Receitas de prompts de imagem para vídeo do Veo 3.1 Fast prontas para copiar por desenvolvedores

Por que a estrutura do prompt importa mais do que as palavras

A maioria dos prompts de imagem para vídeo falha não porque as palavras estão erradas, mas porque variáveis demais mudam ao mesmo tempo. Você altera um adjetivo, a forma como a câmera desliza muda, e não faz ideia de qual mudança causou isso. Um esqueleto fixo de prompt resolve esse problema: ele transforma a geração em um experimento controlado.

Trate cada prompt como quatro blocos independentes: sujeito, pista de movimento do primeiro quadro, redação de câmera e pista de áudio, mais um bloco curto de restrições. Quando um vídeo se comporta de forma estranha, você muda apenas um bloco e executa de novo. Se o sujeito se deformou, mexa só na pista de movimento. Se a câmera parece sem graça, mexa só na linha de câmera. Essa é a diferença entre depurar e apostar.

Essa estrutura também torna seus prompts portáveis. Uma receita que você ajustou para um determinado primeiro quadro migra direto para o próximo material, porque a posição dos campos não muda — só os valores deles mudam.

Anatomia da receita: os campos de cada prompt

Toda receita deste guia usa os mesmos cinco campos, na mesma ordem. Entenda o que cada campo controla e você conseguirá montar suas próprias variantes sem precisar adivinhar.

Sujeito

Uma descrição curta e concreta do que já está visível no primeiro quadro. É uma âncora, não uma reimaginação: nomeie o objeto, o material dele e a característica visual mais estável. Mantenha em uma frase. Se a imagem já mostra uma caneca de cerâmica vermelha sobre a mesa, diga exatamente isso — não descreva uma cozinha.

Pista de movimento do primeiro quadro

É o campo em que a maioria erra. Ele declara o que deve se mover a partir do quadro zero: qual elemento, em qual direção, em que ritmo. Escreva como uma única ação vinculada à parte visível da imagem, não como uma descrição genérica da cena.

Redação de câmera

Use uma linha separada para o comportamento da câmera virtual. Aproximação, travelling, órbita, deriva de câmera na mão. A linguagem de câmera influencia a energia percebida mais do que a maioria dos adjetivos de movimento, então dê a ela um campo próprio em vez de enterrá-la na frase do sujeito.

Pista de áudio

Descreva o som que deve acompanhar a ação visível. Vincule-o a eventos que você consegue ver — porta fechando, passos, vento passando pelo tecido — e não a palavras de clima como "cinematográfico" ou "épico".

Restrição negativa

Liste brevemente o que evitar: sem sobreposição de texto, sem membros extras, sem corte de cena. Mantenha curto; listas negativas inchadas competem com suas instruções positivas.

Receitas prontas para copiar de movimento do primeiro quadro

Estes padrões pressupõem que você fornece uma imagem estática e quer que a animação cresça a partir dela. Cole-os como linha de pista de movimento e substitua a parte entre colchetes pelo seu sujeito.

Entrada do sujeito em cena

[sujeito] entra em cena pela borda esquerda, desloca-se lentamente para dentro e para firme perto do centro. Use quando o primeiro quadro tiver espaço vazio que o sujeito possa ocupar. O movimento tem direção e é fácil de verificar na primeira exibição.

Saída do sujeito de cena

[sujeito] desliza em direção à borda direita, saindo do quadro em velocidade constante de caminhada. Bom para transições e batidas de encerramento de cena. A saída é mais fácil de controlar do que a entrada, porque o destino é inequívoco.

O sujeito se transforma ou muda de estado

[sujeito] muda de forma lentamente — [mudança específica, por exemplo, o tecido ondula e depois se acalma] — permanecendo no lugar. Nomeie a parte exata que muda. Pedidos vagos de transformação produzem artefatos de derretimento; nomear a parte mantém o modelo focado.

O sujeito reage

[sujeito] vira levemente a cabeça na direção da fonte de luz e depois fica imóvel. Pistas de reação funcionam bem quando o primeiro quadro já sugere atenção — um rosto, um animal, um personagem. Mantenha a reação pequena e única.

Para os quatro padrões acima, mantenha a pista em uma frase e uma única ação principal. Empilhar dois movimentos na mesma linha é a causa mais comum de vídeos que parecem instáveis.

Receitas prontas para copiar de redação de câmera

A redação de câmera merece uma linha própria porque molda a energia percebida do vídeo independentemente do comportamento do sujeito. Estes padrões combinam bem com um primeiro quadro estático.

Aproximação lenta

câmera: aproximação lenta em direção a [sujeito], sem deslocamento lateral. A opção padrão mais segura. Acrescenta intenção sem introduzir nova geometria, então raramente conflita com a pista de movimento.

Travelling de recuo

câmera: recua em travelling a partir de [sujeito], revelando o espaço ao redor. Use quando o primeiro quadro estiver fechado e você quiser que o ambiente apareça. Combine com um sujeito que permanece imóvel.

Órbita em arco

câmera: órbita suave em arco ao redor de [sujeito], cerca de 30 graus, em velocidade constante. A órbita dá uma sensação tridimensional, mas pode revelar detalhes ausentes atrás do sujeito. Só use quando o primeiro quadro sugerir um ambiente completo.

Deriva de câmera na mão

câmera: deriva de câmera na mão com leve tremor vertical, como se segurada na altura do peito. Acrescenta energia documental. Mantenha o tremor sutil — movimentos amplos de câmera na mão tendem a borrar detalhes finos.

Uma regra prática: dê apenas uma instrução de câmera por prompt. Se quiser aproximação e órbita no mesmo vídeo, gere dois planos e una-os na edição. Termos de câmera conflitantes são o caminho mais rápido para uma imagem arrastada e desfocada.

Receitas prontas para copiar de áudio nativo

Prompts de áudio funcionam melhor quando descrevem sons causados por ações visíveis. O modelo só consegue alinhar o que vê, então vincule cada pedido de áudio a um evento na imagem.

Som ambiente ancorado na ação

áudio: fundo interno suave, acompanhado do som de [ação visível, por exemplo, virar uma página], sincronizado com o movimento na tela. Este é o padrão mais confiável. A ação dá ao áudio uma âncora temporal.

Impacto na batida

áudio: um impacto suave quando [sujeito] se assenta, seguido de silêncio. Use quando a pista de movimento tiver um ponto final claro. Um evento, um som.

Leito ambiente

áudio: ambiente externo leve — pássaros distantes, vento tênue — contínuo e em volume baixo na mixagem. Bom para planos de estabelecimento com movimento lento de câmera. Mantenha a descrição do leito genérica o suficiente para não conflitar com a imagem.

Pedidos de áudio que costumam ser ignorados

Palavras de clima abstratas — "épico", "cinematográfico", "emocional" — não dão ao modelo nenhum conteúdo visível para sincronizar. Pedidos de diálogo também são pouco confiáveis em clipes curtos: sem boca visível e fala explícita, o resultado costuma ser um resmungo indistinto. Se precisar de fala, planeje uma etapa separada. Mantenha cada linha de áudio em uma frase e referencie algo que a câmera consegue ver.

Combinando receitas em um fluxo de trabalho plano a plano

Com os campos estabilizados, encadeie-os em um fluxo de trabalho plano a plano repetível.

Construa um plano por vez

Uma imagem, uma pista de movimento, uma linha de câmera, uma linha de áudio, uma linha de restrições. Monte o prompt nessa ordem todas as vezes. É essa consistência que torna o trabalho em lote possível.

Gere variantes em paralelo

Mantenha sujeito e restrições fixos e altere apenas a linha de câmera ou de movimento, em pequenos lotes — de três a cinco execuções por plano costumam bastar para ver padrões. Como os outros campos estão congelados, a diferença no resultado pode ser atribuída ao campo que você mudou.

Registre as receitas vencedoras

Quando uma combinação funcionar, salve o texto completo do prompt como uma receita nomeada. Ao longo de alguns projetos, você acumula uma biblioteca pessoal de linhas de movimento, câmera e áudio que já foram validadas e funcionam bem juntas.

Itere sobre o campo mais fraco

Depois de cada rodada, pergunte qual campo produziu o pior artefato e mude só ele. Um orçamento realista é de duas a três rodadas de refinamento por material; esperar o vídeo final já na primeira geração, não.

O mesmo fluxo de trabalho se aplica ao endpoint de imagem para vídeo do veo-3.1-fast, então um prompt validado uma vez continua válido quando você aumenta a produção.

Modos de falha comuns e como depurar

A maioria dos vídeos ruins pode ser rastreada até alguns poucos problemas de prompt. Cada um tem uma correção que exige mudar apenas um ponto.

Prompt sobrecarregado

Sintoma: o sujeito derrete ou a cena se reorganiza sozinha. Causa: instruções demais competindo em uma linha. Correção: reduza o prompt aos cinco campos e elimine todo adjetivo que não esteja fazendo trabalho. Se uma frase descrever duas ações, separe-a.

Termos de câmera conflitantes

Sintoma: deriva indefinida, tremor ou câmera que nunca escolhe uma direção. Causa: duas ou mais instruções de câmera no prompt. Correção: mantenha apenas uma linha de câmera. Deixe o segundo movimento para um plano separado.

Áudio sem âncora

Sintoma: o áudio parece desconexo ou genérico. Causa: palavras de clima em vez de sons vinculados à ação. Correção: reescreva a linha de áudio em torno de um evento visível — um assentamento, uma virada, um passo.

A pista de movimento descreve a cena inteira

Sintoma: tudo se move um pouco, mas nada se move de forma convincente. Causa: a pista nomeia a cena em vez de um único elemento. Correção: escolha um sujeito e uma direção e escreva isso explicitamente.

Negativos inchados

Sintoma: o modelo parece ignorar metade das suas instruções. Causa: uma lista negativa longa dilui o prompt positivo. Correção: reduza os negativos a dois ou três itens, direcionados apenas aos artefatos que você realmente viu.

Depure um campo por vez e registre o que mudou. As receitas aqui são só pontos de partida — espere gastar duas ou três rodadas ajustando-as ao seu primeiro quadro específico antes de elas parecerem confiáveis.