Guia de prompts de vídeo IA: Sora, Veo 3 e Runway

SCAAL significa Sujeito, Câmera, Ação, Atmosfera e Largura (duração). É um checklist para cada prompt de vídeo, garantindo que você cubra os elementos mais importantes para conteúdo em movimento.

Sujeito: O que está no enquadramento? Seja específico sobre aparência, número de sujeitos e posição inicial. "Uma mulher de casaco vermelho parada na beira de um pier" é melhor que "uma pessoa perto da água."

Câmera: Como o espectador vê a cena? Inclua tipo de plano (geral, médio, close-up) e movimentos de câmera (dolly lento para frente, órbita, tripé estático). Detalhamos isso na próxima seção.

Ação: O que acontece durante o clipe? Descreva o movimento principal. "A mulher se vira para a câmera enquanto o vento pega no cabelo dela" dá ao modelo um evento claro para animar.

Atmosfera: Qual é a iluminação, o clima e o tom? "Tarde nublada, luz difusa suave, tom melancólico" define a sensação visual do clipe inteiro.

Largura (duração): Quanto tempo dura o clipe e qual o ritmo? A maioria das ferramentas gera clipes de 4 a 10 segundos. Mencione o ritmo explicitamente: "câmera lenta" ou "velocidade real." Segundo as dicas de prompts do Sora, descrever o ritmo temporal ajuda o modelo a distribuir o movimento de forma uniforme ao longo da duração.

Movimento de câmera é o que separa um prompt de vídeo de um prompt de imagem. Você não está descrevendo um instante congelado. Está dirigindo um plano. Use termos de cinema que os modelos aprenderam dos dados de produção audiovisual.

Movimentos de câmera comuns e quando usar:

• Estático (tripé fixo) para diálogos ou cenas calmas
• Dolly lento para frente para criar tensão ou atrair atenção
• Plano de acompanhamento para seguir um sujeito em movimento
• Órbita (arco ao redor do sujeito) para revelar forma tridimensional
• Grua para cima ou para baixo para revelações dramáticas
• Câmera na mão para sensação documental ou de urgência

Regras de enquadramento do cinema se aplicam diretamente. Comece pelo tamanho do plano: plano geral extremo para contexto, geral para corpo inteiro e ambiente, médio para interação da cintura pra cima, close-up para emoção, close-up extremo para detalhe. Depois adicione movimento: "Plano médio, dolly lento até close-up enquanto o sujeito fala."

A documentação do Runway aponta que especificar um único movimento de câmera claro por clipe produz resultados muito melhores do que combinar vários movimentos. Se você precisa de um dolly seguido de um pan, gere dois clipes e corte entre eles. Um movimento por clipe é a regra confiável.

Iluminação em prompts de vídeo funciona como em imagem, mas você também pode mudá-la ao longo do tempo. "A cena começa na sombra, depois a luz quente do sol rompe as nuvens" dá ao modelo uma transição de iluminação para animar. Isso cria interesse visual que luz estática não consegue.

Clima e ambiente funcionam como modificadores de atmosfera. "Rua molhada pela chuva refletindo letreiros de neon" diz ao modelo sobre a superfície do chão, as fontes de luz e os reflexos, tudo de uma vez.

"Estrada desértica empoeirada ao meio-dia" implica luz forte vinda de cima, cores desbotadas e tremulação de calor. Use detalhes ambientais como atalhos para configurações complexas de iluminação.

Palavras de tom moldam a sensação geral. "Sinistro", "alegre", "tenso", "tranquilo" e "cinematográfico" empurram a geração em direções distintas. Combine palavras de tom com pistas visuais específicas para resultados mais fortes: "neblina sinistra percorrendo o corredor de um hospital abandonado, luzes fluorescentes piscando" é mais acionável que "clima de medo."

De acordo com a documentação do Google Veo, palavras-chave de atmosfera colocadas no início do prompt têm mais peso. Se o tom é crítico para o vídeo, mencione antes da descrição da ação. "Tarde nostálgica banhada de sol: uma criança corre por um jato d'água no quintal de casa" coloca a sensação desejada na frente.

Escolher a proporção de tela certa antes de gerar evita cortes estranhos depois. Cada plataforma tem um formato ideal, e gerar na proporção errada significa perder partes do enquadramento que você planejou com cuidado.

16:9 (horizontal): YouTube, web desktop, apresentações, TV. É o padrão da maioria das ferramentas de vídeo e a escolha mais segura quando você não tem certeza de onde o vídeo será usado.

9:16 (vertical): TikTok, Instagram Reels, YouTube Shorts, Snapchat. O vídeo vertical deve ter o sujeito centralizado ou um pouco acima do centro, com mínimo de detalhe importante no topo ou na base, onde elementos da interface se sobrepõem.

1:1 (quadrado): Feed do Instagram, vídeo no LinkedIn, alguns posicionamentos de anúncio. Quadrado funciona bem para vitrines de produto e clipes de talking head onde composição centralizada é natural.

4:5 (retrato): Feed do Instagram (maximiza espaço na tela), feed do Facebook. Um bom meio-termo entre vertical e quadrado quando você quer altura sem ir para o 9:16 completo.

A maioria das ferramentas de vídeo IA permite definir a proporção como parâmetro. Defina antes de gerar, não depois. O modelo compõe a cena com base no formato do quadro. Um plano geral gerado em 16:9 e depois cortado para 9:16 perde a composição original. Planeje a proporção pensando na plataforma de destino desde o começo.

Vídeo gerado por IA está cada vez mais viável para marketing de produto, anúncios em redes sociais e conteúdo explicativo. A chave para qualidade comercial é tratar o prompt como um brief criativo, não como um pedido casual.

Para tomadas de produto, descreva o produto com precisão: material, cor, tamanho relativo ao enquadramento e acabamento da superfície. "Um case de fone sem fio preto fosco sobre uma superfície de mármore, iluminação suave de estúdio vinda de cima, órbita lenta de 180 graus" dá ao modelo detalhes suficientes para produzir uma tomada hero de produto usável.

Para conteúdo de estilo de vida, foque na sensação que você quer que o espectador associe ao produto. "Uma pessoa abre um notebook em um café claro e minimalista, luz dourada da manhã entrando por uma janela grande, profundidade de campo rasa na tela" conta uma história visual sem ser um anúncio agressivo.

O guia do Sora recomenda manter clipes gerados curtos (menos de 10 segundos) e editá-los em um editor para sequências mais longas. Isso dá mais controle sobre ritmo, transições e consistência de marca. Gere múltiplos ângulos da mesma cena e corte entre eles para um resultado profissional que parece ter sido filmado com várias câmeras.

Sujeitos piscando ou tremendo: Isso acontece quando o prompt descreve movimento simultâneo demais. Simplifique a ação. Reduza os elementos em movimento para um ou dois. Se o fundo deve ficar parado, diga "fundo estático" explicitamente.

Movimento antinatural: Se o movimento parece robótico ou liso demais, adicione modificadores naturais. "Leve balanço", "andar natural", "agitado pelo vento" introduzem imperfeição orgânica que torna o movimento realista. Evite termos mecânicos como "girar 45 graus" a menos que você queira movimento mecânico de propósito.

Estilo ou época errados: Se o vídeo parece da década ou gênero errado, adicione âncoras de estilo mais fortes. "Filmado em 16mm, correção de cor dos anos 90" ou "cinema digital limpo, ciência de cor moderna" forçam o modelo em direção a uma era visual específica. A documentação do Runway sugere usar palavras-chave de referência do cinema real para guiar o estilo visual com mais precisão.

Sujeitos inconsistentes entre clipes: Se você está gerando vários clipes do mesmo personagem ou produto, copie a descrição do sujeito exatamente entre prompts. Mude só a ação e a câmera. Manter o texto do sujeito idêntico ajuda o modelo a manter consistência visual, embora não seja garantido. Para consistência crítica, use ferramentas que suportem referências de personagem nativamente.

Texto ou logos ilegíveis: Modelos de vídeo IA têm dificuldade com texto legível. Evite pedir texto na tela. Adicione títulos, logos e legendas na pós-produção.