Escreva prompts que dirigem seu clipe, cena por cena
Um clipe musical com IA vale tanto quanto o prompt por trás dele. Este é o guia prático para descrever uma música como um diretor: a fórmula da cena, a linguagem da câmera, como sincronizar os cortes com a batida e como manter sua cantora como a mesma pessoa do primeiro ao último quadro.
Pare de escrever legendas. Comece a escrever roteiros de cenas.
A maior evolução dos seus clipes com IA não é um modelo melhor — é um prompt melhor.
A maioria das pessoas descreve uma música como quem escreve uma legenda: "uma garota triste na chuva, cinematográfico". Aí o modelo precisa adivinhar tudo o que importa — quem é ela, o que faz, onde a câmera fica, como a luz cai, quando o corte entra. Um prompt de clipe funciona ao contrário. Você entrega à IA um roteiro de cenas: um sujeito específico, uma ação precisa, um movimento de câmera enquadrado, um visual definido e uma ou duas restrições. Você para de torcer e começa a dirigir.
Uma garota triste na chuva, cinematográfico, emocionante, lindo, 4k
Plano médio, uma jovem de casaco cinza encharcado está sob um poste de luz e abaixa lentamente a cabeça enquanto a chuva escorre pelo seu rosto. A câmera se aproxima suavemente até um primeiro plano. Luz noturna azul fria, reflexos suaves no asfalto molhado, estética de cinema. Sem texto na tela.
A mesma ideia. Uma deixa o resultado ao acaso; a outra entrega a cena que você imaginou.
A anatomia de um prompt de cena
Oito blocos, mais ou menos nesta ordem. Você não precisa dos oito toda vez — mas quanto mais você define, menos a IA improvisa.
Sujeito + Ação + Cenário + Luz e cor + Câmera + Estilo + Qualidade + Restrições1 · Sujeito
Quem ou o que aparece na tela. Fixe com dois ou três traços visuais estáveis — roupa, cabelo, idade, tipo — para que a IA o reconheça e o mantenha firme de uma cena para a outra.
uma jovem de vestido de seda vermelho e chapéu de palha
2 · Ação
O que o sujeito faz, descrito por parte do corpo e grau. "Levanta a mão" vale mais que "se move". Prefira movimento lento, contínuo e encadeado à ação frenética: renderiza muito mais limpo.
ergue lentamente o queixo e vira a cabeça em direção à janela
3 · Cenário
Onde acontece e o que cerca o sujeito — o lugar, a hora do dia, os elementos do primeiro plano e do fundo que constroem o mundo.
um corredor de cobertura iluminado por neon à noite, com anúncios em holograma piscando ao fundo
4 · Luz e cor
É aqui que mora o clima. Nomeie a direção da luz, o calor e a paleta — a mesma cena lê como romance ou como angústia dependendo só desta linha.
contraluz quente da hora dourada, sombras suaves, paleta âmbar e azul-petróleo
5 · Câmera
Como é filmado: o tamanho do plano e um movimento de câmera. É a diferença entre um clipe chapado e um enquadramento dirigido. Limite-se a um único movimento por cena.
aproximação lenta de um plano aberto até um primeiro plano
6 · Estilo
A direção de arte geral — imagem real, anime 2D, animação 3D, pintura a nanquim, massinha, pixel art. Declare de forma explícita, ou uma foto de referência realista vai puxar tudo silenciosamente para a imagem real.
estilo anime 2D, desenhado à mão, sombreamento cel
7 · Qualidade
O acabamento: nitidez, textura e as qualidades cinematográficas que você quer integradas. Uma frase curta e padrão basta.
alta definição, muito detalhe, textura de película, cor natural
8 · Restrições
O que você não quer. Os negativos mais úteis mantêm fora do quadro textos perdidos, marcas d'água e logos, e impedem que o visual saia do rumo.
sem legendas, sem marca d'água, sem logo
Fale a língua da câmera
Os modelos de vídeo com IA respondem com precisão aos termos padrão do cinema. Aprenda este vocabulário e você enquadra qualquer cena em poucas palavras. A regra de ouro: um movimento de câmera por cena; empilhar aproximação, panorâmica e zoom numa só linha deixa a imagem instável.
Movimentos de câmera
Aproximação
A câmera avança em direção ao sujeito — cria intimidade ou tensão. O movimento clássico para um primeiro plano de refrão.
Afastamento
A câmera recua para revelar o contexto — ótimo para uma revelação, ou para deixar uma cena respirar no fim de uma frase.
Panorâmica
A câmera gira para a esquerda ou direita a partir de um ponto fixo — varre um palco, uma multidão ou um horizonte urbano.
Inclinação
A câmera gira para cima ou para baixo — sobe dos pés ao rosto, ou desce do céu à rua.
Travelling / dolly
A câmera se desloca ao lado do sujeito — aquela energia de andar e falar que mantém em quadro um cantor em movimento.
Órbita
A câmera circula o sujeito — um arco de 180° ou 360° que o valoriza. Perfeito para um gancho.
Grua / lança
A câmera sobe ou desce pelo espaço — eleve para um plano aberto e dar escala, ou desça até a ação.
Zoom
A distância focal muda para ampliar ou comprimir — zooms rápidos pontuam uma batida; zooms lentos acrescentam inquietação.
Tamanhos de plano
Plano geral amplo
O sujeito pequeno num mundo enorme — define lugar e escala, o plano de abertura de uma música.
Plano aberto / inteiro
O corpo inteiro em quadro — o melhor tamanho para coreografia e movimento de corpo todo.
Plano médio
Da cintura para cima — o padrão conversacional; lê a linguagem corporal e o rosto juntos.
Primeiro plano
O rosto preenche o quadro — emoção, sincronia labial, a cena de ouro do refrão.
Detalhe / macro
Um único detalhe — os olhos, as mãos nas cordas, uma lágrima caindo — para cortes de ritmo e textura.
Ângulos e perspectivas
Na altura dos olhos
Neutro e com os pés no chão — o público encontra o sujeito de igual para igual.
Contra-plongée
A câmera olha de baixo para cima — deixa o sujeito poderoso, heroico, maior que a vida.
Plongée
A câmera olha de cima para baixo — deixa o sujeito menor, vulnerável ou perdido.
Por cima do ombro
Enquadra por trás de uma figura em direção a outra — conexão, diálogo, tensão entre dois.
POV / primeira pessoa
O próprio olhar do sujeito — puxa o espectador para dentro do momento.
Aéreo / drone
Bem alto, olhando para baixo — paisagens vastas, multidões, o encerramento épico.
Dica pro: um movimento por cena. Quer uma aproximação e uma órbita? Faça duas cenas e corte entre elas — o corte faz parte da música.
Faça se mover — e faça sentir
Como você descreve a ação decide se uma cena parece viva ou uma foto piscando. Quatro hábitos separam o movimento limpo de uma massa que derrete.
Seja específico por parte do corpo
Nomeie a parte e o grau: "ergue lentamente a mão direita", "inclina a cabeça alguns graus", "finca o pé com força". Verbos vagos como "se move" ou "dança" convidam o caos.
Prefira movimento lento e contínuo
Micromovimentos suaves e encadeados renderizam lindamente; corridas explosivas, saltos grandes e giros violentos tendem a deformar. Guarde a energia alta para os cortes, não para uma única cena.
Escreva a transição
Conecte uma ação à seguinte para que o movimento tenha embalo: "aproveitando o impulso do giro, ela ergue o braço", em vez de duas poses sem ligação.
Exteriorize a emoção
Não escreva "ela está triste". Escreva o corpo que mostra isso. O modelo não consegue renderizar um adjetivo — mas consegue renderizar um ombro que treme.
Transforme uma música num roteiro de cenas
Um clipe não é um prompt só — é uma sequência. Divida a música em seções e dê a cada uma sua própria cena. Pense numa linha do tempo: quem, onde, fazendo o quê, e como a câmera se move, na ordem em que acontece.
A forma mais confiável de prompar um vídeo inteiro é rotular suas cenas — Cena 1, Cena 2, Cena 3 — e descrevê-las em ordem. Associe-as à estrutura da música para que a imagem vire quando a música vira.
Introdução
Defina o mundo. Um plano aberto de abertura ou um detalhe lento — deixe o espectador chegar antes da voz.
Verso
Conte a história. Planos médios, travelling de andar e falar, o sujeito se movendo pela cena.
Subida / pré-refrão
Eleve a tensão. Aproxime, feche o enquadramento, acelere os cortes conforme a energia se acumula.
Refrão / drop
A recompensa. O primeiro plano, a órbita, a luz mais ousada e o maior movimento — a cena que as pessoas lembram.
Ponte / encerramento
Libere ou resolva. Afaste para um plano aberto, apague a luz, deixe a última imagem respirar.
Cada cena, quatro camadas
Câmera
O movimento ou o corte — "aproximação lenta de um plano aberto", "quadro fixo", "corta para um primeiro plano".
Sujeito e expressão
A ação-chave e a mudança de expressão para esta batida.
Espaço
Onde o sujeito está e como a cena ao redor dele muda.
Som e batida
O que cai nesta cena — o tempo forte, o drop, um trecho da letra que acerta em cheio.
Sincronize os cortes com a batida, não com o relógio. Descreva o que acontece em ordem e deixe os cortes caírem no ritmo — fixar segundos exatos ("0–3s") costuma confundir o modelo e estragar o resultado.
Mantenha sua cantora como a mesma pessoa
Nada estraga um clipe como um rosto que muda a cada cena. Imagens de referência e um prompt disciplinado mantêm seu personagem travado do primeiro ao último quadro.
Trave a identidade com 2–3 traços
Descreva o sujeito com poucos traços estáveis e inconfundíveis — a roupa, o cabelo, um acessório marcante. Reutilize exatamente a mesma descrição toda vez que mencioná-lo.
Use um primeiro plano mais um corpo inteiro
Um retrato limpo de cabeça e ombros fixa o rosto; um plano de corpo inteiro fixa a roupa e as proporções. Juntos seguram a identidade muito melhor que uma única imagem.
Coloque a referência importante primeiro
Quanto mais cedo uma referência aparece, mais peso ela carrega. Comece pela que mais importa para esta cena.
Não sobrecarregue as referências
Mais imagens não é melhor. Referências demais competindo embaçam a noção da IA sobre o que importa — duas ou três fortes e claras vencem uma pilha de fracas.
No SunoMV, salve seu personagem e seus locais como referências de cena e depois aponte o prompt de cada cena para eles — assim a mesma cantora atravessa cada verso da música sem você precisar descrevê-la de novo a cada vez.
Os erros que estragam os clipes com IA
Quase todo resultado decepcionante remonta a um destes. Identifique-os cedo e sua taxa de acerto sobe rápido.
Deriva de identidade
O rosto muda entre as cenas. Corrija com uma referência limpa de primeiro plano, uma descrição consistente de 2–3 traços e a referência principal colocada primeiro.
Texto indesejado na tela
Aparecem legendas aleatórias ou rabiscos sem sentido. Adicione "sem legendas, sem texto" e prefira o formato widescreen — quadros verticais produzem texto perdido com mais frequência.
Deriva de estilo
Uma ideia de anime renderiza como imagem real. Declare o estilo de forma explícita e, para um visual forte, parta de uma imagem de referência que já esteja nesse estilo.
Gêmeos acidentais
A mesma pessoa aparece duas vezes no quadro. Amarre cada sujeito à sua própria referência e adicione uma restrição contra pessoas duplicadas e idênticas.
Movimento demais
Ação rápida e violenta deforma rostos e membros. Distribua o movimento grande entre os cortes e mantenha cada cena individual calma e contínua.
Sobrecarga de referências
Cinco imagens competindo turvam o resultado. Use duas ou três referências fortes e deixe o prompt fazer o resto.
Fixar segundos exatos
Códigos de tempo rígidos ("aos 2s, corta") desestabilizam a geração. Descreva a ordem e deixe os cortes acompanharem a batida.
Misturar idiomas no meio de um verso
Trocar de idioma dentro de um mesmo verso cantado confunde a pronúncia. Mantenha cada verso em um só idioma; palavras comuns renderizam de forma mais limpa.
Três prompts, do início ao fim
Copie o formato, troque pela sua música. Cada exemplo é um prompt de várias cenas que você poderia colar hoje — construído com os blocos acima.
Balada indie melancólica
Íntima, encharcada de chuva, um personagem, lenta e emotiva.Estilo: imagem real cinematográfica, estética de cinema fria. Sujeito: uma jovem de casaco cinza encharcado, o cabelo escuro grudado no rosto. Cena 1 — plano aberto de abertura, uma rua vazia à noite sob postes âmbar, a chuva caindo, ela parece pequena no quadro; aproximação lenta. Cena 2 — plano médio, ela abaixa lentamente a cabeça enquanto a chuva escorre pelo rosto, a respiração visível. Cena 3 — primeiro plano, uma única lágrima se forma mas não cai, os olhos se erguendo em direção à luz. Paleta azul fria, reflexos suaves no asfalto molhado, alta definição, textura de película. Sem legendas, sem marca d'água.
Por que funciona: um personagem travado, três tamanhos de plano que crescem, um único movimento por cena, a emoção mostrada pelo corpo e uma linha de restrições limpa.
Synth-pop animado
Brilhante, cinético, com cores que estouram, construído em torno do drop do refrão.Estilo: animação 3D vibrante, lustrosa e colorida. Sujeito: uma dançarina de agasalho neon e tênis brancos. Cena 1 (verso) — plano médio em travelling seguindo-a por um corredor ensolarado de paredes em blocos de cor. Cena 2 (subida) — contra-plongée, aproximação enquanto ela se agacha, a luz pulsando cada vez mais forte. Cena 3 (drop do refrão) — órbita de 360° ao redor dela enquanto joga os dois braços para o alto, confete explodindo, luz rosa e ciano saturada. Ágil, enérgico, alta definição. Sem texto na tela, sem logo.
Por que funciona: as cenas estão associadas às seções da música, o maior movimento e a luz mais brilhante são guardados para o drop, e a energia mora nos cortes em vez de numa única cena frenética.
Cyberpunk cinematográfico / hip-hop
Estilizado, neon, atmosférico, maior que a vida.Estilo: animação 3D cyberpunk de ficção científica, paleta azul-violeta fria. Sujeito: um artista de jaqueta preta com capuz e debruns que brilham. Cena 1 — plano aéreo de drone descendo em direção a uma cidade de neon encharcada de chuva à noite. Cena 2 — plano médio em contra-plongée, ele caminha em direção à câmera por entre anúncios em holograma, a cabeça se erguendo para encontrar a lente; travelling lento. Cena 3 — primeiro plano, reflexos de neon deslizando pelo seu rosto enquanto ele dubla o gancho; quadro fixo. Luz volumétrica atmosférica, sombras profundas, grão de película. Sem legendas, sem marca d'água, sem logo.
Por que funciona: um estilo declarado e forte sustenta toda a sequência, o contra-plongée constrói presença, e cada cena usa exatamente um movimento — desce, acompanha, segura.
O resumo em uma tela
Tudo acima, condensado. Tire um print e mantenha ao lado da sua caixa de prompt.
Sujeito + Ação + Cenário + Luz e cor + Câmera + Estilo + Qualidade + RestriçõesFaça
- Descreva um roteiro de cenas, não uma legenda.
- Trave seu sujeito com 2–3 traços estáveis e reutilize-os.
- Um movimento de câmera por cena — corte para o resto.
- Mostre a emoção pelo corpo, não por adjetivos.
- Associe as cenas às seções da música; sincronize os cortes com a batida.
- Termine com restrições: sem texto, sem marca d'água, sem logo.
Não faça
- Não empilhe aproximação + panorâmica + zoom numa só cena.
- Não fixe códigos de tempo exatos.
- Não peça movimento violento e explosivo numa única cena.
- Não sobrecarregue o prompt com imagens de referência competindo.
- Não deixe o estilo sem declarar ao lado de uma referência realista.
- Não troque de idioma dentro de um mesmo verso cantado.
Perguntas frequentes sobre prompts de clipes
O que é engenharia de prompts para clipes?
É a arte de descrever uma música a um modelo de vídeo com IA para que ele devolva as cenas que você realmente imaginou — escolhendo o sujeito, a ação, o movimento de câmera, a iluminação e o estilo para cada parte da faixa, em vez de digitar uma descrição vaga e torcer. Bem feita, é a diferença entre um clipe genérico e um clipe dirigido.
Preciso saber termos de cinema para escrever bons prompts?
Ajuda, e são rápidos de aprender — aproximação, panorâmica, primeiro plano, contra-plongée. O vocabulário desta página cobre quase tudo o que você vai precisar. Os modelos de IA respondem a esses termos padrão com precisão, então poucas palavras enquadram uma cena inteira.
Como mantenho o mesmo personagem no vídeo todo?
Use uma imagem de referência — de preferência um primeiro plano limpo mais um plano de corpo inteiro — e descreva o personagem com os mesmos 2–3 traços toda vez. No SunoMV você pode salvar um personagem como referência de cena e apontar cada cena para ele, para que ele fique consistente do primeiro ao último verso.
Por que meu clipe com IA tem texto ou legendas aleatórias?
Os modelos às vezes inventam texto na tela. Adicione uma restrição como "sem legendas, sem texto" ao seu prompt e prefira um quadro widescreen — vídeos verticais tendem a produzir texto perdido com mais frequência. Você também pode recortar para vertical depois.
Devo escrever um prompt longo ou várias cenas?
Várias cenas. Rotule como Cena 1, Cena 2, Cena 3 e descreva em ordem, associadas às seções da música. Uma sequência de cenas claras é muito mais confiável que um parágrafo tentando fazer tudo de uma vez.
Por que a ação parece derretida ou deformada?
Geralmente é movimento demais numa única cena. Prefira movimento lento, contínuo e específico do corpo, e distribua a ação grande entre os cortes. Cenas calmas montadas juntas leem como energia alta; uma única cena frenética só deforma.
Posso usar essas técnicas com qualquer modelo de vídeo com IA?
Sim. A fórmula — sujeito, ação, cenário, luz, câmera, estilo, restrições — é um ofício universal. O SunoMV deixa você escolher entre vários modelos de vídeo avançados e trocar livremente, mas o jeito de escrever o prompt vale para todos eles.
Onde eu faço isso de fato no SunoMV?
Cole uma música ou crie uma e abra o editor: cada verso da letra vira uma cena que você pode prompar individualmente, com referências de cena para manter personagens e locais consistentes. Comece de graça e dirija seu primeiro vídeo aqui embaixo.
Agora vá dirigir sua música
Você já tem a fórmula, a linguagem da câmera e os exemplos. Cole uma faixa, escreva seu primeiro roteiro de cenas e veja a IA filmar.