Como escrever um prompt de vídeo com IA que funciona de primeira

Oi, eu sou Lucas, content lead da Flami, e no último ano escrevi mais prompts para vídeo com IA do que eu gostaria de admitir. Grande parte foi direto pro lixo. Então este texto não é sobre palavras mágicas que fazem o modelo obedecer. Elas não existem. É sobre como eu parei de gastar créditos à toa e passei a conseguir um clipe utilizável na primeira ou segunda tentativa.

Vou adiantar a ideia central, caso você queira parar de ler aqui: o modelo não adivinha o que está na sua cabeça. Ele preenche tudo que você deixou em aberto. E preenche com a média de tudo que já viu antes: fundo plano, luz uniforme, movimento sem graça. Quanto mais você deixa por conta dele, mais genérico sai o resultado. Prompt não é feitiço. É um briefing para um operador que leva você ao pé da letra.

Comece Antes de Digitar Qualquer Coisa

Não com texto. Com uma imagem na cabeça.

Antes de abrir o campo de prompt, eu descrevo um frame para mim mesmo, em voz alta. O que está no centro, o que tem ao redor, de onde vem a luz, o que se move. Se eu não consigo colocar a cena em palavras, o modelo também não tem chance de montar nada. Parece óbvio, mas é aqui que a maioria dos prompts desmorona. Alguém digita "vídeo bonito de uma cafeteira" e espera mágica.

Onde essa cafeteira está? Numa bancada de cozinha, num estúdio, num fundo branco? A luz é de manhã entrando pela janela, ou é iluminação de estúdio? Ela está parada, ou preparando café, com o líquido escorrendo pra dentro da xícara? A câmera está fixa ou girando ao redor? Essas respostas são o material com que o prompt é construído.

Seis coisas que todo prompt precisa

Eu guardo seis categorias na cabeça. Nem todo prompt precisa detalhar as seis, mas quando um resultado desanda, geralmente é porque uma delas ficou de fora.

Primeiro, o assunto. O que está em quadro, exatamente. Não "o produto", e sim "uma jaqueta puffer cor caqui, com capuz forrado de pelo, estilo oversized".

Depois, o cenário. Onde isso acontece. Uma rua coberta de neve, um estúdio minimalista, uma mesa de madeira perto da janela.

Terceiro, a luz. É metade do jogo, e é o que quase todo mundo esquece. Luz suave e difusa, contraluz forte, tom quente de pôr do sol, neon frio. A luz é o que decide se a cena parece barata ou cara.

Movimento de câmera. Aproximação lenta, giro de 360 graus, travelling lateral, tripé fixo. Deixe isso de fora e a câmera costuma ficar parada, e o clipe acaba com cara de foto que se mexe.

Ação. O que acontece nesses poucos segundos. É onde as pessoas se prejudicam mais. "A modelo está parada ali" contra "a modelo ajusta o capuz, gira um quarto de volta, olha pra lente". A segunda versão realmente vive.

E por último, clima e estilo. Cinematográfico, caseiro e aconchegante, ritmo de anúncio acelerado, documental. Isso define o tom geral da cena.

Resumindo: quem está em quadro, onde essa pessoa está, como ela é iluminada. Depois câmera e ação. Eu costumo deixar o clima por último, quando o resto já está fechado. A ordem não importa tanto, mas nenhuma dessas seis perguntas pode ficar sem resposta. Onde você deixa um buraco, o modelo erra.

Um Prompt Real, Antes e Depois

Aqui vai um exemplo real dos meus próprios testes. Produto: uma mochila de couro.

❌ Antes: "vídeo de uma mochila de couro pra anúncio"

O que voltou: a mochila flutuando no ar contra um fundo cinza, balançando levemente, luz achatada. Tecnicamente um vídeo. Na prática, lixo.

✅ Depois: "Uma mochila de couro marrom sobre uma mesa de madeira perto da janela, luz suave da manhã vindo da esquerda, mostrando a textura do couro e as costuras. A câmera gira lentamente ao redor, com closes no zíper e nos metais. Sensação premium, como um anúncio de marca de alto padrão."

O custo em créditos é idêntico. A diferença de qualidade não é. Um desses está pronto pra entrar num anúncio de produto, o outro vai direto pra lixeira. E esse nem é o teto de quanto dá pra detalhar, como você vai ver agora.

Prompts mais longos são melhores, não piores

Eu mesmo errei nisso por um bom tempo, e quero corrigir aqui porque o mito contrário circula bastante. Dizem que prompt tem que ser curto, senão o modelo se perde. Na minha experiência é o oposto: quanto mais específica a descrição da cena, mais perto o resultado fica do que você imaginou, e menos o modelo improvisa por conta própria.

Um prompt curto não é "limpo e eficiente". É "cheio de espaços em branco que o modelo vai preencher com alguma coisa mediana". E mediana é exatamente aquele resultado sem graça e meio cinzento que ninguém quer. Um prompt detalhado, de 150 a 200 palavras, com a quebra segundo a segundo, costuma superar um prompt curto, pelo menos comigo.

Aqui vai um exemplo real do nível que vale a pena buscar: um anúncio estilo UGC de um liquidificador, quebrado segundo a segundo, com fala.

Vídeo vertical estilo UGC, 15 segundos, estética de filmado com iPhone. Uma mulher resenha e mostra um liquidificador, sem ensinar receita, só genuinamente empolgada com o produto.
0-2 seg, gancho: ela segura a base grafite escura do liquidificador perto da câmera com as duas mãos, olhos arregalados, falando direto pra lente: "Esse liquidificador mudou minhas manhãs."
2-5 seg: ela passa o dedo pelo corpo fosco, aperta o único botão redondo, gira devagar, pontos de LED cor de cobre acendem ao redor. Ela inclina a cabeça, impressionada: "Um botão só. É tudo que precisa."
5-8 seg: ela levanta o jarro de vidro transparente, bate com o nó do dedo nele, um som sólido, mostra as lâminas por baixo: "Vidro, não plástico. Dá pra ver tudo lá dentro."
8-11 seg: ela encaixa o jarro na base, coloca as frutas, aperta o botão, o liquidificador liga na hora. Ela dá um passo atrás e aponta pra ele: "Ouviu como é silencioso?"
11-13 seg: ela serve uma vitamina, segura o copo contra a luz, cor intensa, textura lisa: "Primeira tentativa. Sem pedaços."
13-15 seg: ela dá um gole, olha pro liquidificador, depois pra câmera, acena com a cabeça: "Pois é. Vale a pena."
Estilo: resenha UGC crua, vertical 9:16, luz natural quente, bancada de cozinha limpa, liquidificador sempre em quadro, leve tremor de câmera na mão, sem texto sobreposto.

Isso passa de duzentas palavras, e cada uma delas está fazendo alguma coisa. Dá pra ver a pessoa, as ações numa linha do tempo, a fala, a textura, a luz, o comportamento da câmera. O modelo quase não precisa inventar nada, porque já está tudo escrito. Esse tipo de clipe sai certo na primeira ou segunda tentativa, não na vigésima.

Nem todo vídeo precisa desse nível de detalhe. Um giro simples de produto funciona bem em três linhas. Mas quando você precisa de algo realmente impressionante, essa é a régua.

O Prompt Negativo: O Que Cortar

Nem todo modelo aceita, mas onde existe, vale a pena usar. É uma lista do que não deve aparecer em quadro.

Eu quase sempre excluo: mãos e dedos extras, texto distorcido na embalagem, tremulação, desfoque, marcas d'água, aquele aspecto de pele plástica e encerada. Pra trabalho de produto eu acrescento "sem logos não relacionados", porque a IA adora colocar uma marca aleatória na camiseta da modelo, e isso é exatamente o tipo de coisa que pode ser sinalizado numa análise de anúncio no marketplace.

Uma ressalva: prompt negativo não resolve tudo. Se o prompt principal está uma bagunça, listar exclusões não conserta nada. Primeiro arrume a parte positiva.

Modelos diferentes pedem prompts ligeiramente diferentes

Essa eu também aprendi na marra, depois de escrever o mesmo prompt pra todo modelo por tempo demais.

O Veo 3.1 do Google entende bem linguagem cinematográfica. Dá pra escrever como se fosse um roteiro de filmagem: "contraluz", "profundidade de campo rasa", "lente de 50mm". Ele também gera áudio nativo, então vale a pena incluir indicações de som no prompt: "ouve-se o tecido se mexendo", "ruído leve de cidade ao fundo". Eu entro em mais detalhes sobre o que ele faz nesta análise.

O Kling 3.0 é forte em movimento e em texto nas embalagens. Ajuda deixar explícitas as trocas de plano: "close, depois plano médio, depois plano aberto". Ele aceita até seis frames numa única geração, e vale a pena usar isso. Veja a análise completa do Kling aqui.

O Hailuo é a escolha certa quando um rosto precisa atuar de verdade. Escreva a emoção de forma direta: "um sorriso pequeno, depois surpresa". O Wan 2.7 lida melhor com física do que qualquer outro que eu testei: se um produto precisa funcionar de forma convincente, liquidificador girando, furadeira realmente perfurando, descreva a mecânica com detalhe.

O Runway é um bicho completamente diferente, pensado mais pra edição de material já existente. Nele, o prompt é uma instrução sobre o que mudar: remover esse objeto, trocar o fundo, acrescentar luz de pôr do sol. Escrevi um texto só sobre o Aleph.

Não precisa decorar isso tudo. Só vale lembrar que a mesma frase funciona de forma diferente em cada modelo, e às vezes um resultado ruim não é um prompt mal escrito, é o modelo errado pra aquele trabalho.

10 Modelos que Eu Reaproveito Sempre

São pontos de partida. Troque pelo seu produto e ajuste. Agrupei pelas categorias que mais aparecem pra quem vende online.

1. Giro de produto (universal): "[Produto] sobre [superfície/fundo], [tipo de luz]. A câmera faz um giro lento de 360 graus, com closes no detalhe. Clima de estúdio limpo."
2. Demonstração de função (ferramentas, eletrônicos): "[Produto] em ação: [ação específica]. A câmera mantém o foco fechado no processo, o resultado fica visível. Ritmo enérgico, foco nítido na função."
3. Estilo de vida (roupas, beleza, acessórios): "Uma pessoa usando [produto] em [cenário do dia a dia], luz natural, movimento espontâneo. Clima caloroso e cotidiano, câmera acompanha a ação de forma solta."
4. Unboxing (eletrônicos, kits): "Mãos abrem a caixa do [produto], tiram o conteúdo, mostram o que está incluso. Planos de cima e closes. Fundo limpo, luz suave."
5. Textura macro (tecido, comida, materiais): "Close extremo do [produto], textura e detalhe visíveis. Movimento de câmera lento, luz lateral suave realça a superfície."
6. Antes e depois (cosméticos, produtos de limpeza, skincare): "[Produto] aplicado em [superfície/pele], resultado de antes e depois mostrado. Quadro limpo, luz uniforme, foco na mudança."
7. Vitrine com modelo (roupas, calçados): "Uma modelo usando [peça] gira, mostrando o caimento, closes nos detalhes. Luz de estúdio ou externa, movimento confiante."
8. Apelo apetitoso (comida, bebidas): "[Prato/bebida], apresentação apetitosa, [vapor/gotas/respingos], luz quente. Movimento de câmera lento, cores ricas e saturadas."
9. Cena de interior (itens de casa, decoração): "[Produto] num interior realista [tipo de ambiente], luz natural de janela. A câmera percorre lentamente, clima aconchegante."
10. Anúncio de alta energia (esportes, gadgets, acessórios automotivos): "[Produto] em uso, cortes rápidos entre ângulos, movimento enérgico. Luz de alto contraste, sensação de velocidade."

Já reescrevi cada um desses pelo menos vinte vezes pra encaixar no meu uso. Trate como ponto de partida, não como manual.

Erros comuns que desperdiçam créditos

O problema não é o tamanho. É a bagunça. Eu achava que prompt longo era o vilão. Acontece que o problema real é a confusão, não a quantidade de palavras. Duzentas palavras focadas numa cena só funcionam muito bem. Mas tente encaixar três cenas diferentes, cinco climas e uma troca de local no mesmo prompt, e o modelo trava. Descreva uma cena em profundidade, não tente colocar uma série inteira num clipe só.

Contradições dentro do próprio prompt. "Câmera fixa" bem ao lado de "giro dinâmico". O modelo vai escolher um dos dois ou vai entregar uma bagunça. Releia o texto e procure esses conflitos.

Abstrações no lugar de uma imagem concreta. Palavras como "premium", "qualidade", "emoção" não significam nada pro modelo. Precisam virar algo visual: premium é luz suave, textura com cara de caro, câmera sem pressa.

E a que eu mesmo ignorei por tempo demais: não desista depois de um resultado ruim. Prompt é iteração, não aposta única. Gere, veja o que ficou errado, mude uma variável, rode de novo. Não reescreva tudo de uma vez, senão você nunca vai saber qual mudança realmente resolveu o problema.

Onde Testar Tudo Isso

Todo modelo que eu mencionei aqui está dentro da Flami, numa assinatura só. Isso ajuda bastante, porque dá pra rodar o mesmo prompt no Veo, no Kling e no Wan e ver, em tempo real, como cada um interpreta suas palavras de um jeito diferente. É mais ou menos assim que eu escolho qual modelo usar pra uma categoria de produto nova.

E se escrever prompt do zero não é algo que você quer encarar, o modo "Vídeo a partir do Produto" deixa você colar o link do anúncio e escolher um modelo já pronto. O prompt já vem escrito e testado, você só recebe o clipe. Mas se você quer controle e uma ideia própria por trás da cena, vale sentar e escrever na mão. Compensa.

Experimente → flami.pro

Perguntas Frequentes

O que é um prompt de vídeo com IA?

É a descrição em texto do clipe que você quer que o modelo gere: o que aparece em quadro, como é a luz, como a câmera se move, o que acontece. Basicamente um briefing pro modelo.

Qual o tamanho ideal de um prompt?

O mais detalhado que você conseguir fazer. Um prompt curto é preenchido com escolhas genéricas e sem graça. Pra um resultado realmente forte, um prompt de 150 a 200 palavras, quebrado por segundos, com fala e detalhe específico, é perfeitamente normal. O cuidado é não misturar várias cenas num prompt só, não o tamanho em si.

Faz diferença se o prompt tem pouco vocabulário técnico, desde que todo detalhe esteja escrito?

Ajuda bastante. Ser específico conta mais do que usar termos técnicos. Descrições simples funcionam bem, desde que você escreva cada detalhe que importa.

Por que o modelo não faz o que eu pedi?

Três suspeitos de sempre: o prompt está abstrato demais, tem alguma contradição interna, ou o modelo escolhido não é o ideal pra aquele trabalho. Comece transformando qualquer palavra abstrata numa descrição visual concreta.

O que é um prompt negativo?

Uma lista do que não deve aparecer em quadro: dedos extras, texto distorcido, logos não relacionados, tremulação. Nem todo modelo aceita, mas onde está disponível, ajuda a limpar o resultado.

Fontes

1. Flami: análise do Veo 3.1
2. Flami: análise do Kling 3.0
3. Flami: Runway Aleph, um editor de vídeo turbinado