Gerador de vídeo a partir de texto com IA

Diga quem ou o que está em cena e acrescente dois ou três detalhes visíveis: idade, roupa, material, cor. “Uma enfermeira cansada de pijama cirúrgico verde-água” dá ao modelo muito mais pistas do que “uma pessoa”. Deixe um único protagonista por clipe para que o olhar saiba onde ficar.

Descreva o que muda entre o primeiro e o último segundo, com verbos que tragam ritmo: serve devagar, olha de relance para trás, sacode a chuva do guarda-chuva. Um clipe curto comporta uma ação, com começo e fim. Três ações espremidas na mesma frase costumam sair corridas ou pela metade.

Diga o lugar, a hora do dia e, se fizer diferença, o tempo, mais um ou dois detalhes de fundo. Coisas que se mexem sozinhas, como vapor, folhas ou carros passando, deixam a imagem viva mesmo quando o personagem fica parado. Um fundo cheio demais disputa atenção com o protagonista, então escolha com cuidado.

Defina o enquadramento (close, plano médio, plano aberto) e um único movimento: câmera parada, aproximação lenta, panorâmica, travelling acompanhando ou câmera na mão. Diga onde o movimento começa e onde termina. Instruções que puxam para lados opostos, como aproximar enquanto se afasta, fazem o modelo adivinhar qual você queria.

Descreva a fonte de luz, a direção e a cor: sol baixo por trás, uma única luminária de mesa, a luz chapada de um dia nublado. Inclua um acabamento só se ele importar, como filme 35 mm, vídeo caseiro antigo ou animação de massinha. A luz muda o clima de uma cena mais rápido do que qualquer objeto a mais.

Se o modelo gera áudio, escreva o que deveria ser ouvido: o ambiente de um cômodo, passos no cascalho, chuva num telhado de zinco, um trem ao longe. Misture sons próximos e distantes. Se você vai colocar sua própria música ou uma narração, escolha um modelo que permita desligar o áudio e pule esta parte.

Os três modelos geram 9:16. Para um gancho bem curto ou um loop, o Wan 3.0 começa em 2 segundos. Se você quer o som já incluído, o MiniMax H3 sempre adiciona uma trilha estéreo; no Wan 3.0 e no Seedance 2.5, você decide se o áudio fica ligado.

Percorrer um litoral ou ver uma cidade acordar leva tempo. O Wan 3.0 vai até 30 segundos, enquanto o MiniMax H3 e o Seedance 2.5 param em 15. Num plano longo, descreva uma mudança gradual, como a luz andando pela parede ou a neblina se dissipando, para que os segundos a mais tenham o que mostrar.

Para uma imagem de cinema com faixas pretas, o 21:9 está disponível no MiniMax H3 e no Seedance 2.5. Um quadro tão largo pede prompts com algo acontecendo em toda a largura, como um cavaleiro atravessando uma planície sob um céu enorme, e não um objeto pequeno sozinho no meio.

Se o vídeo vai para uma edição com sua música, narração ou desenho de som, um clipe sem som é mais fácil de trabalhar. Desligue o áudio no Wan 3.0 ou no Seedance 2.5. O MiniMax H3 sempre gera uma trilha, mas você ainda pode silenciá-la ou trocá-la no editor.

Quando o clipe vai passar numa tela grande ou ser recortado depois, a resolução importa. O MiniMax H3 oferece 2K, e o Wan 3.0 e o Seedance 2.5 vão até 1080p. Configurações mais altas custam mais créditos, e o botão Gerar mostra o valor antes de você confirmar.

Se você só quer ver se uma cena funciona, fique em baixa resolução e duração curta: 480p no Wan 3.0 ou no Seedance 2.5 mantém os rascunhos baratos. Teste várias versões da mesma ideia, guarde a melhor e gere essa com calma, nas configurações definitivas.

“Um relojoeiro idoso de avental verde se curva sobre a bancada, pega com uma pinça uma engrenagem de latão minúscula e a ergue devagar em direção à janela. Uma oficina apertada no fim da tarde, paredes cobertas de relógios fazendo tique-taque, poeira flutuando no ar. Aproximação lenta de um plano médio até um close das mãos dele. Luz quente de uma luminária à esquerda, luz azul e fria vinda da janela, pouca profundidade de campo. Som: tique-taques sobrepostos, um bonde passando ao longe, o clique da pinça.”

“Um relojoeiro idoso de avental verde” é uma pessoa só, com dois traços visíveis. “Pega uma engrenagem minúscula e a ergue em direção à janela” é uma única ação, com ponto de partida e de chegada. Assim o clipe tem forma, em vez de um personagem mexendo as mãos sem rumo.

“Uma oficina apertada no fim da tarde” define lugar e hora em poucas palavras. Os relógios fazendo tique-taque e a poeira flutuando são detalhes de fundo que se mexem sozinhos, então a imagem continua viva enquanto as mãos do relojoeiro trabalham devagar e com precisão.

“Aproximação lenta de um plano médio até um close das mãos dele” traz um movimento, a velocidade, o enquadramento inicial e o final. O modelo sabe onde começar, onde terminar e do que a cena realmente trata: as mãos e a engrenagem.

“Luz quente de uma luminária à esquerda, luz azul e fria vinda da janela” são duas fontes, cada uma com direção e cor, o que cria contraste no rosto. “Pouca profundidade de campo” desfoca a parede de relógios para que ela valorize o protagonista em vez de engoli-lo.

Três camadas: um som do ambiente (o tique-taque), um som distante (o bonde) e um detalhe bem próximo (a pinça). Assim, um modelo com áudio tem uma mixagem clara como alvo. No Wan 3.0 ou no Seedance 2.5 com o áudio desligado, apague essa frase: ela não serve para mais nada.

Nenhum segundo personagem, nenhum diálogo, nenhum texto na tela e nenhum corte para outro lugar. Cada um desses elementos dividiria uma cena curta entre ideias que competem. Se a sua história precisa deles, gere clipes separados, cada um com seu prompt, e junte tudo depois no editor.