Qual deve ser o tamanho de um prompt de cena?

De duas a quatro frases, aproximadamente de 30 a 70 palavras. Longo o bastante para cobrir cenário, ação, câmera, luz e final; curto o bastante para que cada palavra tenha uma função.

Devo descrever a aparência do meu personagem no prompt?

Não. Quando as imagens de referência já mostram o personagem, as palavras de aparência entram em conflito com elas e causam deriva. Descreva a cena.

Posso usar prompts negativos com vídeo de referência?

Alguns modelos e APIs aceitam um campo de prompt negativo. Ele pode suprimir artefatos específicos, como textos na tela, mas não corrige a deriva de identidade. Referências melhores resolvem isso.

Quanto custa testar um prompt no RefVid?

31 créditos por segundo: 93 para um rascunho de 3 segundos, 155 para 5 segundos, 310 para 10 e 465 para 15. As primeiras 50 contas ganham 630 créditos grátis. As contas seguintes ganham 100, o equivalente a um clipe de 3 segundos.

Prompts gerais de vídeo com IA funcionam com modelos de referência?

Em parte. Os modelos de referência já conhecem o sujeito, então elimine as palavras de aparência e mantenha a cena: cenário, ação, câmera, luz e final.

Como funciona um prompt de cena para vídeo com referências?

As referências definem quem ou o que aparece no plano; o prompt de cena diz onde a ação acontece, o que acontece e como a câmera se move, em duas a quatro frases.

Tutoriais

Como escrever prompts de cena para vídeo com referência

Quando um modelo de vídeo já tem imagens de referência do seu personagem ou produto, o prompt passa a ter outra função. Ele descreve a cena, não o sujeito. Um bom prompt de cena informa o cenário, uma ação principal, o movimento de câmera, a luz e o final, nessa ordem, em duas a quatro frases simples. Este guia traz essa estrutura, exemplos práticos e os hábitos que comprometem a consistência sem você perceber.

Atualizado em 2026-10-22

Gerado no RefVid com o Kling 3.0 Omni a partir de quatro fotos de referência da Mia. Prompt: descrição apenas da cena, uma cozinha ensolarada, servindo café e depois olhando para a câmera e sorrindo.

Por que os prompts com referência são diferentes

No texto para vídeo, o prompt carrega tudo, então é comum encher de detalhes de aparência. Com referências, esses detalhes entram em conflito com as imagens. Se as referências mostram cabelo castanho curto e o prompt diz ondas ruivas, o modelo mistura as duas coisas e gera uma terceira versão. A regra é simples: a identidade fica nas referências, e todo o resto fica no prompt.

Isso libera o prompt para o que as referências não conseguem oferecer: onde a cena acontece, o que se move e como é filmado.

A estrutura em cinco partes

1. Cenário. Uma frase sobre lugar e momento: "Uma pequena cozinha de padaria ao amanhecer, farinha sobre a bancada de aço." Substantivos específicos funcionam melhor que adjetivos. "Bancada de aço" diz mais ao modelo do que "cozinha moderna".

2. Ação. Uma ação principal por clipe, no presente: "Ela tira uma forma de pão do forno e a coloca sobre a bancada." Duas ações em sequência funcionam em clipes de oito segundos ou mais. Com três ou mais, o movimento costuma sair apressado ou ser pulado.

3. Câmera. Nomeie o tamanho do plano e o movimento: "Plano médio, aproximação lenta." "Primeiro plano, câmera na mão, leve balanço." "Plano aberto, parado." Se você não definir a câmera, o modelo escolhe uma, e escolhe de forma diferente a cada geração, o que dificulta a montagem dos clipes.

4. Luz. Informe a fonte e a direção: "Luz quente vinda de uma janela à esquerda." A luz é um dos principais gatilhos de deriva facial, então descreva-a de forma clara e mantenha-a parecida entre clipes que serão editados juntos.

5. Final. Diga onde o clipe termina: "Termina quando ela olha para a câmera e sorri." Um quadro final definido facilita o corte para o próximo plano.

O prompt por trás deste clipe da LUMEN tem as cinco partes: uma prateleira de mármore branco de banheiro ao lado de uma planta pequena (cenário), um leve vapor se dissipando (ação), uma aproximação lenta (câmera), sol da manhã por uma janela de vidro fosco (luz) e um final em que o rótulo ocupa o centro do quadro (final).

Exemplos prontos

Personagem, plano do dia a dia: "Fica em uma cozinha minimalista sob a luz quente da manhã, serve café de uma jarra de vidro numa xícara branca e depois olha para a câmera e sorri. Plano médio, luz natural suave." É muito parecido com o prompt do clipe desta página.

Produto, plano de destaque: "A garrafa está sobre uma pedra preta molhada, com gotas pequenas no vidro. Uma órbita lenta ao redor dela, em ângulo baixo. Uma luz forte e única por trás traça um contorno ao longo das bordas. Termina mostrando o rótulo frontal voltado para a câmera."

Personagem, plano de fala: "Um escritório em casa com estantes de livros ao fundo. Ele se inclina em direção à câmera e explica algo com uma das mãos. Primeiro plano médio, câmera parada, na altura dos olhos. Luz suave do dia vindo da direita. Termina em uma pausa curta e um aceno de cabeça."

Repare no que falta nos três: nenhuma cor de cabelo, nenhuma cor de olhos, nenhuma roupa, nenhuma descrição de logotipo. As referências cuidam disso.

Personagem, dia a dia

Produto, destaque

Os dois primeiros exemplos são muito parecidos com os prompts destes clipes, feitos no RefVid com o Kling 3.0 Omni a partir de quatro fotos da Mia e de três fotos da garrafa.

Duração, planos e formato

A duração muda o que um prompt consegue conter. O Kling 3.0 Omni gera até 15 segundos por solicitação e suporta geração com múltiplos planos, segundo o guia da Kling, em outubro de 2026. Os clipes de referência do Veo 3.1 têm sempre 8 segundos, segundo a documentação do Google. Para um clipe de três ou cinco segundos, escreva uma ação. Para dez segundos ou mais, escreva duas, ou use descrições de planos separadas se o modelo suportar múltiplos planos.

Quando dois sujeitos dividem a cena, identifique cada um pela tag, como @Element1 e @Element2 nos modelos Omni da Kling, para que o modelo saiba quem faz o quê. A proporção de tela é uma configuração, não texto do prompt. Escolha 9:16 para vídeos verticais em redes sociais e 16:9 para web e YouTube, em vez de escrever "vertical" no prompt.

Dois sujeitos salvos em um clipe de 3 segundos, a Mia e a garrafa NOIR 07: "Mia segura a NOIR 07 ao lado do rosto e sorri, luz suave de estúdio, aproximação lenta." Feito com o Kling 3.0 Omni no RefVid.

Erros comuns e checklist

Repetir detalhes de aparência que já estão nas referências. Palavras de estilo que brigam com as referências, como "anime" quando as referências são fotos; se quiser um visual estilizado, use referências estilizadas. Enchimento de qualidade como "obra-prima, 8k, ultra detalhado", que dificulta comparar os prompts. Mudar várias coisas ao mesmo tempo quando um clipe falha; altere uma parte por tentativa para entender o que causou o problema.

Checklist: cenário em uma frase; uma ação a cada cinco segundos; tamanho do plano e movimento de câmera nomeados; fonte e direção da luz nomeadas; um quadro final; nenhum detalhe de aparência; proporção de tela definida nas configurações.

O RefVid é organizado para essa divisão. O personagem ou produto é salvo uma vez, com suas referências, e a caixa de prompt, de até 2.000 caracteres, serve só para a cena. Você não precisa marcar o sujeito; o RefVid anexa o elemento ao prompt para você no Kling 3.0 Omni.

Perguntas frequentes

Qual deve ser o tamanho de um prompt de cena?: De duas a quatro frases, aproximadamente de 30 a 70 palavras. Longo o bastante para cobrir cenário, ação, câmera, luz e final; curto o bastante para que cada palavra tenha uma função.
Devo descrever a aparência do meu personagem no prompt?: Não. Quando as imagens de referência já mostram o personagem, as palavras de aparência entram em conflito com elas e causam deriva. Descreva a cena.
Posso usar prompts negativos com vídeo de referência?: Alguns modelos e APIs aceitam um campo de prompt negativo. Ele pode suprimir artefatos específicos, como textos na tela, mas não corrige a deriva de identidade. Referências melhores resolvem isso.
Quanto custa testar um prompt no RefVid?: 31 créditos por segundo: 93 para um rascunho de 3 segundos, 155 para 5 segundos, 310 para 10 e 465 para 15. As primeiras 50 contas ganham 630 créditos grátis. As contas seguintes ganham 100, o equivalente a um clipe de 3 segundos.
Prompts gerais de vídeo com IA funcionam com modelos de referência?: Em parte. Os modelos de referência já conhecem o sujeito, então elimine as palavras de aparência e mantenha a cena: cenário, ação, câmera, luz e final.
Como funciona um prompt de cena para vídeo com referências?: As referências definem quem ou o que aparece no plano; o prompt de cena diz onde a ação acontece, o que acontece e como a câmera se move, em duas a quatro frases.