Criar vídeo com IA a partir de texto: como escrever a cena

Texto para vídeo com IA: o que um gerador de vídeo entende (e o que não entende)

Um gerador de vídeo com IA não filma um roteiro. Ele gera uma cena curta, de 5 ou 10 segundos, a partir de uma descrição. Pense nele como um cinegrafista que recebe um único bilhete com instruções e grava uma tomada só. Se o bilhete diz quem está na cena, o que essa pessoa faz e como a câmera se mexe, o resultado tende a sair perto do que você imaginou. Se o bilhete conta uma história com começo, meio e fim, o modelo escolhe um pedaço qualquer e ignora o resto.

Na prática, o que funciona bem é:

• Um sujeito claro: uma pessoa, um animal, um objeto, um carro, uma xícara de café.
• Uma ação que cabe em poucos segundos: andar, virar a cabeça, servir a bebida, as ondas batendo na pedra.
• Um movimento de câmera: aproximação lenta, travelling lateral, câmera fixa, drone subindo.
• Luz e clima: fim de tarde, neblina, luz de neon, dia nublado.

E o que costuma dar errado, em qualquer gerador de vídeo com IA:

• Texto legível na imagem. Placas, letreiros, embalagens com o nome da sua loja: as letras saem deformadas ou inventadas. Se você precisa de um título ou de uma legenda, coloque depois, na edição.
• Marcas e logotipos exatos. O modelo não reproduz o seu logo com fidelidade. Para mostrar um produto real, use uma foto dele como imagem de referência (veja a seção 5) ou parta de uma foto e use animar foto com IA.
• Histórias longas. Três ações seguidas num único prompt (“ela acorda, toma café e sai de bicicleta”) viram uma mistura confusa ou só a primeira acontece. Uma ação por clipe; a história se monta juntando clipes.
• Mãos fazendo coisas delicadas, contagem de objetos (“cinco balões”) e diálogo sincronizado com a boca. Às vezes acerta, muitas vezes não. Não aposte o vídeo inteiro nisso.

Saber disso antes evita a frustração mais comum: escrever um parágrafo bonito, gerar a versão cara e descobrir que o modelo pegou só a última frase.

Prompt para vídeo IA: a fórmula da cena com exemplos bons e ruins

Um bom prompt para vídeo com IA tem seis peças, nesta ordem: lugar, sujeito, ação, tipo de plano, movimento de câmera e luz. Não precisa de frases bonitas, precisa de informação que vire imagem. Cada peça responde a uma pergunta que o modelo faria se pudesse:

1. Lugar: onde estamos? “Uma feira de rua em Salvador”, “uma cozinha pequena de apartamento”, “uma praia vazia no inverno”.
2. Sujeito: quem ou o quê aparece? Dê dois ou três detalhes visíveis: “uma senhora de cabelo branco e avental azul” em vez de “uma pessoa”.
3. Ação: o que acontece nesses segundos? Um verbo só, concreto: “espreme uma laranja”, “vira para a câmera e sorri”.
4. Tipo de plano: plano geral (mostra o ambiente), plano médio (da cintura para cima), close (rosto ou objeto), plano detalhe (só as mãos, só a gota caindo).
5. Movimento de câmera: câmera fixa, aproximação lenta (dolly in), afastamento, travelling lateral, câmera na mão, drone subindo. Escolha um.
6. Luz: luz dourada de fim de tarde, luz fria da manhã, luz de vela, contraluz, céu nublado. A luz decide o clima mais do que qualquer adjetivo.

Exemplo ruim: “Um vídeo lindo e emocionante sobre café, muito cinematográfico, alta qualidade, 4K.” Não tem lugar, não tem sujeito definido, não tem ação. “Lindo” e “4K” não dizem nada ao modelo: a resolução depende da qualidade que você escolhe, não do texto.

Exemplo bom: “Balcão de madeira de uma cafeteria pequena, de manhã. Um barista de barba e camiseta preta despeja leite vaporizado numa xícara branca e desenha uma folha na espuma. Plano detalhe das mãos e da xícara, câmera fixa levemente de cima. Luz suave entrando pela janela à esquerda, vapor visível.” São quatro frases e cada uma vira algo na tela.

Outro exemplo ruim: “Um cachorro corre na praia, depois entra no mar, depois sai e se sacode, e a câmera dá a volta nele.” São três ações e um movimento de câmera complicado em 5 segundos. Versão boa: “Praia de areia clara ao pôr do sol. Um vira-lata caramelo corre pela beira da água em direção à câmera, espirrando água. Plano médio baixo, quase na altura da areia, câmera recuando devagar. Contraluz dourado.” Se quiser o cachorro se sacudindo, faça outro clipe.

Algumas regras que valem para qualquer gerador de vídeo com IA:

• Descreva o que se vê, não o que se sente. “Saudade” não é imagem; “uma mulher olhando pela janela da rodoviária enquanto o ônibus parte” é.
• Evite negações. “Sem pessoas no fundo” às vezes faz aparecer pessoas. Prefira “rua vazia”.
• Movimento lento sai melhor que movimento rápido. Ações bruscas geram deformação; um gesto calmo fica estável.
• Se o estilo importa, diga qual: “animação 3D estilo massinha”, “filme de 16 mm granulado”, “desenho em aquarela”. Sem isso, o padrão é imagem realista.

Vertical, horizontal ou quadrado: o formato certo para cada lugar

O formato se escolhe antes de gerar, porque não dá para virar um vídeo horizontal em vertical depois sem cortar a maior parte da cena. Na ferramenta de vídeo a partir de texto do Airpic há três opções:

• 9:16 (vertical): Reels, TikTok, Shorts do YouTube, Status do WhatsApp. É o formato de quem assiste no celular segurando com uma mão. Descreva cenas com o sujeito no centro e altura: uma pessoa de corpo inteiro, uma garrafa, uma árvore, um prédio visto de baixo.
• 16:9 (horizontal): YouTube, site, apresentações, televisão. Funciona para paisagens, ruas, duas pessoas lado a lado e travellings laterais, que pedem largura.
• 1:1 (quadrado): feed do Instagram e do Facebook, anúncios que aparecem no meio da rolagem, miniaturas em lojas online. Bom para um objeto centrado ou um rosto.

Um detalhe que pouca gente considera: o mesmo prompt não serve igual para os três formatos. “Plano geral de uma praia com dois surfistas, um em cada ponta” faz sentido em 16:9; em 9:16 os surfistas ficam fora do quadro ou espremidos. Ao mudar o formato, ajuste o enquadramento no texto: no vertical, peça um sujeito só e plano médio ou close.

Se o seu objetivo é transformar um vídeo longo que você já gravou em vários cortes verticais, o caminho é outro: criar shorts de um vídeo escolhe os melhores momentos e reenquadra em 9:16 com legendas palavra por palavra, sem gerar nada do zero.

Gerador de vídeos IA: testar barato e gerar caro

A maior economia em qualquer gerador de vídeo com IA não está no preço por clipe, está em quantas tentativas você joga fora. A primeira versão de um prompt quase nunca é a final: a câmera vai para o lado errado, o sujeito sai pequeno demais, a luz fica fria. Por isso a ferramenta oferece quatro qualidades, pensadas para duas fases diferentes:

• Rascunho (480p, com som): para testar a ideia. A imagem é pequena, mas mostra o enquadramento, o movimento e o clima. É onde você corrige o prompt.
• Normal (768p) e 2K: para a versão boa quando a nitidez importa mais que o som, por exemplo um clipe que vai receber música na edição.
• Cinema (720p, com som): a qualidade de imagem e de movimento mais alta, com áudio gerado junto. É a mais demorada.

Medido pelo Airpic: nos nossos testes de 15 de outubro de 2026, um rascunho de 5 segundos com som ficou pronto em 88 segundos; a versão de qualidade alta, em 1280 × 720 px, levou uns 400 segundos (quase sete minutos). Ou seja, no tempo de uma versão cara você testa quatro rascunhos.

O fluxo que recomendamos:

1. Escreva o prompt e gere em Rascunho, 5 segundos.
2. Veja o que errou e mude uma coisa por vez no texto (o plano, ou a câmera, ou a luz). Se mudar tudo de uma vez, não sabe o que resolveu.
3. Quando o rascunho mostrar a cena certa, gere a mesma descrição em Normal, 2K ou Cinema, e só então decida entre 5 e 10 segundos.

Um aviso honesto: o rascunho não é uma miniatura exata da versão final. As qualidades usam modelos diferentes (o Rascunho e o Cinema usam Seedance; o Normal e o 2K, MiniMax H3), então a mesma descrição pode sair com outra composição ou outro ritmo. O rascunho serve para validar o prompt, não para garantir o quadro a quadro. Se você precisa que o vídeo final comece exatamente num personagem ou num produto, use uma imagem de referência como primeiro quadro: ela segura a aparência entre as qualidades muito melhor que o texto sozinho.

Outro conselho habitual que engana: “peça 10 segundos para ter margem”. Num clipe de 10 segundos a ação precisa durar 10 segundos; se a ação cabe em 4, o modelo enche o resto com movimento sem sentido ou repete o gesto. Para uma ação curta, 5 segundos dão um clipe mais limpo. O custo de cada qualidade aparece na própria página de gerar vídeo a partir de texto, e os créditos voltam sozinhos se a geração falhar.

Depois de gerar, se quiser mais resolução para um clipe que ficou bom, dá para melhorar a qualidade do vídeo para 4K em outra etapa, com IA de restauração.

Como criar vídeo com IA a partir de texto no Airpic, passo a passo

O processo inteiro acontece no navegador, sem conta e sem instalar nada:

1. Abra a ferramenta para criar vídeo com IA a partir de texto e escreva a cena em português mesmo, até 800 caracteres. Use a fórmula da seção 2: lugar, sujeito, ação, plano, câmera e luz. Não precisa escrever em inglês.
2. Imagem de referência (opcional). Se quer que o vídeo comece num personagem, num produto ou num estilo específico, adicione uma imagem: ela vira o primeiro quadro. Você precisa ter os direitos sobre ela, e pessoas reais só com consentimento.
3. Escolha formato, duração e qualidade. 9:16, 16:9 ou 1:1 conforme onde vai publicar; 5 segundos para começar; Rascunho para a primeira tentativa.
4. Gere e leia o prompt que a IA escreveu. O Claude (Anthropic) reescreve a sua descrição como um prompt de cinema em inglês, com plano, câmera e luz, e mostra esse texto para você. Leia com atenção: se ele interpretou algo errado (trocou a hora do dia, inventou um segundo personagem), corrija a sua descrição em português e gere de novo. É a forma mais rápida de entender como o modelo leu o seu pedido.
5. Ajuste e gere a versão boa. Com o rascunho certo, repita em Normal, 2K ou Cinema. Baixe o MP4.
6. Junte vários clipes num vídeo só. Cada geração é uma cena. Para uma peça de 30 segundos, gere cinco ou seis cenas com o mesmo formato e a mesma luz descrita (e, se houver personagem, a mesma imagem de referência), depois envie todas ao editor de vídeo com IA. Ele pergunta formato, duração e ritmo, propõe a ordem, os cortes e as transições, e você ajusta conversando (“tira o terceiro clipe”, “mais rápido no começo”). A prévia é grátis no navegador; você só paga ao exportar. Títulos e textos legíveis entram aqui, na edição, e não no prompt.

Sobre privacidade, uma diferença que vale saber: o restante do Airpic processa em GPUs na União Europeia, mas a geração de vídeo a partir de texto envia a descrição (e a imagem de referência, se houver) ao fornecedor do modelo, MiniMax ou BytePlus, e à Anthropic para escrever o prompt. O Airpic não guarda o vídeo: ele é apagado 1 hora depois do download, 24 horas no máximo, e nada é usado para treinar.

Para começar, escreva a sua primeira cena na ferramenta de texto para vídeo com IA e gere um rascunho de 5 segundos.

FAQ

Continuar a ler