Um bom prompt do Veo 3.1 parece uma descrição curta de tomada: quem está no quadro, o que faz, onde está, como a câmera se comporta, que aparência a cena deve ter e o que devemos ouvir. Segundo o Google, o Veo 3.1 segue o prompt com mais fidelidade do que o Veo 3, então quanto mais precisa for a descrição da tomada, mais dela você recebe de volta.
Este guia mostra como estruturar um prompt para um clipe de 8 segundos, quais palavras de câmera e de estilo valem a pena, como escrever diálogo e som, como os quadros inicial e final mudam o que o prompt precisa dizer, e traz dez prompts para colar e adaptar.
Antes de escrever: o que cabe num clipe do Veo 3.1
No Veo Video, cada geração do Veo 3.1 é um clipe de 8 segundos com som, em 16:9 ou 9:16, em 720p, 1080p ou 4K. Você pode começar de texto, de uma foto (que vira o primeiro quadro) ou de uma foto mais um quadro final. As imagens de referência funcionam no Veo 3.1 Fast, com até três por clipe.
Oito segundos equivalem mais ou menos a uma tomada com uma ação clara, ou a dois ou três momentos curtos. Dá para uma ou duas falas, não para um parágrafo de diálogo. A maioria dos prompts fracos tenta enfiar uma cena inteira num clipe só; a solução costuma ser cortar o prompt até sobrar apenas o momento que você quer.
A estrutura de um prompt do Veo 3.1
As orientações do Google para prompts do Veo listam os elementos que dão forma a um clipe: sujeito, ação, estilo, posição e movimento da câmera, composição, foco e efeitos de lente, e ambientação. O Veo 3.1 também gera som, então o áudio também entra no prompt. Uma ordem prática (os exemplos ficam em inglês, que é como você vai colá-los no gerador):
| Elemento | O que controla | Exemplo |
|---|---|---|
| Tomada e câmera | Enquadramento e movimento | "Close-up, slow dolly in" |
| Sujeito | Quem ou o que está no quadro | "A woman in her 30s in a soft grey sweater" |
| Ação | O que acontece nos 8 segundos | "takes her first sip of coffee and smiles" |
| Cenário | Lugar, hora, clima | "on a small balcony above a quiet street at dawn" |
| Estilo e luz | Visual e clima | "warm morning light, shallow depth of field" |
| Som | Diálogo, efeitos, ambiente | "birds chirping softly, a distant city hum" |
Tudo junto (uma mulher de uns 30 anos, de suéter cinza, toma o primeiro gole de café numa varanda ao amanhecer, com aproximação lenta da câmera):
Close-up, slow dolly in on a woman in her 30s in a soft grey sweater, taking her first sip of coffee on a small balcony above a quiet street at dawn. Morning light grazes her face. Birds chirp softly, a distant city hum. Warm color grade, shallow depth of field, TV commercial style.
Você não precisa de todos os elementos em todos os prompts. O que você deixar de fora, o modelo preenche, o que é ótimo para detalhes que não importam e um problema para os que importam.
Câmera: tipos de plano e movimento
A linguagem de câmera é uma das alavancas mais confiáveis num prompt do Veo. Diga o enquadramento e depois diga um movimento. Oito segundos raramente comportam mais do que isso, então fique com um único movimento em vez de empilhar vários ("pan left while craning up and zooming in", panorâmica para a esquerda enquanto a grua sobe e o zoom fecha).
| Plano | Use para | Palavras a usar |
|---|---|---|
| Aberto / de ambientação | Lugares, escala, contexto | "wide shot", "establishing shot" |
| Médio | Pessoas conversando, ação em geral | "medium shot", "waist-up" |
| Close | Rostos, emoção, detalhes de produto | "close-up" |
| Close extremo | Textura, objetos pequenos | "extreme close-up", "macro shot" |
| Ponto de vista (POV) | Imersão em primeira pessoa | "POV shot", "first-person view" |
Movimentos que funcionam bem num único clipe:
- Dolly in / dolly out: a câmera se aproxima ou se afasta do sujeito; bom para criar tensão ou revelar o contexto.
- Pan (panorâmica): a câmera gira na horizontal; bom para percorrer uma cena ou acompanhar um movimento lateral.
- Tracking shot (travelling): a câmera se desloca junto com o sujeito.
- Crane shot (grua): a câmera sobe ou desce; bom para revelações.
- Orbit (órbita): a câmera circula em volta do sujeito.
- Static (fixa): câmera travada, útil para diálogo e fotos de produto.
Palavras de lente e foco também ajudam: "shallow depth of field" (pouca profundidade de campo), "rack focus from the cup to her face" (troca de foco da xícara para o rosto), "wide-angle lens" (grande-angular), "macro lens" (lente macro), "shot on 35mm film" (filmado em 35 mm, para granulação e calor).
Diálogo e som
O Veo 3.1 gera som em todos os clipes. Se você não disser nada sobre o áudio, ele ainda cria uma trilha para a cena; se descrever, você ganha mais controle. A orientação do Google é colocar as falas entre aspas, descrever os efeitos sonoros de forma explícita e descrever o ambiente separadamente.
Diálogo
Coloque a fala entre aspas e diga quem fala e como. No exemplo abaixo, um detetive cansado, atrás de uma mesa num escritório escuro, levanta os olhos e diz uma fala clássica de filme noir:
Medium shot of a tired detective behind a desk in a dim office, rain on the window behind him. He looks up and says in a weary voice, "Of all the offices in this town, you had to walk into mine." Film noir look, hard shadows from window blinds.
- Fique em uma ou duas frases curtas por clipe. Qualquer coisa mais longa não cabe com folga em 8 segundos.
- Com duas pessoas falando, dê um nome a cada uma e uma fala para cada, por exemplo Host A: "Welcome back!" Host B: "Glad to be here."
- Descreva a voz ("weary", cansada; "excited whisper", sussurro animado; "calm and slow", calma e lenta) para que a interpretação combine com a imagem.
Efeitos sonoros e ambiente
Associe cada som a algo visível e escreva os efeitos do jeito que você quer ouvi-los. Aqui, um beco estreito sob letreiros de neon, com garoa fria, alarme ao longe e chuva batendo em latas de lixo:
Wide shot of a narrow alley under buzzing neon signs as cold drizzle falls. A distant alarm wails, neon hums, rain patters on metal bins.
O prompt da casca de banana também mostra como lidar com uma sequência: ele coloca as ações em ordem e marca as viradas com palavras como "suddenly" (de repente) e "in the next moment" (no momento seguinte). Isso dá ao modelo uma linha do tempo para seguir dentro dos 8 segundos.
Estilo, cor e luz
Palavras de estilo funcionam melhor quando descrevem algo visível, e não uma qualidade vaga.
| Visual | Palavras que ajudam |
|---|---|
| Cinematográfico | "shot on 35mm film", "anamorphic lens", "film grain" |
| Documentário | "handheld camera", "natural light", "documentary style" |
| Terror | "desaturated colors", "heavy grain", "low angle", "flickering light" |
| Ficção científica | "neon-lit", "holographic display", "cool blue light" |
| Comercial | "TV commercial style", "clean studio lighting" |
| Animação | "hand-drawn anime style", "cel-shaded", "vibrant colors" |
Para luz e cor, diga a direção e a hora do dia: "dramatic side lighting" (luz lateral dramática), "backlit silhouette" (silhueta em contraluz), "golden hour" (hora dourada), "blue hour" (hora azul), "overcast diffused light" (luz difusa de céu nublado), "warm golden tones" (tons dourados quentes), "cyan-magenta grade" (correção de cor ciano e magenta).
Descreva o que você quer em vez de listar o que não quer. "A clean, unlabeled glass bottle on a plain black surface" (uma garrafa de vidro limpa, sem rótulo, sobre uma superfície preta lisa) leva você mais longe do que uma lista de coisas a evitar.
Começando de imagens
Imagem para vídeo
Quando você envia uma foto, ela vira o primeiro quadro. O prompt não precisa mais descrever a aparência do sujeito; use-o para o movimento, a câmera e o som. Por exemplo: "She turns toward the window and smiles, slow dolly in, soft room tone and a distant car passing." (ela se vira para a janela e sorri, aproximação lenta, som ambiente suave do quarto e um carro passando ao longe).
Quadros inicial e final
Adicione um quadro final e o Veo 3.1 cria o movimento entre as duas imagens. Use quando a tomada precisa terminar numa composição conhecida: uma revelação, um produto girando até ficar de frente para a câmera, uma transformação. Mantenha o prompt focado em como a mudança acontece ("the paper ball unfolds and folds itself into a paper airplane", a bola de papel se desdobra e se dobra num avião de papel), já que os dois extremos já estão definidos.
Imagens de referência (Veo 3.1 Fast)
Imagens de referência são diferentes de um primeiro quadro: elas dizem ao modelo como é uma pessoa, um personagem ou um produto, e o modelo os coloca numa cena nova. No Veo Video, você pode adicionar até três no Veo 3.1 Fast. O prompt então descreve a cena e a ação; as imagens carregam a identidade.
10 prompts do Veo 3.1 para colar e adaptar
Cada prompt foi escrito para um clipe de 8 segundos. A proporção sugerida é só um ponto de partida; todos funcionam em 16:9 ou 9:16. Os prompts estão em inglês, que é o idioma com resultados mais previsíveis; a descrição acima de cada um explica a cena.
1. Revelação de produto (16:9)
Um smartwatch preto sobre uma rocha à beira de um penhasco; a câmera recua e sobe como um drone, revelando um vale alpino ao nascer do sol.
Close shot of a sleek black smartwatch resting on a rugged rock at a mountain cliff edge. The camera pulls back and rises in one smooth drone move, revealing a vast alpine valley at sunrise. Wind rushes softly, a low cinematic swell. Product commercial style, crisp natural light.
2. Palestrante no palco (16:9)
Uma palestrante confiante num púlpito, câmera fixa, dizendo uma frase sobre IA e colaboração.
Medium shot of a confident speaker at a podium in a modern conference hall, static camera. She gestures naturally and says, "The future of AI is not replacement. It is collaboration." Soft stage lighting, light audience murmur, polished corporate look.
3. Documentário de natureza (16:9)
Um lobo solitário trotando pela neve numa floresta de pinheiros ao entardecer, acompanhado por um travelling aberto.
Wide tracking shot following a lone wolf trotting through fresh snow in a dense pine forest at dusk. Snow crunches under its paws, wind whispers through the trees. Documentary style, natural light, 35mm film grain.
4. Corredor de terror (9:16)
Um corredor de hospital vazio, com lâmpadas fluorescentes piscando e uma figura caminhando devagar em direção à câmera.
Low-angle wide shot down a long, empty hospital hallway with flickering fluorescent lights. A lone figure at the far end walks slowly toward the camera, footsteps echoing. A light buzzes and cuts out. Desaturated colors, heavy grain.
5. Moto na estrada costeira em POV (9:16)
Visão de dentro de um capacete numa estrada sinuosa à beira-mar, na hora dourada.
POV shot from a motorcycle helmet on a winding coastal road, leaning into a curve with cliffs and a sparkling ocean below. Engine roar, wind rushing past. Golden hour light with sun flares, high-energy action sports style.
6. Chef em ação (16:9)
As mãos de uma chef arrumando ervas numa bancada de mármore; a câmera sobe até o rosto concentrado dela.
Close-up of a chef's hands arranging fresh herbs on a marble counter, then the camera tilts up to her focused face. Knife taps, a pan sizzling in the background. Soft overhead window light, warm lifestyle look.
7. Desfile de moda (9:16)
Uma modelo caminhando por uma galeria de arte branca e vazia num vestido de seda esvoaçante.
Slow dolly in on a model walking through an empty white art gallery in a flowing silk dress; each step sends ripples through the fabric. Heels click on polished concrete, quiet gallery echo. Soft diffused light, high-fashion editorial style.
8. Momento de emoção contida (16:9)
Um senhor idoso alimentando pombos num banco de praça, sob árvores de outono, numa tarde quente.
Medium shot of an elderly man on a park bench feeding pigeons in warm afternoon light under autumn trees. He pauses, looks up and smiles as leaves drift past. Pigeons coo, leaves rustle, distant children's laughter. Nostalgic tone, shallow depth of field.
9. Interface de ficção científica (16:9)
Mãos manipulando um holograma transparente com um globo 3D de dados brilhando.
Close-up of hands swiping and pinching a transparent holographic display, rotating a glowing 3D globe of data. Blue-white light from the interface illuminates the face behind it. Soft electronic chimes with each gesture. Clean, futuristic look.
10. Produto de luxo (9:16)
Um frasco de perfume de luxo girando devagar sob um único spot de luz dramático.
Extreme close-up of a luxury perfume bottle on a reflective black surface under a single dramatic spotlight. The bottle slowly rotates, catching golden highlights on its facets. A soft, resonant chime. Premium commercial style.
Um fluxo do rascunho à versão final
- Comece curto. Escreva a tomada, o sujeito e a ação em uma ou duas frases e rode no Veo 3.1 Lite em 720p. É o jeito mais barato de conferir se o modelo entendeu a ideia.
- Acrescente a câmera e o visual. Quando a ação estiver certa, adicione um movimento de câmera, a iluminação e o estilo.
- Acrescente o som. Escreva o diálogo entre aspas e nomeie os efeitos e o ambiente.
- Gere a versão final. Quando o prompt funcionar, rode em 1080p ou 4K, no Lite ou no Veo 3.1 completo para a tomada mais detalhada. Cada geração é uma nova tomada, então espere um resultado próximo do rascunho, não um clipe idêntico.
Dicas pelo caminho:
- Mude uma coisa de cada vez entre as gerações (a câmera ou a luz, não as duas), para enxergar o que fez a diferença.
- Rode algumas vezes um prompt que funciona; cada geração é uma tomada diferente, e geralmente uma sai melhor que as outras.
- Escreva os prompts em inglês para ter os resultados mais previsíveis.
- Para sequências com mais de 8 segundos, escreva cada tomada como um prompt próprio e repita as mesmas palavras de personagem, paleta e estilo em todas.
Erros comuns
| Erro | O que acontece | Solução |
|---|---|---|
| Vários movimentos de câmera num prompt | Instruções concorrentes num clipe curto | Um enquadramento, um movimento |
| Uma cena inteira num clipe | Ações apressadas ou puladas | Fique em um momento ou em dois ou três momentos curtos |
| Diálogo longo | Falas cortadas ou corridas | Uma ou duas frases curtas |
| Sujeito vago | Detalhes aleatórios preenchidos pelo modelo | Diga idade, roupa, características principais |
| Nenhuma indicação de som | Uma trilha genérica | Nomeie efeitos e ambiente; coloque o diálogo entre aspas |
| Palavras de estilo diferentes em clipes relacionados | Clipes que não combinam na montagem | Repita a mesma paleta e as mesmas expressões de estilo |
| Figuras públicas reais ou fotos de crianças | O pedido é bloqueado | Use personagens fictícios e adultos |
Se uma geração for bloqueada pelos filtros de segurança do Google, os créditos voltam para o seu saldo.
Experimente
Contas novas no Veo Video recebem 30 créditos grátis, o suficiente para um clipe de 8 segundos do Veo 3.1 Lite em 720p. Escolha um dos prompts acima, ajuste ao seu sujeito e veja como o modelo o interpreta.
Para saber mais sobre o próprio modelo, leia Veo 3 vs Veo 3.1: o que mudou.