Receitas de prompts de texto para vídeo do Kandinsky 6.0 Pro para desenvolvedores

Por que a estrutura do prompt importa mais que o comprimento

Prompts longos dão uma sensação de produtividade. Você descreve a luz, o clima, o fundo, o modelo do carro, a cor do céu — e então o clipe ignora metade disso, ou pior, mistura tudo em um compromisso borrado. Modelos de texto para vídeo como kandinsky-6.0-pro/text-to-video não recompensam a verbosidade; eles recompensam a estrutura.

Um prompt estruturado faz três coisas que um parágrafo de formato livre não consegue:

• Ele separa as preocupações. Tipo de plano, ação do sujeito e comportamento da câmera são variáveis independentes. Quando estão entrelaçados em uma única frase, você não consegue dizer qual parte causou uma saída ruim.
• Ele torna a comparação possível. Se cada prompt em um lote segue o mesmo esqueleto, as diferenças nas saídas podem ser atribuídas à parte que você realmente alterou.
• Ele é modelável. Prompts com slots fixos podem ser parametrizados e gerados programaticamente — o que é essencial assim que você passa do teste manual para a fase de pipeline.

Neste artigo, usamos uma receita de três partes:

[SHOT] + [SUBJECT & ACTION] + [CAMERA]

Curta, ordenada, repetível. O objetivo não é escrever menos por escrever menos — é escrever de forma previsível, de modo que a mesma receita com apenas um slot alterado lhe dê uma comparação significativa, em vez de outro filme diferente. Tudo o que segue se baseia nesse esqueleto: modelos prontos para copiar e colar, formulação de movimento de câmera, um ciclo de iteração e, por fim, a integração de todo o fluxo em uma chamada de API.

Anatomia de uma receita de prompt de texto para vídeo

Antes de escrever uma receita, entenda o papel de cada bloco.

Plano (Shot)

O bloco de plano define a intenção de enquadramento e duração: close-up, plano médio, plano geral de estabelecimento, visão aérea, ângulo baixo. É a linha de maior alavancagem no prompt, porque ancora a composição. Se o plano estiver errado, nada a jusante salva o clipe.

Mantenha como uma frase curta. Wide establishing shot é melhor que a shot that shows the whole scene from far away so you can see everything in the environment.

Sujeito e ação

Este bloco descreve o que se move e como se move. Seja específico sobre o sujeito e use apenas uma ação principal por clipe. Duas ações concorrentes em um prompt geralmente produzem um sujeito que faz mal as duas.

• Bom: a cyclist rides left to right across frame
• Arriscado: a cyclist rides while waving and the camera zooms and the crowd cheers

Se você precisa de uma segunda ação, pergunte-se se ela deveria pertencer a um clipe separado.

Movimento de câmera (Camera)

A formulação de movimento de câmera diz ao modelo como o ponto de vista deve se comportar: estático, pan, tilt, push-in, órbita. É o bloco que os desenvolvedores mais pulam — e o que mais afeta se um lote de clipes parece coerente. Formulações curtas e imperativas funcionam melhor; veja a seção dedicada abaixo.

O que omitir

A receita omite deliberadamente longas cadeias de adjetivos, narrativa emocional e instruções negativas expressas em prosa. Se um detalhe não mapeia para plano, sujeito ou movimento de câmera, ele geralmente é ruído nesta fase. Só o adicione de volta depois que a receita central produzir resultados estáveis.

Um modelo mental útil: cada bloco alimenta o mesmo quadro de saída a partir de uma direção diferente — composição, movimento, ponto de vista. Quando um bloco está vago, o modelo preenche a lacuna com seus próprios priors, e é aí que a inconsistência aparece silenciosamente.

Receitas prontas para copiar e colar para planos comuns

Cada modelo segue [SHOT] + [SUBJECT & ACTION] + [CAMERA]. Substitua os valores entre colchetes; mantenha a estrutura intacta.

Plano principal de produto

Close-up product shot of a [PRODUCT] rotating slowly on a seamless surface, soft studio light, camera locked off, shallow depth of field

Para vídeos em loop de e-commerce e clipes de destaque de aplicativos. Mantenha a rotação como o único movimento.

Ambiente de estabelecimento

Wide establishing shot of [ENVIRONMENT] at [TIME OF DAY], light haze in the air, slow forward dolly

Bom para aberturas e transições de capítulo. O push-in adiciona profundidade sem roubar o foco.

Movimento de personagem ou figura

Medium shot of [PERSON OR FIGURE] [PRIMARY ACTION], natural pace, camera static at eye level

Apenas uma ação. Se a figura precisa entrar primeiro e depois agir, divida em dois clipes.

Loop abstrato ou de fundo

Full-frame abstract shot of [SHAPE OR PATTERN] drifting slowly, [COLOR PALETTE], gentle camera drift

Projetado para fundos em loop contínuo. Evite movimentos direcionais fortes para que o ponto de loop fique menos óbvio.

Material de UI ou estilo de tela

Straight-on shot of [DEVICE OR SURFACE] displaying [CONTENT], subtle parallax, camera locked, no rotation

A câmera travada mantém texto e elementos de interface estáveis — essencial se você for compor uma UI real por cima.

Detalhes de natureza e textura

Close-up shot of [NATURAL ELEMENT] moving gently in [CONDITION], macro framing, slow lateral drift

Use com moderação em um lote; clipes de textura são onde as diferenças entre modelos mais aparecem, então mantenha o movimento de câmera idêntico dentro de um grupo ao comparar.

Formulação de movimento de câmera e movimento clara e legível

A linguagem de movimento de câmera é onde os prompts dão errado silenciosamente. Modelos respondem melhor a formulações curtas e convencionais do que a prosa descritiva, e a consistência dentro de um lote importa mais que a elegância.

Use um pequeno vocabulário

Escolha um conjunto fixo de termos de movimento de câmera e reutilize-os em todos os lugares. Um conjunto inicial viável:

• camera static / camera locked off
• slow forward dolly / slow backward dolly
• pan left / pan right
• tilt up / tilt down
• orbit around subject
• handheld drift

Resista à tentação de inventar movimentos compostos como "dolly-zoom with a slight arc", a menos que você já tenha verificado que o modelo lida com eles. Cada frase incomum é uma variável não testada.

Separe o movimento do sujeito do movimento da câmera

São duas instruções diferentes e devem ficar em slots diferentes. A cyclist rides left to right descreve o sujeito; pan right descreve a câmera. Escrever the camera follows the cyclist funde as duas e deixa ambíguo o que o modelo deve priorizar.

Especifique a velocidade

Uma palavra — slow, steady, brisk — geralmente basta. A palavra de velocidade ancora quanto da duração do clipe o movimento consome, o que importa quando você precisa de clipes de comprimento fixo para editar juntos.

Mantenha a formulação constante dentro de um lote

Se você gera dez variações para comparar, mantenha a linha de movimento de câmera byte a byte idêntica. Mudar sujeito e movimento de câmera entre execuções significa que você não consegue atribuir a diferença a nenhum dos dois. Este é o erro mais comum em testes de prompt ad hoc.

Prefira instruções positivas e observáveis

Descreva o que a câmera faz, não o que ela evita. Camera static é uma instrução clara; camera doesn't shake exige que o modelo raciocine sobre uma negação. A formulação positiva também torna sua biblioteca de prompts mais fácil de pesquisar depois.

Ajuste a receita sem quebrá-la

A receita é um ponto de partida, não um ativo fixo. A disciplina está em como você a altera.

Altere um slot por execução

Escolha uma receita base, gere uma linha de base e então modifique apenas um bloco — plano, sujeito ou movimento de câmera — e gere novamente. Se você mudar plano e sujeito ao mesmo tempo, não saberá qual ajuste funcionou. Essa restrição parece lenta no início, mas economiza muito tempo à medida que sua biblioteca cresce.

Registre tudo

Para cada execução, registre:

• a string de prompt completa, sem modificações
• qual slot foi alterado e para quê
• um veredito curto (manter / rejeitar / revisitar)
• quaisquer artefatos óbvios ou desvios da receita

Um arquivo de texto simples ou uma coluna de planilha basta. O ponto é que o prompt que você gostou há três semanas seja reproduzível, não reconstruído de memória.

Versione as receitas

Trate os modelos de prompt como código. Dê a eles identificadores (product_hero_v1, establishing_city_v2) e mantenha um changelog de uma linha por versão. Quando um clipe a jusante parecer errado, você pode fazer checkout da receita exata que o produziu.

Saiba quando uma receita está pronta

Uma receita é estável quando três execuções consecutivas com os mesmos parâmetros produzem saídas que você aceita. Nesse ponto, congele-a, marque-a e passe para o próximo tipo de plano. Continuar ajustando uma receita que funciona é trocar estabilidade por ganhos marginais.

Pode com agressividade

A maioria das receitas que você escreve acaba sendo descartada. Exclua ou arquive aquelas que nunca estabilizaram — uma biblioteca de modelos pela metade e sem manutenção é pior que uma biblioteca pequena em que você confia.

Coloque as receitas em um pipeline

A iteração manual serve para exploração. Produção exige prompts parametrizados e versionados, enviados por um endpoint estável.

Modelos parametrizados

Armazene a receita como um modelo com slots nomeados, não como uma string finalizada:

{
  "id": "product_hero_v1",
  "template": "Close-up product shot of a {{product}} rotating slowly on a seamless surface, soft studio light, camera locked off, shallow depth of field"
}

A renderização é simples: substitua {{product}} no momento da chamada. O modelo permanece fixo; apenas os valores dos slots mudam. É a mesma disciplina de uma variável por vez dos testes manuais, apenas aplicada programaticamente.

Fique em um único endpoint

Direcione tanto o tráfego experimental quanto o de produção para o mesmo endpoint de modelo kandinsky-6.0-pro/text-to-video. Quando suas chamadas de teste e chamadas de lançamento atingem a mesma API, um prompt que funciona na exploração se comporta exatamente igual em produção. Alternar entre interfaces entre fases é uma fonte comum de bugs do tipo "funcionava ontem".

Versione e registre no ponto de chamada

Cada clipe gerado deve ser rastreável ao ID da receita, ao prompt renderizado e ao timestamp. Registre esses dados junto com as referências das saídas. Quando um clipe for sinalizado, você quer poder responder "qual versão de receita e quais parâmetros produziram isto?" sem precisar de perícia forense.

Gere lotes com intenção

Ao gerar variações, altere apenas um slot em um lote e mantenha todo o resto constante — incluindo a linha de movimento de câmera. Isso mantém o lote comparável e torna a revisão automática ou a amostragem manual significativamente mais rápidas.

Retorne os resultados para a biblioteca

Receitas que se estabilizam em produção devem ser marcadas e reutilizadas. Com o tempo, a biblioteca se torna o verdadeiro ativo de prompts da sua equipe: um conjunto de blocos de construção validados e versionados, em vez de uma pasta de strings descartáveis.

Depois que os modelos são parametrizados e versionados, a mesma receita impulsiona tanto os testes manuais quanto os lotes de produção sem modificações.

Padrões comuns de falha e como interpretá-los

Saídas fracas geralmente não são aleatórias. Mapeie o sintoma para o bloco mais provavelmente responsável e altere apenas esse bloco.

A composição varia entre execuções

Causa provável: o bloco de plano. Frases de enquadramento vagas ou compostas — a wide shot, somewhat close — dão espaço ao modelo para interpretar. Aperte para um único termo de plano canônico e mantenha-o constante dentro de um lote.

O sujeito faz a coisa errada ou faz demais

Causa provável: o bloco de sujeito e ação. Múltiplas ações em um prompt, ou ações descritas com verbos vagos. Reduza a uma ação principal e use linguagem observável.

Movimento de câmera excessivo ou errático

Causa provável: a formulação de movimento de câmera, ou sua ausência. Sem uma instrução de câmera, o modelo inventa movimento. Adicione um camera static explícito ou um movimento nomeado; remova a prosa que sugere movimento — the scene sweeps across será lido como instrução de câmera.

Aparecem detalhes que você não pediu

Causa provável: um prompt longo demais. Cadeias de adjetivos e linguagem de clima convidam o modelo a preencher lacunas. Reduza a receita de volta aos três blocos, confirme que o núcleo funciona e só então reintroduza detalhes um de cada vez.

A saída é consistente mas entediante

Causa provável: uma receita excessivamente restrita. Se cada bloco está travado e o resultado é morno, a solução geralmente é uma mudança controlada — um novo movimento de câmera, uma nova ação — em vez de uma reescrita completa.

Os resultados não são reproduzíveis

Causa provável: um problema de processo, não de prompt. Edições não registradas, formulação de movimento de câmera alterada entre execuções ou testes em um endpoint diferente do de produção. O remédio é a biblioteca versionada e a disciplina de endpoint único descritas acima.

Interpretar falhas dessa forma transforma cada geração ruim em uma hipótese concreta e testável, em vez de um motivo para reescrever tudo.