Prompts para apresentador de podcast: um apresentador, um estúdio, todo episódio

Fixe duas coisas: o apresentador e o próprio estúdio. No RefVid, o apresentador é um personagem salvo, e uma foto do estúdio tirada do ângulo da câmera principal entra como foto da cena. Assim, o cenário, o microfone e o fundo continuam iguais de um episódio para o outro. Sem isso, as prateleiras, as cores e a luminária mudam em cada clipe.

Enquadre como em um podcast: sentado, do peito para cima, com um microfone de estúdio em braço articulado diante do apresentador, levemente fora do centro. Indique a câmera como "aberta" ou "fechada" e mantenha esses dois enquadramentos em toda a série.

Mantenha cada fala curta, por volta de 15 a 20 palavras para um clipe de 8 segundos. Monólogos longos ainda não funcionam bem nesses modelos; grave o episódio completo de verdade e use os clipes de IA para aberturas, chamadas e cortes.

Os prompts abaixo trazem duração, proporção e som entre colchetes; defina esses itens no estúdio, não no texto do prompt. Com um só apresentador, o prompt diz "o apresentador" e o RefVid associa o personagem salvo. Com dois, nomeie-os: Ava e Jun são nomes de exemplo, então escreva ali os nomes que você salvou.

Prompt (8 s, 16:9, com som): O apresentador está sentado à mesa do estúdio, com um microfone de estúdio em braço articulado diante dele. Ele olha para a câmera e diz: "Bem-vindos de volta. Hoje vamos falar sobre por que equipes pequenas entregam mais rápido." Plano fechado, do peito para cima, câmera parada. Luz principal quente pela esquerda, contraluz azul suave na parede.

Por que funciona: um enquadramento fechado fixo e uma fala com menos de 20 palavras mantêm a entrega estável. Repita o mesmo prompt toda semana e mude apenas a fala.

Prompt (6 s, 16:9): Plano aberto do estúdio com Ava e Jun sentados em lados opostos de uma mesa redonda, cada um com um microfone. Eles se viram um para o outro e riem ao mesmo tempo, depois olham para a câmera. Câmera parada, luminárias práticas quentes, painéis acústicos ao fundo.

Por que funciona: uma risada compartilhada é uma abertura natural e não exige diálogo. Salve cada apresentador como um personagem separado e nomeie os dois, para que os rostos não se misturem.

Prompt (6 s, 16:9, com som): O apresentador se inclina em direção ao microfone, apoia os cotovelos na mesa e diz baixinho: "Esta próxima parte me surpreendeu." Plano fechado, aproximação lenta, luz baixa e quente, fundo escuro e suave.

Por que funciona: a inclinação e a aproximação criam tensão para uma chamada de teaser. Use como abertura antes da música de tema.

Prompt (5 s, 9:16): Close do apresentador reagindo a algo fora de quadro: as sobrancelhas sobem, ele balança a cabeça devagar e sorri. Microfone visível na parte de baixo do quadro, luz principal suave, estúdio desfocado.

Por que funciona: reações estão entre os momentos mais compartilhados de podcast e não precisam de palavras. Combine uma delas com um trecho de áudio real no seu editor.

Prompt (8 s, 9:16, com som): Close do apresentador contando pontos nos dedos enquanto fala: "Um, anote. Dois, mostre para alguém. Três, publique." Câmera parada, luz quente, luminária do estúdio desfocada ao fundo.

Por que funciona: uma lista curta com gestos segura a atenção mesmo sem som. Mantenha a contagem em três dedos; mais do que isso costuma gerar dedos extras.

Prompt (4 s, 16:9): Close das mãos do apresentador subindo os faders de uma pequena mesa de mixagem no estúdio, com os medidores de nível acesos em verde. Profundidade de campo rasa, luz quente de luminária.

Por que funciona: os cortes de cena cobrem as edições da gravação real. Mantenha as mãos simples e evite rótulos legíveis na mesa.

Prompt (6 s, 16:9): Travelling lento pelo estúdio vazio antes da gravação: duas cadeiras, dois microfones em braços articulados, uma luminária que acende. Nos últimos segundos, o apresentador entra e se senta. Fim de tarde, quente e silencioso.

Por que funciona: uma abertura com o estúdio vazio funciona como introdução. No RefVid, todo vídeo parte de um personagem salvo, então fazer o apresentador entrar no final é mais confiável do que pedir uma sala sem ninguém.

No RefVid, ative o som e o modelo, o Kling 3.0 Omni, gera a voz e o som do ambiente junto com a imagem. Uma fala escrita entre aspas é dita exatamente como está; falas em inglês e em chinês soam melhor. Confira em cada take se a boca acompanha a fala; se ela sair do ritmo, encurte a fala em vez de reescrever a cena.

Os clipes duram de 3 a 15 segundos, e cada um pode ter até 3 planos, com a duração dividida igualmente entre eles. Um clipe de 9 segundos poderia ter o plano 1, um aberto de Ava e Jun; o plano 2, um close de Ava enquanto fala; e o plano 3, a reação de Jun.

Em outros modelos, as durações são diferentes: em outubro de 2026, segundo a documentação do Veo, do Google, o Veo 3.1 gera clipes de 4, 6 ou 8 segundos, e 8 segundos quando são usadas imagens de referência.

Todo vídeo do apresentador fica listado na página dele no estúdio do RefVid, então uma temporada de aberturas é fácil de comparar e perceber mudanças.