Como descrever uma cena para gerar clipes

Escreva os blocos nesta ordem e pule os que não precisar: um clipe sem falas nem referências só precisa de jeito de filmar, cena, ação, câmera e som.

Um ou dois personagens com uma ou duas ações por plano funcionam melhor. O tamanho do prompt depende da cena: não é preciso espremer uma cena detalhada em duas linhas.

Escreva a ação como uma sequência de passos visíveis: sorri, dá um passo, para de sorrir, olha para trás, fica imóvel. Descreva a física com palavras: «a bola quica pelo corredor, cada quique mais baixo». Conte os objetos que não podem se duplicar: «exatamente uma xícara na mão».

Vários planos numa geração são escritos em sequência com marcações de tempo, sem buracos nem sobreposições: 0-2 s ..., 2-5 s ..., 5-8 s .... Cada trecho tem seu enquadramento, sua ação e sua câmera, e juntos somam a duração do clipe. Funciona bem no Seedance 2.0 e 2.5, no Wan 3.0 e no MiniMax H3; no Seedance 2.5 e no Wan 3.0 a cronologia se mantém até 30 segundos.

Os planos não precisam ser iguais: um detalhe ou close dura menos, um plano geral ou uma ação dura mais. O enquadramento e o que acontece no plano decidem a duração dele.

Mantenha os planos de uma cena numa só geração quando o lugar, a hora e os personagens são os mesmos e tudo cabe na duração do modelo. Um objeto ou lugar descrito só em texto continua igual só dentro de uma geração.

Divida em gerações separadas quando um plano precisa ser refeito sozinho, a cena muda ou a duração total passa do limite do modelo. Aí anexe a cada geração as mesmas referências de personagens, objetos e lugar e descreva de novo o estado atual: as gerações não se lembram umas das outras.

Um quadro serve de emenda: o último quadro do clipe pronto vira o quadro inicial do próximo. Termine cada parte num estado calmo, uma pose parada ou uma ação concluída, e o corte fica invisível.

Cada fala: quem fala, tom, ritmo, emoção e depois as palavras exatas entre aspas. O idioma da fala é definido pelo próprio texto; os modelos de vídeo não têm seletor de idioma. Escreva os números das falas por extenso.

Reserve uns três segundos para uma fala curta. Se a fala sair corrida, acrescente tempo ou distribua o texto entre planos.

Nomeie cada som junto com a ação: um copo bate no concreto, passos no cascalho. Escreva o ambiente e a música à parte; se não quiser música, diga: «sem música».

Voz de um arquivo: Seedance 2.0 e 2.5 e MiniMax H3 aceitam áudio junto com uma foto ou vídeo, o Wan 3.0 também sem eles. Nomeie o arquivo no prompt: «fala com a voz do áudio 1». O Kling 4.0 só consegue manter o som do vídeo de referência; o Gemini Omni não aceita áudio.

A estrutura do prompt é a mesma, mas cada modelo recebe planos, som e referências de um jeito.

No Kling 3.0 mantenha o prompt curto e concreto: um ou dois personagens, uma ação simples, um movimento de câmera. Em modelos fora da tabela, teste antes as marcações de tempo com uma tentativa.

Primeiro o ângulo e o tamanho do plano: de baixo, de cima, close, plano geral. Depois um movimento com velocidade: aproximação lenta, panorâmica suave para a esquerda. Vários movimentos sem ordem quebram o plano; se precisar de uma sequência, coloque-a na linha do tempo.

Se a câmera não deve se mexer, escreva «câmera parada, sem zoom». O modelo pode colocar no quadro um aparelho citado: em vez de «filmado com drone», descreva o trajeto, bem alto sobre o campo, devagar para a frente.

Quando o trajeto não cabe em palavras, anexe um vídeo com o movimento que você quer como referência de câmera num modelo que aceita vídeo: Seedance 2.5, Wan 3.0, MiniMax H3 ou Kling 4.0.