Receitas de prompts de imagem para vídeo do Kandinsky 6.0 Pro: prompts prontos para copiar e obter movimentos melhores

Por que a estrutura do prompt importa mais que o comprimento

Um prompt de imagem para vídeo não é uma versão mais longa de um prompt de texto para imagem. Quando você fornece um quadro de referência, o modelo já sabe como a cena é. O que seu prompt precisa fazer é descrever o que muda neste vídeo, em vez de redescrever o que já está visível.

Essa mudança de responsabilidade é o motivo pelo qual um prompt estruturado de 12 palavras geralmente supera um parágrafo de 120 palavras. Parágrafos longos misturam a descrição do sujeito, a intenção de movimento, o comportamento da câmera e as expectativas de estilo numa mistura indistinguível. O modelo não consegue julgar qual oração controla a câmera e qual controla o sujeito, então ele apenas faz concessões: a câmera desvia um pouco, o sujeito se move um pouco, e o resultado parece borrado e confuso.

Prompts estruturados separam as preocupações em camadas:

• Âncora do sujeito — uma referência breve ao que existe na imagem de referência, confirmando o que deve permanecer estável.
• Pista de movimento — a mudança física específica que você deseja, com direção e intensidade.
• Descrição da câmera — uma oração separada que descreve apenas a câmera virtual.
• Restrição de estilo — guarda-corpos de aparência, textura e consistência.

Cada camada fica contida em uma frase ou um sintagma. O objetivo não é ser conciso por ser conciso, mas ser analisável: cada camada é uma variável que você pode modificar de forma independente durante a iteração. Um prompt em camadas é tanto uma ferramenta de geração quanto uma ferramenta de depuração.

Outro motivo pelo qual a estrutura vence: reprodutibilidade. Quando um vídeo sai bem, você precisa saber por que ele saiu bem para poder reutilizá-lo. Escrito como parágrafo, o motivo fica enterrado. Escrito em camadas, você pode copiar a camada vencedora para o próximo experimento e alterar apenas a camada que está testando.

Regra prática

Se uma palavra no prompt não descreve o sujeito da imagem de referência, nem o movimento, a câmera ou uma restrição de estilo, é provável que seja ruído. Remova-a, gere novamente e compare. Na maioria dos casos, a versão estruturada mais curta preserva melhor a imagem e produz um movimento mais limpo.

Premissas deste guia

O conteúdo a seguir foi escrito para chamar o imagem para vídeo do kandinsky-6.0-pro pela interface unificada do HiAPI.ai, em que a chamada de imagem para vídeo requer uma imagem de referência mais um prompt e retorna um vídeo gerado. Essas receitas são texto puro — sem sintaxe especial —, portanto funcionam em qualquer cliente que chame o mesmo endpoint.

A anatomia de um prompt de imagem para vídeo

Trate o prompt como uma tabela com quatro espaços. Preencha-os sempre na mesma ordem, e seus experimentos permanecerão comparáveis.

Espaço 1: âncora do sujeito

Um sintagma curto que aponta o que deve permanecer reconhecível. Não é uma descrição completa — a própria imagem já carrega isso. É um sinal de estabilidade.

Exemplos: the woman, the ceramic vase, the mountain ridge, the abstract shapes.

Evite redescrever detalhes já visíveis na imagem. Redescrever roupas, iluminação ou cores tende a induzir o modelo a "melhorá-los", o que se manifesta como cintilação ou deriva de identidade do sujeito.

Espaço 2: pista de movimento

Um movimento principal, expresso com um verbo, uma direção e um qualificador de intensidade.

Exemplos: turns her head slowly to the left, gently sways side to side, drifts steadily upward.

Escolha apenas um movimento principal por vídeo. Dois movimentos concorrentes de intensidade semelhante são a causa mais comum de resultados turvos.

Espaço 3: descrição da câmera

Uma oração independente que começa com linguagem de câmera: camera, the camera ou shot. Manter o sujeito fora dessa oração é a chave para um comportamento de câmera previsível.

Exemplos: camera slowly pushes in, camera holds static, camera pans left at a steady rate.

Espaço 4: restrição de estilo

Guarda-corpos de aparência e consistência. Ser curto não é problema.

Exemplos: photorealistic, consistent lighting, no flicker, flat illustration style, stable linework, cinematic color grade, shallow depth of field.

Montando tudo

the woman, turns her head slowly to the left, camera holds static, photorealistic, consistent lighting

Essa é a anatomia completa. Dezoito palavras, quatro espaços, uma ideia controlável. Toda receita adiante neste guia tem o mesmo formato, mudando apenas o conteúdo dos espaços 2 e 3.

Disciplina dos espaços

Dois hábitos consolidam essa anatomia:

• Ordem fixa. Sempre sujeito, movimento, câmera, estilo. Ao reler prompts antigos, a ordem mostra imediatamente qual camada você alterou.
• Uma ideia por oração separada por vírgula. As vírgulas funcionam como separadores leves; se uma oração contém tanto ação do sujeito quanto movimento de câmera, separe-a.

Receitas de pistas de movimento para tipos comuns de sujeito

A eficácia da redação de movimento depende do que está na imagem. Estes são pontos de partida prontos para copiar — substitua as partes entre colchetes pelo seu próprio sujeito.

Pessoas e personagens

Sujeitos humanos são os mais sensíveis à animação excessiva. Ações pequenas e específicas parecem naturais; movimentos amplos parecem estranhos.

• [the person], blinks and turns their head slightly toward [direction], camera holds static, natural skin texture
• [the person], smiles subtly while breathing, shoulders rise and fall gently, camera holds static
• [the person], walks slowly toward the camera, steady gait, camera pulls back at the same pace
• [the person], raises one hand to [gesture], other hand stays still, camera holds static

Use subtly, slightly e gently com fartura em rostos humanos; eles são amortecedores de intensidade.

Objetos e produtos

Objetos precisam de uma transformação limpa. Rotação e movimento de luz são os mais seguros.

• [the object], rotates slowly clockwise, camera holds static, product photography lighting, no flicker
• [the object], subtle highlight travels across its surface, object stays still, camera holds static
• [the object], gently floats and bobs in place, soft shadow moves with it, camera holds static
• [the object], lid opens slowly, body remains stationary, camera holds static

Natureza e ambientes

Cenas externas toleram mais movimento porque o público espera dinamismo ambiental — mas ele deve ser estratificado do maior para o menor.

• [the landscape], clouds drift slowly to the right, camera holds static, consistent lighting
• [the landscape], water ripples gently, [foreground element] sways in a light breeze, camera holds static
• [the landscape], fog rolls slowly forward from the background, camera holds static
• [the landscape], sun light shifts from warm to cool across the scene, camera holds static

Entradas abstratas e estilizadas

Imagens abstratas não têm lógica física para se apoiar, então é preciso declarar explicitamente a geometria do movimento.

• [the abstract shapes], expand outward from the center at a steady rate, camera holds static
• [the abstract shapes], flow in a continuous horizontal loop, camera holds static, stable palette
• [the abstract shapes], slowly morph into softer forms, camera holds static
• [the abstract shapes], pulse gently in place, rhythm stays even, camera holds static

Reconhecendo o padrão

O esqueleto de cada receita acima é o mesmo: verbo + direção + intensidade. Quando um vídeo apresenta problemas, o ponto de correção está quase sempre em uma dessas três partes — verbo errado (girar ou transladar), direção ausente ou amortecedor de intensidade ausente.

Receitas de descrição de câmera

A linguagem de câmera só funciona quando isolada. Estas expressões pressupõem que a oração do sujeito já existe e não menciona a câmera.

Câmera fixa

• camera holds static, locked-off shot
• camera is completely still, no movement

Quando o conteúdo da cena é agitado, vale usar a expressão explícita no movement; ela dá ao modelo uma restrição rígida para resistir ao movimento ambiental do sujeito.

Panorâmica

• camera pans slowly left across the scene
• camera pans right at a steady rate
• camera pans horizontally, constant speed

Inclua sempre uma direção e uma palavra de ritmo (slowly, steady, constant). Caso contrário, a panorâmica tende a acelerar ou inverter no meio do vídeo.

Aproximação e afastamento

• camera slowly pushes in toward the subject
• camera pulls back gradually, revealing more of the scene
• camera dolly-in at a slow, even pace

Aproximação e afastamento são o movimento de câmera único mais poderoso para dar vida a uma imagem de referência estática. Combine-os com um sujeito quase imóvel para obter o máximo de controle.

Órbita e arco

• camera orbits slowly around the subject, arc of about 30 degrees
• camera arcs to the right, maintaining distance from the subject

A órbita é o movimento de câmera que mais falha em imagem para vídeo, porque mostrar um lado nunca visto exige que o modelo invente geometria do nada. Mantenha o arco curto e declare-o explicitamente. Se o vídeo quebrar, reduza a expressão do arco para slight arc ou volte para a aproximação.

Inclinação e movimento vertical

• camera tilts upward slowly
• camera rises vertically, keeping the subject centered

Combinando movimento do sujeito e movimento de câmera

Quando tanto o sujeito quanto a câmera se movem, mantenha suas direções compatíveis, não opostas:

the runner, jogs slowly toward the camera, camera pulls back at the same pace, outdoor daylight, consistent lighting

Sujeito avançando mais câmera recuando lê-se como um acompanhamento estável. Sujeito avançando mais câmera também avançando lê-se como rota de colisão e geralmente se deforma.

Um movimento de câmera por vídeo

Não empilhe panorâmica, aproximação e inclinação. Um movimento de câmera nomeado produz um vídeo previsível; dois movimentos concorrentes produzem um efeito de concessão que se lê como deriva. Se um plano específico realmente exigir movimento composto, teste-o sozinho primeiro e depois combine com o movimento do sujeito.

Um modelo de receita para copiar e colar que você pode adaptar

Este é o modelo completo. Preencha os colchetes, remova as linhas opcionais que não precisar e mantenha a ordem das orações fixa.

[subject anchor], [motion verb] [direction] [intensity], camera [camera move] [rate], [style constraint], [consistency guardrail]

Exemplo: vídeo de produto

the ceramic vase, rotates slowly clockwise, camera holds static, studio product lighting, consistent shadows, no flicker

Exemplo: vídeo de retrato

the woman, turns her head slightly to the right and blinks, camera slowly pushes in, photorealistic, natural skin texture, consistent lighting

Exemplo: vídeo de paisagem

the mountain ridge, clouds drift slowly to the right, camera pans slowly left, cinematic color grade, consistent lighting

Construa sua própria receita em quatro passos

1. Escreva a âncora do sujeito como um sintagma nominal. Não descreva — apenas nomeie.
2. Escolha um movimento das receitas deste guia e modifique apenas as palavras de direção e intensidade.
3. Escolha um sintagma de câmera e garanta que ele não contradiga o movimento do sujeito.
4. Adicione uma restrição de estilo e um guarda-corpo de consistência (consistent lighting, no flicker, stable palette).

Salve o modelo preenchido como um arquivo de texto puro, uma linha por receita, nomeado por intenção (portrait-headturn, product-rotate, landscape-clouds). Esse arquivo se torna sua biblioteca de receitas; todo novo experimento começa copiando uma linha existente, em vez de escrever do zero.

Versione o próprio modelo

Se você se pegar adicionando repetidamente um quinto espaço — por exemplo, uma oração de iluminação —, promova-o deliberadamente ao modelo e atualize todas as receitas de uma vez. Adições pontuais são exatamente o que faz um modelo apodrecer e virar parágrafo.

Itere em passos controlados

A iteração de prompts falha muitas vezes porque você altera várias coisas de uma vez e não consegue atribuir o resultado. A solução é processual, não criativa.

Altere uma variável por execução

Gere uma linha de base primeiro e depois altere apenas uma das seguintes por execução:

• verbo de movimento
• direção
• qualificador de intensidade
• movimento de câmera
• ritmo da câmera
• restrição de estilo

Mantenha todo o resto idêntico byte a byte. Essa é a mesma disciplina de um experimento controlado e a única maneira confiável de saber como o modelo responde.

Mantenha um registro de comparação

O registro pode ser um arquivo de texto puro ou uma planilha. Para cada execução, anote:

• nome da receita
• texto completo do prompt
• qual variável única mudou em relação à execução anterior
• conclusão curta: keep, reject ou needs another pass

Como os prompts são texto puro, colar o prompt completo custa pouco e torna cada execução totalmente reconstruível. Não resuma o prompt no registro — copie-o literalmente.

Compare com uma linha de base fixa

O hábito mais útil é manter uma receita de referência para cada tipo de sujeito e regerá-la sempre que algo mais mudar no pipeline. Se a linha de base ainda parecer correta, seu pipeline está estável e qualquer diferença pode ser atribuída à alteração do prompt. Se a linha de base mudou, pare o trabalho de prompt e investigue o pipeline primeiro.

Teste em pequenos lotes, revise em grupos

Ao testar uma direção ou palavra de intensidade, execute um pequeno lote de variantes em vez de um único vídeo. Revise lado a lado, escolha a melhor e remova o restante da biblioteca. Manter todas as variantes transforma a biblioteca de receitas em um arquivo ilegível.

Promova os vencedores, elimine os perdedores

Quando uma variante supera claramente a linha de base, sobrescreva a entrada da linha de base na biblioteca e registre a data. A biblioteca de receitas deve conter sempre a melhor receita atualmente conhecida para cada intenção, e não o histórico de todas as tentativas.

Padrões comuns de falha e como reestruturar o prompt

A maioria dos problemas de imagem para vídeo é, na verdade, um problema de prompt disfarçado de problema de configuração. Antes de mexer em qualquer outro parâmetro, tente as reestruturações abaixo.

Vídeo com animação excessiva

Sintoma: tudo se move — sujeito, fundo, iluminação — e a imagem parece ruidosa.

Reestruturação: reforce o amortecedor de intensidade (slowly, subtly, gently), congele explicitamente a câmera (camera holds static, no movement) e adicione um guarda-corpo de consistência (consistent lighting, no flicker). Se o problema persistir, remova um movimento secundário da oração do sujeito.

Vídeo quase estático

Sintoma: a saída é basicamente a imagem de referência, com apenas uma cintilação fraca.

Reestruturação: torne o verbo de movimento mais forte e mais físico (use rotates em vez de shifts, use walks toward the camera em vez de moves). Se faltar direção, acrescente-a. Se o sujeito precisar ficar imóvel, adicione um movimento de câmera — uma aproximação lenta cria movimento perceptível sem tocar no sujeito.

Deriva de identidade do sujeito

Sintoma: rostos, logotipos ou a forma de um produto se deformam ao longo do vídeo.

Reestruturação: encurte a âncora do sujeito e pare de redescrever detalhes visíveis. Adicione subject remains unchanged ou stable [feature] nas restrições de estilo. Movimentos de câmera amplos que revelam novos ângulos agravam a deriva — reduza o arco ou remova-o.

Câmera e sujeito brigando

Sintoma: a imagem parece instável, mesmo que as duas orações pareçam razoáveis.

Reestruturação: verifique as direções. Vetores opostos (sujeito se move para a esquerda, câmera faz panorâmica rápida para a direita) causam conflito evidente. Alinhe-os ou reduza um deles para slowly.

Dois movimentos concorrentes

Sintoma: nenhum dos dois movimentos se completa; ambos parecem hesitantes.

Reestruturação: divida em duas receitas, gerando um movimento por vídeo. Se os dois forem realmente necessários, ordene-os (first [motion A], then [motion B]) e aceite um resultado mais solto.

Estilo derivando para o genérico

Sintoma: o vídeo parece mais suave e mais "cara de IA" do que a imagem de referência.

Reestruturação: reafirme explicitamente o meio no espaço de estilo (flat illustration, 35mm film look, product photography) e adicione stable palette, consistent linework onde for relevante.

Regra geral

Se tanto mexer nas configurações quanto mexer no prompt parecer resolver o problema, tente primeiro alterar o prompt — é mais rápido, o teste é gratuito e mantém seu pipeline comparável entre execuções. Só mexa nas configurações quando o prompt reestruturado continuar falhando na mesma direção.

Assim que uma receita sobreviver a essas reestruturações, salve-a. Uma biblioteca pequena e testada de receitas estruturadas vale mais do que qualquer prompt individual inteligente, e é ela que torna o imagem para vídeo do kandinsky-6.0-pro reprodutível no seu pipeline.