Cinematografia de nível cinematográfico em vídeos de IA: guia de prompts para Kling, Veo, Grok Imagine e Seedance

Os modelos de vídeo com IA conseguem executar instruções explícitas de movimento de câmera em prompts de texto quase tão confiavelmente quanto um cinegrafista real seguindo um storyboard — você só precisa nomear o movimento de câmera com precisão e descrever o que a câmera está fazendo, não apenas o que está na cena. Testamos seis movimentos de câmera cinematográficos essenciais — dolly in, dolly out, pan, orbit, tracking/follow e crane — em quatro modelos de vídeo online da hiapi (Kling 3.0 Turbo, Veo 3.1, Grok Imagine 1.5, Seedance 2.5), além de um truque extra exclusivo do Seedance 2.5: transferir a trajetória de movimento de câmera de um vídeo de referência para um sujeito completamente diferente. Cada clipe abaixo é uma saída real gerada com nossos próprios prompts, incorporada e pronta para reprodução.

Resumo

• Nomear explicitamente o movimento de câmera ("camera slowly pushes in", "wide pan", "camera orbits") é a maior alavanca para dar aos vídeos de IA uma sensação cinematográfica — prompts vagos tendem a produzir apenas tomadas estáticas ou com deriva.
• Entre os quatro modelos que testamos, dolly in e orbit são os movimentos mais confiáveis; whip pan e movimentos compostos complexos são os menos confiáveis e é melhor evitá-los em um único prompt.
• O modo reference-to-video do Seedance 2.5 pode extrair a trajetória de movimento de câmera de um vídeo existente através do token @video1 e aplicá-la a um novo sujeito — útil quando você já encontrou um movimento de câmera que funciona e quer reutilizá-lo.
• O Veo 3.1 tende a produzir a maior faixa dinâmica de velocidade de câmera (de pans macro extremamente lentos a órbitas aéreas rápidas); Kling 3.0 Turbo e Grok Imagine 1.5 são mais estáveis em movimentos de câmera de estilo produto em close.
• Nenhum desses clipes precisou de estabilizador, drone ou storyboard — apenas um prompt bem escrito e o modelo adequado para aquele movimento de câmera.

Por que especificar o movimento de câmera é importante

Prompts genéricos como "cinematic shot of X" quase não dizem ao modelo como a câmera deve se mover, então ele recorre ao padrão estatisticamente mais comum nos dados de treinamento — geralmente uma imagem estática ou com leve deriva. A solução é tratar a câmera como um personagem com seus próprios verbos: pushes in, pulls out, pans, orbits, tracks, rises. Os seis movimentos de câmera essenciais abaixo têm cada um sua seção, com prompts reais, clipes reais e uma indicação de qual modelo lida melhor com ele.

1. Dolly in (Push in)

O dolly in move a câmera em direção ao sujeito, apertando o enquadramento e intensificando a tensão — o clássico plano de revelação "a câmera se aproxima furtivamente". Testamos a mesma ideia em três modelos e sujeitos diferentes.

Grok Imagine 1.5 — Trailer de produto

Prompt:

A câmera empurra lentamente em direção ao tênis de corrida, finas partículas de poeira flutuam para cima, cintilando na luz de contorno quente, a textura delicada do camurça brilha suavemente, sem tremor de câmera

Kling 3.0 Turbo — Push in atmosférico

Prompt:

Um mestre do chá panda-vermelho serve delicadamente um chá brilhante, o vapor sobe e gira, a luz das lanternas cintila suavemente, a câmera empurra lentamente para dentro

Seedance 2.5 — Dolly com deriva vertical

Prompt:

Dolly lento e constante em direção a uma xícara de café fumegante, a câmera desliza para frente e ligeiramente para baixo, o vapor sobe em espiral na luz suave da manhã, leve microtremor de câmera na mão, profundidade de campo rasa cinematográfica, color grading quente e natural

O dolly in foi o movimento de câmera mais confiável em nossos testes — os três modelos respeitaram a formulação "pushes in"/"dolly-in" e mantiveram o sujeito centralizado e nítido durante o movimento. Se você só for dominar uma instrução de movimento de câmera, comece por aqui.

2. Dolly out (plano de revelação)

O dolly out expande o quadro para fora, geralmente usado para revelar a escala ou o ambiente que o espectador não consegue ver em close. Usamos o Veo 3.1 para isso, porque ele consegue renderizar paisagens aéreas amplas de forma convincente.

Prompt:

Dolly out aéreo do mercado noturno de Marrakech, barracas iluminadas por lanternas, crepúsculo

O dolly out funciona melhor quando a câmera precisa recuar de um sujeito em primeiro plano denso e rico em detalhes — cenários vazios ou simples não têm nada a revelar.

3. Pan (Panorâmica ampla)

O pan faz a câmera girar horizontalmente a partir de um ponto fixo, varrendo a cena sem se mover para frente ou para trás. É o movimento a usar quando você quer estabelecer a escala de uma paisagem horizontal.

Prompt:

Manada de renas migrando sob a aurora verde, planície nevada, wide pan

Note que nem precisamos escrever explicitamente "camera pans" — o "wide pan" isolado já foi suficiente para o Veo 3.1 interpretá-lo como instrução de câmera, e não como descrição da distribuição do rebanho. Escrever explicitamente ainda é mais seguro, mas o modelo é relativamente flexível quanto à posição da instrução no prompt.

4. Orbit (movimento ao redor do sujeito)

O orbit faz a câmera girar em torno de um sujeito fixo, mantendo-o centralizado enquanto o fundo gira atrás dele — uma técnica comum em publicidade de produtos, porque mostra cada ângulo em um único plano contínuo.

Prompt:

A câmera orbita suavemente ao redor de um tênis de corrida flutuante, partículas de poeira giram e capturam a luz âmbar, uma névoa atmosférica suave ao longe passa pelo fundo do cânion

O Grok Imagine 1.5 manteve o sujeito perfeitamente estável durante toda a órbita, que é exatamente a dificuldade desse movimento de câmera — se o sujeito sair do centro, mesmo que levemente, a órbita parece material de câmera na mão descuidado, em vez de um movimento mecânico travado.

5. Plano de acompanhamento (Tracking/Follow)

O plano de acompanhamento se move ao lado de um sujeito em movimento, igualando sua velocidade e direção — a câmera se torna uma companheira de corrida, não um observador fixo.

Prompt:

Um filhote de corgi fofo correndo em câmera lenta por um gramado ensolarado, orelhas balançando, contraluz de golden hour, plano de acompanhamento cinematográfico

O Kling 3.0 Turbo acompanhou o ritmo do sujeito sem que a distância entre câmera e sujeito derivasse — o gramado atrás do corgi apresenta um desfoque de movimento convincente, e não arrasto, que é a pista comum para saber se um plano de acompanhamento deu errado.

6. Crane (subida/descida)

O movimento de crane faz a câmera se mover verticalmente, geralmente subindo para revelar escala, ou passando de um momento íntimo para um panorama amplo.

Prompt:

Balão subindo sobre um vale dourado, a câmera sobe, i2v from still

Aqui usamos o Veo 3.1 Fast — a versão fast troca um pouco de detalhe de ponta por menor custo e latência, e para uma subida vertical suave como esta, a diferença não aparece no resultado.

Truque extra: transferir a trajetória de movimento de câmera com reference-to-video do Seedance 2.5

O endpoint reference-to-video do Seedance 2.5 faz algo que os cinco movimentos acima não fazem: ele permite apontar para um vídeo existente com o token @video1 e instruir o modelo a preservar a coreografia de câmera desse vídeo — movimento, ritmo e composição — enquanto substitui completamente o sujeito ou o estilo visual. Isso significa que, assim que você encontrar um movimento de câmera de que goste, pode reutilizá-lo em um novo sujeito sem precisar redescobrir tudo do zero.

Prompt:

Use @video1 como única referência visual. Preserve as marcas reconhecíveis do corgi, o ritmo da corrida, o timing das passadas, a orientação do corpo, o impulso para frente e o movimento de câmera de acompanhamento lateral em ângulo baixo. Reimagine toda a cena como um filme de stop-motion artesanal feito com feltro, lã, grama em miniatura e cenários de papel pintados à mão. Mantenha o contraluz quente do pôr do sol e o ritmo contínuo de perseguição, com textura artesanal delicada e profundidade de campo natural. Mantenha um único corgi coerente durante todo o plano, com estrutura de pernas estável, movimento suave para frente e trajetória de câmera contínua. Não introduza animais adicionais, texto, logotipos, cortes bruscos ou objetos não relacionados.

Este prompt aplica a trajetória de câmera de acompanhamento lateral em ângulo baixo do nosso clipe do corgi no gramado a uma refilmagem em stop-motion de feltro da mesma ação — o mesmo plano de acompanhamento, um meio visual completamente diferente. Também usamos essa técnica para migrar a trajetória de câmera de um anúncio de produto para outro produto (trocando o tênis de corrida por um frasco de perfume via @image1), e para combinar a coreografia de câmera de um vídeo de referência, o sujeito de uma imagem de referência e o ritmo de uma faixa de áudio de referência (usando @video1 + @image1 + @audio1 juntos) — o endpoint aceita qualquer combinação dos três tipos de referência em uma única chamada.

Qual modelo usar para cada movimento de câmera?

Com base neste conjunto de testes:

• Dolly in e orbit: os quatro modelos lidaram bem; escolha pelo sujeito (Grok Imagine 1.5 e Seedance 2.5 para produtos/natureza-morta, Kling 3.0 Turbo para cenas com personagens/comida).
• Dolly out e pan: o Veo 3.1 produziu os planos de paisagem ampla mais convincentes — é a melhor escolha quando o movimento precisa cobrir grandes paisagens em vez de um sujeito de mesa.
• Tracking/follow: nos nossos testes, o Kling 3.0 Turbo acompanhou o sujeito em movimento de forma limpa; este é o movimento de câmera mais sensível à correspondência de velocidade do sujeito, então clipes curtos (até 6 segundos) são mais seguros.
• Crane: o Veo 3.1 Fast lidou suavemente com a subida vertical a um preço por segundo menor que o Veo 3.1 padrão — para movimentos simples de eixo único como este, vale a pena testar a versão Fast primeiro.
• Reutilizar trajetórias de câmera em outros sujeitos: o reference-to-video do Seedance 2.5 é o único endpoint do grupo construído especificamente para essa tarefa.

Sobre preços (tarifas atuais na página de preços em tempo real da hiapi): Kling 3.0 Turbo 720p custa $0.13/segundo; Seedance 2.5 image-to-video e text-to-video 720p custam $0.204/segundo, reference-to-video 720p custa $0.2715/segundo e 480p custa $0.1215/segundo, cobrados com base na duração do vídeo de referência mais a duração da saída; o Grok Imagine 1.5 é o mais barato dos quatro, $0.015/segundo (480p) ou $0.0282/segundo (720p); o Veo 3.1 sem áudio nativo 720p custa $0.29/segundo ($0.57/segundo com áudio), e o Veo 3.1 Fast cai para $0.17/segundo e $0.25/segundo, respectivamente. Se você está testando prompts de movimento de câmera antes de renderizar de verdade, o Grok Imagine 1.5 ou o Veo 3.1 Fast são as formas mais baratas de iterar.

Perguntas frequentes

Preciso escrever explicitamente "camera" para que o modelo trate isso como uma instrução de câmera? Geralmente sim, mas nem sempre — no nosso teste de pan, o "wide pan" isolado foi interpretado corretamente mesmo sem a palavra "camera". Mas escrever explicitamente "camera pans", "camera pushes in" etc. ainda é mais seguro, especialmente em prompts longos, onde a instrução pode se perder entre detalhes de sujeito e iluminação.

Posso combinar dois movimentos de câmera em um único prompt, como um push in que vira orbit? Pode tentar, mas nos nossos testes um único movimento de câmera claramente nomeado produziu resultados mais confiáveis do que movimentos compostos. Se você precisa de um plano com vários movimentos, geralmente é mais confiável gerar dois clipes (um para cada movimento) e editar entre eles, em vez de pedir que uma única geração faça os dois.

Qual modelo é melhor para iniciantes experimentarem prompts de movimento de câmera? Grok Imagine 1.5, principalmente pelo custo — $0.015–$0.0282/segundo é barato o suficiente para ajustar a formulação repetidamente sem se preocupar com gastos, e ele lidou de forma confiável com dolly in e orbit nos nossos testes.

Para prompts de movimento de câmera, image-to-video ou text-to-video funciona melhor? Os dois funcionam, mas image-to-video (começando de um frame estático) dá mais controle sobre a composição antes de a câmera começar a se mover, porque o frame inicial já está travado. Quando você ainda está experimentando o próprio movimento de câmera, e não a composição exata, text-to-video itera mais rápido.

Se você quiser executar esses prompts por conta própria, todos os modelos mencionados aqui estão disponíveis na lista de modelos de vídeo da hiapi, com o formato de API consistente entre modelos — basta trocar o campo model e os campos de mídia de referência, mantendo o mesmo fluxo de envio de tarefa e polling.