Guia de prompts

Prompts do Veo 3.1: como escrever para imagem e som

Publicado em Atualizado em Por DreamClip

Bons prompts do Veo 3.1 são curtos, ordenados e escritos para dois sentidos. O Veo 3.1 gera o som junto com a imagem, então um prompt que nomeia o plano, a ação, a luz e um ou dois sons volta como um clipe com uma trilha que combina com ele. Um prompt que lista dez adjetivos e nenhum som volta como um mood board com um zumbido.

Este guia é o método: a ordem que funciona, a linha de áudio, palavras de câmera, anúncios, imagem para vídeo, doze prompts que geraram clipes reais do Veo (onze deles na nossa página do Veo 3.1), e as falhas com que você vai topar.

Na DreamClip, tanto o Veo 3.1 (with audio) quanto a versão mais rápida dele, o Veo 3.1 Fast, renderizam a partir de um prompt de texto ou de uma imagem inicial em 720p ou 1080p, em 16:9 ou 9:16. Os dois abrem no estúdio de vídeo com o modelo já escolhido, e uma geração do Veo que falha não é cobrada.

Prompts do Veo 3.1: a anatomia de um que funciona

Um prompt de vídeo é uma lista de planos para um plano só, e as primeiras palavras pesam mais, então a ordem abaixo é o controle que você tem.

  1. Plano e câmera: close, aproximação lenta, com a câmera na mão.
  2. Sujeito e ação: um padeiro marca um pão com um corte rápido.
  3. Cenário e luz: uma padaria pequena antes do amanhecer, uma lâmpada quente sobre a bancada.
  4. Som: a lâmina cortando a casca, um forno estalando enquanto aquece.
  5. Visual: fotorrealista, profundidade de campo rasa, 9:16.

Juntas, são cerca de 40 palavras, o bastante para um clipe de 8 segundos. As duas partes que as pessoas deixam de fora são a ação e o som: sem verbo o plano se perde, e sem uma linha de som a trilha fica genérica.

Os dois modelos Veo e o que o estúdio oferece

Dois modelos Veo rodam na DreamClip. As células vêm do nosso catálogo: o que o estúdio oferece hoje, não a especificação completa do Google.

Lido do catálogo do DreamClip quando esta página foi gerada.
ModeloCriadorDuração do clipeTamanhosSomImagem inicialFotos de referência
Veo 3.1 (with audio)CriadorGoogleDuração do clipe4, 6 ou 8 sTamanhos720p, 1080pSomSim, ativado por padrãoImagem inicialSimFotos de referênciaNão
Veo 3.1 FastCriadorGoogleDuração do clipe4, 6 ou 8 sTamanhos720p, 1080pSomSim, ativado por padrãoImagem inicialSimFotos de referênciaNão

O Veo 3.1 (with audio) é o modelo completo; o Veo 3.1 Fast é a mesma família com custo menor por segundo e é onde ficam os rascunhos. Os dois cards abaixo tocam clipes que cada modelo Veo renderizou por conta própria.

Nenhum dos dois modelos Veo aceita imagem final nem fotos de referência aqui, e nenhum renderiza quadrado ou em 4K. Um clipe que termina em uma segunda imagem pertence ao Seedance 2.5, que tem imagem inicial e imagem final; o 4K nativo pertence ao Kling 3.0 4K. A comparação Veo 3.1 vs Kling 3.0 diz quando cada troca compensa.

Escrevendo a linha de áudio: diálogo, ambiente e pistas musicais

O áudio do Veo 3.1 é gerado no mesmo passe da imagem, ligado por padrão no estúdio. O prompt é o único lugar onde você o dirige, então dê uma linha específica: a fonte, o espaço e o que fica em silêncio.

Uma linha de som por prompt. Com mais de três fontes, a mistura vira papa.
Som que você querComo escreverExemplo
Uma falaComo escreverQuem fala, depois as palavras entre aspasExemploUm homem na bilheteria diz “Dois para a última sessão.”
Ambiente da salaComo escreverNomeie o espaço; o eco segueExemploUma cozinha de azulejos; um estacionamento vazio
EfeitosComo escreverDuas ou três fontes, em ordemExemploChuva numa janela, uma chaleira começando a apitar
Uma pista musicalComo escreverInstrumento, clima, volumeExemploUm piano sozinho, lento, baixo sob a voz
SilêncioComo escreverDiga o que não colocarExemploSem música. Sem vozes. Só o mar.

Para diálogo, mantenha a fala com menos de dez palavras para um clipe de 6 ou 8 segundos, e dê ao personagem algo para fazer enquanto fala. Para uma narração que você mesmo vai gravar, escreva “sem música, sem vozes, só ambiente da sala”.

Linguagem de câmera que o Veo 3.1 entende

O Veo segue instruções de câmera quando são palavras de cinema, não de app. Diga o movimento e, se importar, a lente. Um movimento por clipe.

Diga istoO que você recebeBom para
Aproximação lentaO que você recebeA câmera se aproxima devagar do sujeitoBom paraRevelações, rostos, detalhes de produto
Órbita lentaO que você recebeA câmera circula o sujeitoBom paraProdutos, um instante congelado, um dançarino
TravellingO que você recebeA câmera acompanha um sujeito em movimentoBom paraCorrida, bicicleta, um cachorro na praia
Câmera na mãoO que você recebeTremor natural e pequenoBom paraVlogs, cozinhas, qualquer coisa espontânea
Grande angular baixoO que você recebeOlhando para cima, escala exageradaBom paraGigantes, prédios, drama
Aérea, descendoO que você recebeUma queda de drone em direção ao chãoBom paraPaisagens, cidades, água
MacroO que você recebeClose extremo, foco rasoBom paraRelógios, líquido, textura
Câmera paradaO que você recebeNenhum movimento de câmeraBom paraComédia, um único beat, um logo

Duas palavras pedem cuidado: “zoom” sozinho, que é ambíguo entre lente e recorte, e “cinematográfico” sozinho, que diz pouco. Descreva o caminho, como o prompt da Terra abaixo faz com “acelerando para cima através das nuvens enquanto a cidade encolhe”. “35mm, profundidade de campo rasa” diz mais que qualquer adjetivo.

Prompts para anúncios e fotos de produto

O Veo 3.1 em anúncios é mais forte quando o som faz parte da venda: um jorro, um clique, uma frase que entrega o slogan. Escreva o produto como sujeito, com uma ação, uma luz e um som.

  • A revelação: “Macro, aproximação lenta: um estojo preto fosco de fones se abre sobre pedra escura, um clique suave, um anel fino de luz dentro, sem música.”
  • O porta-voz: “Plano médio, câmera na mão: um entregador de jaqueta amarela bate num pacote e diz ‘Entrega no mesmo dia, todo dia’, uma rua da cidade atrás, trânsito e um ônibus passando, 9:16.”
  • O despejo: “Close: cold brew cai sobre gelo transparente num copo alto, num balcão ensolarado, condensação se formando, o despejo e o gelo estalando, fotorrealista.”

Para um produto que dá uma volta completa, ou um clipe com mais de 8 segundos, o Kling 3.0 é a ferramenta melhor; a página do Kling reúne prompts de produto escritos para ele. Nossa página de texto para vídeo tem mais prompts prontos para anúncio.

Prompts de imagem para vídeo: descreva o movimento, não a imagem

Com uma imagem inicial anexada, o sujeito, o cenário e a luz já estão na frente do Veo 3.1, então um prompt que descreve tudo de novo desperdiça a atenção dele. Escreva só o que muda: o movimento, a câmera, o som. Abra o Veo 3.1 com imagem inicial, envie a foto e mantenha o prompt em uma ou duas frases.

  • Uma mulher em uma varanda: “Ela vira para olhar por sobre o ombro e sorri, vento no cabelo, aproximação lenta, barulho da rua bem lá embaixo.”
  • Um produto sobre um pedestal: “Órbita lenta, a luz varre a superfície, um zumbido baixo, nada mais se move.”
  • Uma foto de família antiga: “As pessoas respiram e se mexem levemente, uma cortina se mexe atrás delas, ambiente suave de sala, a câmera fica parada.”

Ajuste a proporção à foto, 9:16 para retrato e 16:9 para paisagem, e mantenha o primeiro segundo calmo. A página de imagem para vídeo cobre o método completo.

Doze prompts do Veo 3.1 que geraram clipes reais

Os primeiros onze são renderizações do Veo 3.1 mostradas na nossa página do Veo 3.1, com os prompts; o último gerou a prévia do Veo 3.1 Fast acima. Leia pelo padrão: um sujeito, uma ação, uma câmera, uma luz.

Citados como estão em nossa página do Veo 3.1 e na prévia do Veo 3.1 Fast.
PromptO que notar
Um border collie cavalga com confiança uma onda turquesa do oceano numa prancha, borrifos contraluz do sol, língua de fora, gotas de água em câmera lenta, energia de aventura de verão, composição verticalPelo, água e anatomia numa tomada quase impossível
Um homem gigante e alegre, de roupa casual, caminha por uma avenida do centro com a altura da cintura dos arranha-céus, multidões aplaudindo nas calçadas lá embaixo, confete flutuando entre os prédios, grande angular baixo dramático, escala épica e divertida, composição verticalEscala definida por uma comparação e pelo ângulo da câmera
Uma mulher elegante num vestido dourado cintilante fica ao lado de um bolo de aniversário de três andares enquanto fontes de faíscas frias explodem ao redor, uma torre de champanhe brilhando atrás dela, confete dourado caindo, luzes de bokeh de salão de baile, aproximação lenta e cinematográfica, celebração luxuosa, composição verticalVárias luzes nomeadas, um movimento de câmera
Órbita de câmera bullet-time em volta de um dançarino congelado no meio de um salto, dentro de uma explosão de gotas de água suspensas, flashes de estúdio brilhando nas gotas, o tempo volta ao movimento no fim, palco escuro dramático, composição verticalUma instrução de tempo com começo e fim
Cromo líquido derretido sobe de um piso espelhado preto e se esculpe num emblema triangular abstrato flutuante, ondulações se acalmando, reflexos nítidos de estúdio, fundo escuro e premium, revelação lenta, composição verticalUm sujeito abstrato com verbos físicos
Retrato íntimo em close com luz de vela quente: uma jovem fecha os olhos, faz um pedido e sopra suavemente as velas de um bolo de aniversário, pequenas brasas flutuando, bokeh de luzes de fada atrás dela, câmera lenta suave, caloroso e emotivo, composição verticalTrês pequenas ações em ordem; os planos quietos parecem mais reais
Basquete de rua à noite: uma bola entra limpa na rede de corrente de uma quadra ao ar livre sob holofotes enquanto um relógio de jogo digital simples chega a zero, um grupo de amigos junto à cerca de arame explode em comemoração, névoa dramática com contraluz, câmera lenta granulada e triunfante, composição verticalUma fonte de som escrita como uma ação
Um gato laranja e fofinho, de chapéu de chef pequeno, fica diante de um fogão minúsculo e vira uma panqueca mini numa frigideira, uma nuvem de farinha no ar, luz quente e aconchegante de cozinha, profundidade de campo rasa, charmoso e absurdo, composição verticalComédia tratada com seriedade, um único beat físico
Zoom para trás em alta velocidade começando numa menina acenando de um telhado, acelerando para cima através das nuvens enquanto a cidade encolhe até a costa, depois os continentes, e então a curva brilhante da Terra num espaço de campo estelar, recuo contínuo e sem cortes, composição verticalUm movimento contínuo descrito como uma sequência
Um tubo de neon brilhante se desenha sozinho num diamante geométrico abstrato numa parede de tijolos escura, brilho elétrico se abrindo, um zumbido leve com piscadas, a câmera se aproxima devagar enquanto o letreiro acende por completo, estúdio noturno sombrio, composição verticalO som e o final, ambos escritos
Um astronauta segura um pau de selfie e grava um vlog flutuando na cúpula de uma estação espacial, a Terra girando devagar abaixo, acena para a câmera com um sorriso enquanto o nascer do sol brilha no horizonte, sensação autêntica de vlog na mão, composição verticalCâmera na mão, com uma mudança de luz dentro do clipe
Um border collie salta para pegar um frisbee numa praia com vento, areia espirrando, orelhas voando, a linha das ondas quebrando atrás, gaivotas e surf audíveis, pegada em câmera lenta, travelling, fotorrealistaA prévia do Veo 3.1 Fast: som e câmera nomeados

Falhas comuns e a correção

O que deu erradoPor quêA correção
Nada se mexePor quêNenhum verbo no promptA correçãoUma ação para o sujeito, um movimento para a câmera
A coisa errada se mexePor quêDois sujeitos, duas açõesA correçãoCorte para um sujeito; o segundo vira cenário
Os lábios não batem com as palavrasPor quêUma fala longa, ou nada para o personagem fazerA correçãoMenos de dez palavras, entre aspas, com uma ação durante a fala
Música genérica sobre tudoPor quêNenhuma linha de som, então o Veo escolhe a trilhaA correçãoEscreva o som que quer, ou “sem música”
O clipe termina cedo demaisPor quêUma ideia de 8 segundos num clipe de 4A correçãoEscolha 8 segundos, ou reduza a ideia a um beat
Mãos e objetos pequenos entortamPor quêAção rápida perto da lenteA correçãoDesacelere a ação ou afaste a câmera
Texto no quadro vira ilegívelPor quêPalavras em um plano em movimento raramente se mantêmA correçãoTire palavras do plano; coloque títulos num editor

Quando um prompt continua errando, mude uma coisa por vez e rode de novo no Veo 3.1 Fast, que custa menos por segundo.

Tamanho do prompt e a escolha de 4, 6 ou 8 segundos

A caixa do estúdio aceita até 4.000 caracteres para o Veo 3.1 a partir de outubro de 2026, e você nunca deve precisar de nem um décimo disso. De quarenta a setenta palavras é onde ficam os doze prompts acima. Em um prompt longo, as últimas instruções são as mais prováveis de cair, e normalmente é a linha de som.

Os dois modelos Veo renderizam 4, 6 ou 8 segundos, com preço por segundo, então faça rascunhos curtos.
DuraçãoCabeExemplo de beat
4 sCabeUma reação, uma revelação, um logo que se assentaExemplo de beatO estojo dos fones se abre e clica
6 sCabeUma ação com uma preparaçãoExemplo de beatEla vira, sorri, a câmera se aproxima
8 sCabePreparação, movimento e desfecho, ou uma falaExemplo de beatO entregador bate no pacote e diz a frase

Escolha a duração pela ideia. Uma ideia de 4 segundos esticada para 8 se perde; uma ideia de 8 segundos cortada para 4 termina no meio do movimento. Acima de 8 segundos, una dois clipes ou use um modelo que dura mais.

Como rodar um prompt do Veo 3.1 na DreamClip

  1. Abra o estúdio de vídeo no Veo 3.1 Fast para rascunhos, ou o Veo 3.1 para a versão final. Cada card do Veo mostra o próprio preço inicial.
  2. Escolha a proporção, o tamanho e a duração: 16:9 ou 9:16, 720p ou 1080p, 4, 6 ou 8 segundos. Deixe o som ligado, a não ser que você vá fazer a trilha do clipe sozinho.
  3. Cole o prompt na ordem acima. Para anexar uma foto, troque para o modo Imagem para vídeo, adicione-a como imagem inicial e descreva só o movimento.
  4. Rode. Os créditos são reservados no envio e cobrados só quando o clipe chega; uma rodada que falha os libera.

Para testar um prompt contra outra família, abra o Comparar e escolha o Veo 3.1 (with audio) ao lado de até três outros modelos. O Comparar mantém cada coluna curta e pequena, em 16:9, e nada é cobrado por uma coluna que não entrega. A página de templates de vídeo tem mais prompts prontos para rodar.

Onde o Veo 3.1 fica devendo

Na DreamClip, o Veo 3.1 para em 8 segundos, renderiza 720p ou 1080p em vez do 4K que o Google lista na própria página (verificado em outubro de 2026), não aceita imagem final nem fotos de referência, e renderiza só 16:9 e 9:16. Também custa mais por segundo que o Veo 3.1 Fast. No lado do prompt, raramente mantém texto legível, tem dificuldade com mãos rápidas perto da lente, e simplifica uma ação lotada para manter o clima que você pediu.

Nada disso é motivo para evitá-lo. Escreva as cinco linhas, escolha a duração pela ideia, faça rascunhos no Veo 3.1 Fast e renderize a escolhida no Veo 3.1.

Perguntas

Quanto pode ser um prompt do Veo 3.1?

A caixa do estúdio aceita até 4.000 caracteres a partir de outubro de 2026. Menor funciona melhor: de quarenta a setenta palavras, com um sujeito, uma ação, um movimento de câmera, uma luz e uma linha de som.

O Veo 3.1 gera áudio a partir do prompt?

Sim. O som vem junto com a imagem no Veo 3.1 e no Veo 3.1 Fast, ligado por padrão no estúdio da DreamClip. Escreva no prompt o som que quer, ou desligue.

O Veo 3.1 consegue fazer diálogo?

Sim. Diga quem fala e coloque as palavras entre aspas, mantenha a fala com menos de dez palavras para um clipe de 6 ou 8 segundos, e dê ao personagem uma ação durante a fala.

Posso usar o Veo 3.1 para imagem para vídeo?

Sim. Abra o Veo 3.1 com imagem inicial no estúdio de vídeo, envie a foto e descreva só o movimento. Na DreamClip, o Veo 3.1 aceita imagem inicial, mas não imagem final; o Seedance 2.5 aceita as duas.

Qual é a diferença entre o Veo 3.1 e o Veo 3.1 Fast?

O Veo 3.1 Fast tem as mesmas durações, tamanhos, proporções e som do Veo 3.1, com custo menor por segundo. Faça os rascunhos ali e renderize a escolhida no Veo 3.1.

O Veo 3.1 consegue colocar texto legível num clipe?

Raramente. Palavras numa placa ou num rótulo costumam entortar quando a câmera se move. Tire o texto do prompt, renderize o plano limpo e coloque os títulos num editor depois.

Relacionados

Fontes