Prompts para Veo 3.1: como fugir do vídeo parado e fazer uma cena de verdade

O Veo perdoa menos que a maioria dos outros modelos. Se você manda um prompt curto e preguiçoso, a cena sai bonita, mas parada e sem propósito nenhum. Se você manda um prompt detalhado, ele trabalha como um diretor de fotografia com orçamento de verdade. Os prompts para Veo 3.1 vivem (ou morrem) de detalhe, então vamos destrinchar quais blocos entram em um prompt que funciona. Já falei da estrutura geral de prompt no meu guia de prompt para vídeo com IA; aqui o foco é o que muda especificamente nesse modelo.

De que é feito um prompt para Veo 3.1

Um prompt que funciona no Veo 3.1 se apoia em cinco camadas. Cena e sujeito: o que aparece no quadro, que produto, que ambiente. Ação: o que está acontecendo, para onde o objeto ou a pessoa se move. Câmera: estática, push-in lento, órbita, travelling lateral. Luz e clima: luz suave de manhã, contraluz, iluminação de estúdio, tom quente de fim de tarde. E som, porque o Veo trabalha com áudio nativo: barulho de rua, passos, o clique de uma tampa fechando.

Quanto mais específica cada camada, menos espaço sobra para o modelo chutar sozinho. "Vídeo legal de um tênis" não dá em nada. "Um tênis sobre uma laje de concreto, órbita lenta da esquerda para a direita, contraluz, um pouco de poeira no ar, som abafado de cidade ao fundo" já dá um plano de verdade.

Onde o Veo ganha de todo mundo

Visual premium e iluminação são o forte dele, então vale carregar o prompt de detalhes cinematográficos: profundidade de campo, luz de contorno, reflexos. O áudio nativo é outro ponto forte: descreva o ambiente sonoro, não só o visual, senão o resultado sai mudo ou com um ruído de fundo aleatório. Para entender melhor o que ele faz, dá uma olhada na nossa análise do Veo 3.1.

O que não vale a pena pedir

O Veo renderiza texto no quadro mal, igual quase todo modelo de vídeo, então eu nunca coloco rótulo de embalagem ou texto na tela dentro do prompt. Isso eu adiciono depois, na pós-produção. Movimentos finos de mão com objetos pequenos também saem tortos. E não tente encaixar vários eventos em dez segundos: uma cena, uma ação, senão o clipe desmonta.

Na minha experiência, o erro mais comum é descrever de menos. O criador tem o quadro inteiro na cabeça, mas escreve talvez um terço dele. O modelo preenche o resto do jeito dele, e o resultado sai torto. Por isso eu escrevo mais do que parece necessário e ajusto um parâmetro por vez. Dá pra rodar várias variações do mesmo prompt no Veo dentro do Flami e comparar qual camada realmente mudou a cena.

Perguntas frequentes

O que faz um bom prompt para Veo 3.1?

Cinco camadas: cena e sujeito, ação, movimento de câmera, luz e clima, som. O Veo trabalha com áudio nativo, então descreva também o ambiente sonoro, ou o clipe sai mudo ou com uma trilha de fundo aleatória.

Por que o Veo gera uma cena bonita mas vazia?

Geralmente é prompt curto: você tem o quadro inteiro na cabeça, mas só escreve um terço dele, e o modelo chuta o resto sozinho. Um prompt detalhado, que descreve ação, câmera e luz em vez de frases vagas, resolve isso.

Dá pra pedir texto no quadro ao Veo?

Melhor não. Modelos de vídeo renderizam texto mal, e as letras saem distorcidas. É mais confiável gerar a cena limpa e adicionar o texto que você precisa depois, na pós-produção, por cima do clipe pronto.

Quantas ações cabem em um clipe só?

Uma. Dez segundos não dão espaço para vários eventos, e o clipe acaba desmontando em pedaços soltos. Uma cena, uma ação clara; para montar uma história mais longa, use várias gerações separadas.

Fontes

1. Flami: Como Escrever um Prompt para Vídeo com IA
2. Flami: Análise do Veo 3.1