Prompts de imagem para vídeo: um esqueleto de cinco linhas que sobrevive a qualquer foto

Um prompt de imagem para vídeo não é a descrição de uma cena. A cena já está na sua tela: a cor do casaco, a luz da janela, o formato do copo, o recorte exato. O que uma imagem estática não consegue dizer ao modelo é o que deve acontecer em seguida, e é só nisso que vale a pena gastar palavras.

A maioria dos clipes decepcionantes vem de prompts que descrevem a fotografia de volta ao modelo. Dez adjetivos sobre uma mulher de casaco vermelho não dão ao gerador nada para animar, então ele acrescenta a sua própria deriva, o seu próprio zoom, o seu próprio balanço lento. Os prompts que se sustentam são mais curtos e mais estruturados: uma linha para travar o quadro, uma para nomear uma única ação visível, uma para tomar uma decisão de câmera, uma para definir o ritmo e uma para listar o que não pode mudar.

O que a imagem estática já decidiu

Uma foto de origem chega com a maior parte do prompt já respondida. O assunto está escolhido, a luz tem uma direção, a composição tem um recorte e a paleta está fixa. O guia de prompts do Kling apresenta uma estrutura de seis partes - assunto, ação, cena, câmera, iluminação, clima - e, quando você anima uma imagem estática, quatro dessas seis já estão visíveis no arquivo. Só ação e câmera estão genuinamente em aberto, e o clima normalmente já está implícito na luz que você não pode mudar de qualquer forma.

É por isso que um prompt de imagem para vídeo deve ser muito mais curto que um prompt de texto para vídeo. A biblioteca de prompts da Founderz enuncia a mesma exigência na direção oposta: um bom prompt de vídeo com IA nomeia uma ação visível, o plano e o movimento de câmera, a luz, a duração e o que não pode mudar. Numa imagem estática, a luz já está dada. As outras quatro são suas.

Então trate o prompt como um orçamento de movimento. Cada frase que você gasta reafirmando a imagem é uma frase que você não gastou na mudança, e o modelo preenche essa lacuna com movimento genérico: um avanço lento que ninguém pediu, um tremor por todo o quadro, um assunto que começa a respirar quando deveria estar congelado.

O esqueleto de cinco linhas

Escreva cinco linhas nesta ordem. Juntas, elas somam cerca de quarenta a sessenta palavras, que é o tamanho certo para um clipe de poucos segundos.

• Âncora. Trave o que o modelo não tem permissão de redesenhar: "mesmo enquadramento, mesma lente, mesma luz da imagem de origem". Sem uma âncora, o modelo trata a foto como sugestão e a recompõe, e é daí que vêm recortes desencontrados e horizontes à deriva.
• Ação. Um verbo visível ligado a um assunto: "ela vira a cabeça alguns graus na direção da janela e para". Uma ação, não uma sequência. Duas ações no mesmo clipe geralmente significam que nenhuma se completa.
• Câmera. Nomeie um movimento e a sua escala: "avanço lento, terminando cerca de dez por cento mais perto, centrado no rótulo". Se o plano não precisa de movimento de câmera, diga isso explicitamente - "câmera estática" é uma instrução válida e muitas vezes melhor.
• Ritmo. Amarre a ação ao tempo: "quase imóvel no primeiro segundo, a virada se completa até o terceiro, o último segundo segura". Os modelos distribuem o movimento por todo o clipe por padrão, o que soa como deriva lenta constante; dar um cronograma a eles faz o movimento parecer deliberado.
• Lista de congelamento. As coisas que não podem mudar nem aparecer: "o rótulo continua voltado para a câmera e permanece nítido, nenhuma mão entra no quadro, nenhum objeto novo, a boca continua fechada". Expectativas negativas só funcionam quando são específicas.

Leia as cinco linhas na ordem e você tem um plano de filmagem que cabe numa mensagem de texto. Leia fora de ordem, ou pule uma, e você geralmente consegue prever qual falha vai aparecer.

Quatro fotos, um esqueleto

O esqueleto é portátil porque nunca menciona um assunto. Aqui estão as mesmas cinco linhas preenchidas para quatro tipos comuns de imagem de origem.

Um retrato junto a uma janela. Âncora: mesmo recorte, mesma luz lateral suave. Ação: ela vira a cabeça ligeiramente na direção da janela e se acomoda. Câmera: estática. Ritmo: quase imóvel no primeiro segundo, a virada termina até o terceiro, segura até o fim. Lista de congelamento: mesma linha do cabelo e mesma linha do fundo, boca fechada, nenhuma mão. A ação pequena é o ponto central - uma virada de cabeça de alguns graus soa viva, enquanto uma volta completa do corpo dá ao modelo tempo para inventar um segundo rosto.

Um produto sobre fundo infinito. Âncora: mesma composição centralizada e mesma sombra na superfície. Ação: a garrafa gira no máximo quinze graus para que o rótulo pegue a luz. Câmera: avanço muito lento. Ritmo: a rotação começa de imediato, o avanço continua de forma uniforme até o último quadro. Lista de congelamento: o texto do rótulo permanece nítido e legível, nenhum reflexo varre o rótulo, nenhuma partícula flutuante. Clipes de produto falham primeiro no texto, então a lista de congelamento faz a maior parte do trabalho aqui.

Uma bebida com vapor visível. Âncora: mesmo copo, mesma borda de mesa, mesma contraluz. Ação: o vapor sobe em espirais e rareia; a condensação fica onde está. Câmera: estática. Ritmo: contínuo, sem suavização, movimento uniforme em todo o clipe. Lista de congelamento: nada de servir, nada de gelo novo, nenhum movimento do líquido. Movimento ambiente é o tipo mais fácil de acertar porque o próprio assunto não precisa mudar - só o ar ao redor dele.

Um interior ou uma paisagem. Âncora: mesmo horizonte e mesmo enquadramento. Ação: a cortina se move ligeiramente; folhas distantes se deslocam. Câmera: deriva lateral lenta para a direita. Ritmo: velocidade constante do primeiro quadro ao último. Lista de congelamento: o horizonte permanece nivelado, nenhum móvel novo, nenhuma pessoa. Este é o único caso em que uma câmera em movimento se justifica, porque um quadro com primeiro plano, plano médio e fundo se separa em camadas conforme a câmera avança - o efeito que faz uma imagem plana parecer tridimensional.

Tome uma decisão de câmera, não três

A linha de câmera é onde os prompts costumam exagerar. A análise do Getimg sobre movimentos de câmera cinematográficos em IA apresenta o argumento com clareza: cada um dos sete movimentos padrão - avanço, revelação por recuo, acompanhamento lateral, órbita, revelação por tilt, subida de grua, acompanhamento com câmera na mão - cumpre um trabalho específico, e escolher o movimento certo importa mais do que empilhar vários. O diagnóstico deles para a falha comum é exato: o resultado ganha um zoom aleatório, uma deriva instável ou uma câmera flutuando sem direção, porque nenhuma decisão de câmera foi tomada.

Duas consequências práticas decorrem disso. Primeiro, nomeie a velocidade além do movimento, porque "avanço" sozinho pode chegar como um salto brusco. Segundo, verifique se o quadro de origem consegue sustentar o movimento que você quer. Uma deriva lateral ou uma órbita precisa de profundidade para revelar; num quadro plano, com tudo à mesma profundidade, não há nada a separar, e o mesmo movimento soa como um deslizamento. Se a sua foto é plana, escolha um avanço e deixe a ação do assunto carregar o clipe.

Leia o clipe pelo sintoma, depois corrija uma linha

Quando um clipe sai errado, a tentação é reescrever tudo. Resista. Quase toda falha corresponde a uma única linha do esqueleto, e corrigir essa linha é uma edição de dez segundos.

• O quadro inteiro deriva ou respira: a linha da âncora ou da câmera está vaga. Acrescente "câmera estática, quadro travado em tripé" e repita o enquadramento original.
• O rosto muda de identidade entre quadros: está acontecendo coisa demais ao mesmo tempo. Congele a câmera e reduza a ação a um único movimento pequeno.
• Tudo se move ao mesmo tempo, inclusive o que deveria estar parado: a lista de congelamento está ausente ou abstrata demais. Nomeie os elementos que ficam no lugar.
• Parece um zoom de apresentação de slides, sem vida: a linha de ritmo está ausente, então o movimento se espalha de maneira uniforme. Dê à ação um início, um fim e uma pausa.
• Um objeto novo ou um par de mãos aparece: a lista de congelamento precisa de um negativo duro - "nenhuma mão entra no quadro, nenhum objeto novo, nenhum texto acrescentado".
• O clipe colapsa no final ou faz loop mal: o último segundo nunca foi escrito. Declare como é o quadro final e corte ali.

Mantenha os segmentos curtos e corte em vez de estender

A geração é curta por design, e estender um clipe tende a acumular pequenos erros: o rosto amolece, o rótulo se deforma, o fundo ganha detalhe que nunca existiu. Planeje alguns segmentos limpos em vez de um plano longo. Escreva as mesmas cinco linhas para cada segmento, mudando apenas a ação e a escala de câmera, e depois monte-os numa batida de movimento. O resultado soa como uma sequência, e não como um plano único que se degrada.

Onde rodar o esqueleto

O gerador de imagem para vídeo Wan 2.6 da KOOX AI é construído exatamente em torno dessa separação: você fornece a imagem de origem, depois descreve o movimento, a direção de câmera e o clima, e itera até que o clipe corresponda ao objetivo. A página é explícita ao dizer que a imagem original está ali para manter estáveis a identidade do assunto, o enquadramento e a composição enquanto o movimento é acrescentado - o que é a linha da âncora, imposta pela ferramenta e não pela sua redação.

Se você prefere partir de uma foto que você já tem em vez de gerar um novo quadro, a ferramenta converter foto em vídeo segue o mesmo formato de três passos e funciona melhor com uma imagem nítida, bem iluminada e com um assunto visível. E se você quiser ir além de um único movimento na linguagem de câmera, as cinco receitas de plano mostram como dirigir uma sequência curta em vez de um único clipe.

Uma verificação pré-voo de sessenta segundos

Antes de clicar em gerar, leia o seu prompt e responda a cinco perguntas. O enquadramento está travado? Existe exatamente uma ação visível? Existe exatamente uma decisão de câmera, com uma velocidade? O movimento está agendado no tempo? Existe uma lista de coisas que não podem mudar nem aparecer?

Cinco "sim", e você tem um prompt que consegue depurar. Um "não", e você sabe qual linha editar antes de gastar outra geração com ele. O esqueleto não é uma fórmula para uma boa ideia - é o que permite dizer, a partir do resultado, se o problema era a sua ideia ou a sua redação.