Guia de uso
Receitas de prompts de imagem para vídeo do Flux-3-Max: modelos prontos para copiar e colar para desenvolvedores
Estruturas reutilizáveis de descrição do primeiro frame, formulação de movimento e câmera, e prompts negativos de estabilidade
Nesta página
Por que a estrutura do prompt importa mais do que o comprimento do prompt
Desenvolvedores que estão começando com imagem para vídeo costumam escrever prompts como roteiros: um grande bloco de texto descrevendo a história de fundo do personagem, emoções, paleta de cores e uma dúzia de coisas que deveriam acontecer. Essa abordagem falha porque o modelo não está lendo uma narrativa — ele está fazendo uma geração curta condicionada ao frame de origem. Quanto mais prosa você adiciona, mais difuso fica o sinal.
O que realmente funciona é uma estrutura ordenada. Um prompt para flux-3-max/image-to-video deve parecer um pequeno arquivo de configuração: primeiro ancore a imagem, depois declare o movimento, por fim restrinja a saída. Cada bloco responde a uma pergunta.
- Bloco do primeiro frame — o que já está visível na imagem de origem? Sujeito, cena, iluminação.
- Bloco de movimento — o que muda no clipe? Ação do sujeito e movimento de câmera.
- Bloco negativo — o que nunca deve aparecer? Apenas categorias de artefatos.
Essa ordem importa porque o modelo presta atenção primeiro ao frame de origem. Se o texto inicial descreve uma cena que não corresponde à imagem, tudo o que vem depois deriva. Se o texto inicial confirma a imagem, o modelo tem uma base estável para aceitar as instruções de movimento seguintes.
O comprimento em si não é o inimigo — a redundância é. Dez palavras que fazem cada uma o seu papel valem mais do que cem palavras que repetem umas às outras. Ao revisar um prompt, pergunte sobre cada frase: isso mudará o que o modelo renderiza? Se não, apague. É por esse motivo que os modelos mais adiante neste guia são curtos.
Lembre-se de mais uma regra: o prompt não é uma lista de desejos. Empilhar instruções concorrentes (“aproximar lentamente enquanto orbita e se afasta”) coloca o modelo diante de uma lógica física contraditória, e o resultado costuma ser tremor em vez de movimento suave. A formulação com intenção única atravessa todas as seções abaixo.
Bloco de descrição do primeiro frame
O bloco do primeiro frame é uma descrição do que já existe na imagem de origem, reescrita na linguagem do modelo. Você não está inventando a cena — está dizendo ao modelo o que ele está vendo, para que as instruções de movimento tenham um sujeito sobre o qual agir.
Sujeito
Nomeie o sujeito principal com uma locução nominal, acrescentando um adjetivo de material ou estado se necessário: uma caneca de cerâmica sobre a mesa, uma mulher de camisa de linho, uma crista de montanha ao crepúsculo. Evite adjetivos que descrevam emoção — eles não pertencem ao prompt porque não podem ser mapeados para pixels.
Cena
Descreva o ambiente com uma oração: em um estúdio iluminado, contra uma parede de concreto, em uma trilha na floresta. Isso ajuda o modelo a decidir quais partes do fundo devem permanecer estáveis e quais podem mudar.
Iluminação
A iluminação é a parte menos especificada na maioria dos prompts, mas a mais visível na saída. Uma oração curta basta: luz suave de janela vinda da esquerda, luz do dia nublado, iluminação quente. Especificar a direção da luz, e não apenas a qualidade, permite que o modelo mantenha suposições consistentes de claro e escuro entre os frames.
O que não incluir
O bloco do primeiro frame não é lugar para história de fundo, emoção ou eventos futuros. Se você quer que o sujeito sorria, isso é uma instrução de movimento, não uma descrição. Manter esse bloco puramente descritivo evita que o modelo alucine detalhes que a imagem não sustenta.
Um bloco completo do primeiro frame poderia ser: uma caneca de cerâmica sobre uma mesa de madeira, em um estúdio iluminado, luz suave de janela vinda da esquerda. Isso é toda a ancoragem. Tudo depois é movimento.
Formulação de movimento e movimento de câmera
A formulação de movimento funciona melhor quando é específica, curta e de intenção única. O modelo responde a verbos de movimento e a geometria de câmera, não a abstrações de diretor.
Movimento do sujeito
Use uma oração de ação: o vapor sobe lentamente, ela vira levemente a cabeça, o tecido ondula ao vento. Mantenha sujeito e verbo próximos. Evite encadear duas ações no mesmo sujeito, a menos que estejam naturalmente relacionadas — ele levanta a caneca e dá um gole funciona; ele levanta a caneca enquanto se afasta não.
Movimento de câmera
O movimento de câmera é melhor expresso em uma única frase que indique a operação e a direção: aproximação lenta, panorâmica da esquerda para a direita, orbitar o sujeito, leve inclinação para cima. Palavras como lenta ou leve costumam ser mais úteis do que velocidades numéricas, porque definem a intenção sem exigir uma taxa precisa que o modelo não consegue cumprir de forma confiável.
Escolha um único movimento de câmera por clipe. Empilhar movimentos é a causa mais comum de saída instável: ao pedir aproximação e órbita ao mesmo tempo, o modelo tenta satisfazer ambos, causando distorção ao redor das bordas do sujeito. Se você realmente precisa de movimento composto, divida em dois clipes ou aceite que o segundo movimento será apenas aproximado.
Separar sujeito e câmera
Escreva o movimento do sujeito e o movimento de câmera como duas frases independentes. O vapor sobe lentamente. Aproximação lenta. Assim você pode mudar um sem tocar no outro — como a seção de iteração explica, é assim que se depura um prompt.
Frases a evitar
Evite direções abstratas: cinematográfico, épico, dinâmico, emocional. Elas não especificam mudanças de pixels e só adicionam ruído. Se você quer um visual específico, descreva a geometria de câmera ou a iluminação, não a sensação.
Prompts negativos de estabilidade que realmente ajudam
Prompts negativos costumam ser usados erroneamente como uma segunda descrição de estilo — para listar tudo do que você não gosta. Isso restringe demais o modelo e muitas vezes piora a saída, porque a geração agora precisa evitar muitas coisas ao mesmo tempo em vez de fazer bem uma coisa.
No flux-3-max/image-to-video, o uso eficaz de prompts negativos é a supressão de artefatos. Termos negativos estreitos e técnicos dizem ao modelo quais modos de falha evitar, sem tocar na direção criativa.
Termos negativos úteis para artefatos
distorção,deformação,cintilação— problemas de estabilidade temporal.membros extras,rostos duplicados— erros estruturais ao redor de pessoas.artefatos de texto,marca d'água— detalhes indesejados semelhantes a glifos.bordas desfocadas,serrilhado nos contornos— instabilidade de contorno.
Todos esses descrevem como a geração falha, não como você quer que ela se pareça. Esse é o teste para decidir se um termo negativo deve ficar.
Termos negativos geralmente prejudiciais
Evite termos negativos de estilo: sem estilo cinematográfico, sem desenho animado, sem cores vibrantes. Eles competem com o prompt positivo e podem deixar a saída sem graça. Se o prompt positivo estiver bem especificado, termos negativos de estilo são desnecessários.
Mantenha a lista curta
Dois a cinco termos negativos estreitos costumam bastar. Listas negativas longas demais aumentam a probabilidade de restrições contraditórias, e o modelo pode suprimir detalhes legítimos junto com os artefatos. Comece pelos itens de estabilidade temporal e de borda, e só acrescente outros quando observar os artefatos correspondentes em execuções de teste.
Modelos de receita prontos para copiar
Esses esqueletos seguem a ordem das seções anteriores: bloco do primeiro frame, depois movimento, por fim termos negativos. Substitua os espaços entre colchetes e mantenha a estrutura.
Clipe de produto
[locução nominal do produto] sobre [superfície], em [ambiente], [direção e qualidade da iluminação].
[um movimento sutil do sujeito, por exemplo reflexo se deslocando / luz passando pela superfície].
[um único movimento de câmera, por exemplo aproximação lenta / leve órbita].
Negativo: distorção, cintilação, artefatos de texto.
Clipe de retrato
[locução nominal da pessoa] vestindo [roupa], com fundo [fundo], [direção e qualidade da iluminação].
[um pequeno movimento do sujeito, por exemplo leve virada da cabeça / piscar de olhos].
[um único movimento de câmera, por exemplo aproximação lenta / leve inclinação para cima].
Negativo: distorção, membros extras, rostos duplicados.
Clipe de ambiente
[locução nominal de paisagem ou interior], [hora do dia e clima], [direção e qualidade da iluminação].
[um movimento ambiental, por exemplo nuvens à deriva / folhas balançando ao vento].
[um único movimento de câmera, por exemplo panorâmica lenta da esquerda para a direita / leve inclinação para cima].
Negativo: cintilação, bordas desfocadas, deformação.
Regras de adaptação
- Mantenha a locução do sujeito com um substantivo e, no máximo, um modificador.
- Quando quiser uma ação diferente, mude apenas o verbo de movimento — mantenha a estrutura fixa.
- Se o clipe parecer instável, remova primeiro o movimento de câmera antes de fazer outras mudanças; manter apenas o movimento do sujeito costuma ser uma base mais segura.
Esses modelos são pontos de partida, não prompts finais. A interação entre o frame de origem e a formulação é maior do que a maioria dos desenvolvedores imagina, então trate cada modelo como uma hipótese: valide em uma execução curta antes de usá-lo em lote.
Iteração entre clipes e processamento em lote
A maneira mais rápida de chegar a um bom prompt é mudar uma variável por vez e verificar em uma execução curta. Um ciclo prático é assim:
- Escreva um prompt a partir do modelo mais próximo.
- Gere um clipe curto.
- Compare com o frame de origem — o sujeito foi preservado? O movimento é de intenção única? Há artefatos?
- Identifique o bloco responsável e mude apenas esse bloco.
- Gere novamente e compare.
Esse ciclo é propositalmente lento no primeiro clipe e rápido depois, porque cada bloco fixado se torna um ativo reutilizável. A maior parte da instabilidade remonta a movimentos de câmera empilhados (bloco de movimento) ou a locuções do sujeito que não correspondem à imagem (bloco do primeiro frame). Mudando um de cada vez, você sabe qual é o culpado.
Escalar para lote
Quando o prompt estiver estável em um frame, promova-o a modelo e aplique a mesma estrutura em frames de origem semelhantes. A iteração em lote funciona porque a estrutura não muda, só os espaços:
- Sincronize o bloco do primeiro frame com cada nova imagem; não copie descrições de outros frames.
- Mantenha a formulação de movimento consistente, a menos que o tipo de clipe mude.
- Fixe a lista de termos negativos por categoria de clipe.
Revise os resultados do lote agrupados por tipo de clipe, e não por arquivo individual, para que problemas sistêmicos (por exemplo, todos os clipes de retrato distorcem nos ombros) apareçam imediatamente, em vez de ficarem soterrados em anotações por arquivo.
Por fim, registre qual variante de prompt produziu qual saída. Um changelog curto de edições de prompt por categoria de clipe economiza mais tempo do que qualquer frase isolada engenhosa. Construa o ciclo, mantenha a estrutura e deixe os modelos fazerem o trabalho repetitivo.
Artigos relacionados
Ver todos os artigos →-
Guia de uso
Guia de introdução ao gpt-6.2-sol: limites de capacidade, integração via API e noções de precificação por token
Decisões de integração e pontos práticos para equipes de engenharia
-
Guia de uso
Guia de introdução ao gpt-6.2-astra: limites de capacidade do modelo de texto, pontos de integração e controle de custos
-
Guia de uso
Guia de introdução ao Tripo H3.1: três modos de entrada, parâmetros e como escolher o preço
Decisão de integração e controle de custos na geração 3D para desenvolvedores