia labial, a pronúncia e se legendas indesejadas se infiltraram antes de julgar a imagem.

3. O momento documental observado. Um acompanhamento com câmera na mão ou um travelling lento, um sujeito fazendo algo comum e específico — um ciclista esperando no sinal vermelho, um feirante fechando uma barraca. Mantenha a ambiência em camadas, mas discreta: zumbido da rua, uma campainha, um som de contato. Esta é a direção que mais recompensa a contenção, porque o movimento natural e a lógica espacial são o que faz um clipe parecer real.

4. A transformação surreal. Um objeto muda de estado dentro de um quadro travado: um tsuru de papel se desdobrando em um pássaro, areia se reorganizando em um rosto. O enquadramento travado é essencial, porque o clipe inteiro é a própria mudança. Dê ao momento sons materiais em vez de uma trilha, e certifique-se de que a transformação seja visível, e não implícita.

5. O gancho vertical. Ação imediata em um quadro vertical, um efeito nítido na primeira batida, o sujeito mantido dentro da área segura. Os formatos retrato e paisagem estão ambos disponíveis, então decida o enquadramento antes de escrever, não depois. Diga "estático" ou peça uma única aproximação curta; um gancho que desliza é um gancho que perde seu sujeito.

Cada uma dessas direções permanece dentro de um único evento de oito segundos, e é exatamente por isso que funcionam.

Dirija o Áudio Como uma Segunda Faixa

O áudio nativo é o recurso que a maioria das pessoas desperdiça. O Veo 3 gera diálogo, efeitos sonoros e ruído ambiente a partir do próprio prompt, e o Veo 3.1 estendeu esse suporte de áudio às ferramentas construídas sobre ele. Três convenções mantêm os resultados limpos:

• O diálogo vai entre aspas e é atribuído a um falante nomeado.
• Os efeitos são nomeados como efeitos — "SFX: um único deslize de alumínio, uma gota atingindo a pedra."
• A ambiência recebe sua própria frase: "tom de ambiente, tráfego distante, sem música."

O silêncio é uma escolha que vale a pena registrar. "Sem diálogo, sem música" é uma instrução legítima, e é a maneira honesta de manter limpo um plano de produto ou de natureza.

Construa uma Biblioteca, Revise Cada Tomada

Trate a iteração como mudar-uma-variável. Se a composição está errada, reescreva o slot da câmera; se o clima está errado, reescreva o slot da luz; se o movimento está errado, mantenha todo o resto e troque o único movimento. Comparar duas gerações que diferem em um único campo diz qual campo causou a diferença — e, quando você muda três coisas de uma vez, não aprende nada.

Com esse hábito de comparação, você pode manter uma pequena biblioteca de planos organizada por intenção — revelação, tensão, transição, prova —, com cada entrada contendo uma especificação de plano fixa com conteúdo variável. Reutilize a especificação e troque o sujeito para manter uma campanha visualmente coerente.

Duas regras mantêm a prática limpa. Os clipes gerados carregam uma marca d'água SynthID (cartão do modelo Veo 3), então não remova nem deturpe a procedência, e divulgue a geração por IA onde seu público, um cliente ou uma plataforma esperar isso. E não crie prompts para pessoas reais identificáveis, personagens protegidas ou produtos de marca que você não tem o direito de usar. Um briefing de prompt é um plano, não uma autorização.

Comece por Uma Linha

A diferença entre um clipe que parece gerado e um que parece dirigido costuma ser de duas ou três palavras específicas: o nome de um movimento de câmera, a direção de uma luz, a textura de um som. Escreva o sujeito, dê à câmera uma única tarefa, nomeie sua luz, especifique o som e projete para oito segundos. Então gere, mude uma coisa e gere de novo.

Abra o gerador de vídeo Veo 3, escreva seu primeiro briefing de plano e deixe a câmera fazer a atuação.