Como criar prompts no Gemini Omni Flash para vídeos de 10 segundos

A maioria dos guias de prompt para vídeo com IA ensina você a escrever uma coisa só: um parágrafo rico e detalhado que você entrega ao modelo uma única vez. O Gemini Omni Flash quebra essa premissa. Sua API para desenvolvedores (no ar desde 30 de junho) foi construída em torno de dois atos de prompt diferentes — a primeira geração e, depois, uma conversa contínua de edições que reformulam o mesmo clipe a cada passo. Escreva para um e ignore o outro e você deixa a maior parte do modelo de lado.

A superfície de prompt do Omni Flash também é incomum no que remove. Não há campo de prompt negativo, nem controle de temperatura, nem instrução de sistema, e apenas duas proporções de tela. Essas não são lacunas para contornar às cegas — cada uma muda a forma como você deve formular um prompt. Este guia cobre os dois modos e as restrições que os moldam.

Dois modos de prompt, não um

Toda sessão do Omni Flash tem dois tipos de prompt, e cada um recompensa uma escrita diferente.

O prompt de primeira geração é um briefing completo para um único momento de 10 segundos: sujeito, movimento, câmera, luz, som, estilo. Ele se comporta como qualquer bom prompt de texto para vídeo ou de imagem para vídeo — coloque o detalhe logo no início, seja específico, descreva o plano inteiro de uma vez.

A instrução de edição conversacional é o oposto. Ela é curta, nomeia exatamente uma alteração e assume que o modelo já mantém o clipe anterior em contexto. "Deixe a iluminação em golden hour." "Troque o sedã por uma picape." O modelo aplica a mudança preservando tudo o que você não mencionou — por meio do previous_interaction_id, que carrega o estado da sessão ao longo de até três edições sequenciais pela Interactions API. Amontoe três mudanças em uma única instrução de edição e você perde a precisão que faz o modo valer a pena.

O modelo mental: componha no primeiro prompt, dirija nas mensagens seguintes. Consiga um clipe base sólido e depois refine-o do jeito que você orientaria um diretor no meio da filmagem — uma nota de cada vez.

As restrições da API que moldam a sua formulação

A lista de parâmetros do Omni Flash é curta por design. Cada omissão tem uma consequência para o prompt:

Um template para a primeira geração

Como 10 segundos comportam um único momento, os primeiros prompts mais fortes descrevem um instante contínuo com cada camada especificada. Seis campos cobrem quase qualquer plano:

1. Sujeito — quem ou o que está em cena, descrito de forma concreta
2. Movimento — a única ação que se desenrola ao longo do clipe
3. Câmera — um único movimento, não uma sequência ("push in lento", "plano geral fixo")
4. Iluminação — direção, qualidade, hora do dia
5. Sound design — o áudio que você quer gerado, em palavras
6. Estilo — paleta, época, referência de filme, textura

Um exemplo trabalhado:

"A ceramic pour-over coffee dripper on a pale oak counter, steam rising as dark coffee streams into the glass carafe below. Slow push in on the drip. Soft morning light from a window camera-left, warm and diffused. Sound: gentle water trickle, distant kitchen ambience, no music. Muted editorial palette, shallow depth of field, shot on a fast prime lens."

Repare que as exclusões vivem dentro da frase ("no music"), a câmera é um único movimento e o som está explicitado. Essa é toda a disciplina.

Edição conversacional: o vocabulário que funciona

Depois que você tem um clipe base, as edições são onde o Omni Flash se destaca em relação a fluxos de gerar-e-descartar. Mantenha cada instrução com uma única intenção e apoie-se em um vocabulário de verbos consistente que o modelo lê com clareza:

• Reiluminar — "make it golden hour", "add a cool rim light from behind"
• Substituir — "swap the coffee dripper for a French press"
• Reestilizar — "make it feel like 1970s film stock"
• Recolorir — "change the mug to matte black"
• Retemporizar — "slow the pour down", "let the steam linger longer"

Duas regras mantêm a linha coerente. Uma mudança por turno — o modelo preserva o que você não menciona, então uma edição de nota única é ao mesmo tempo mais previsível e mais fácil de desfazer com um novo prompt. E construa sobre a linguagem do turno anterior — reutilize os substantivos que você estabeleceu ("the mug", "the pour") para que o modelo se ancore nos mesmos elementos em vez de reinferir a cena.

Contornando os limites atuais

Alguns limites não são solucionáveis por prompt, e vale a pena escrever tendo-os em mente em vez de lutar contra eles:

• Limite de 10 segundos. Não há extensão de cena na API, então não escreva prompts que impliquem um arco mais longo. Projete um único momento que se sustente sozinho.
• Consistência de personagem entre mudanças de cena é um ponto fraco reconhecido. Se a semelhança importa, mantenha as edições dentro da mesma cena em vez de pedir ao modelo para realocar um personagem para um novo cenário.
• Referências de vídeo com mais de 3 segundos não são totalmente processadas. Mantenha qualquer clipe de referência curto e direto ao ponto.
• Sem referência de múltiplos vídeos e sem edição de voz — ambos não são suportados, então planeje esses passos para uma ferramenta separada, e não para o prompt.

Nenhum desses pontos desqualifica uma ferramenta de iteração rápida em formato curto. Eles apenas significam que o Omni Flash recompensa prompts delimitados ao que ele faz bem: um único momento enxuto, refinado de forma conversacional.

O que se transfere para o OmniArt hoje

O Omni Flash ainda não está no workspace do OmniArt, mas quase todo hábito acima se transfere para os modelos de vídeo que já estão — porque a disciplina de base (um único momento claro, especificidade em vez de sopa de palavras-chave, som escrito dentro do prompt) independe do modelo.

• Geração guiada por referência mapeia diretamente para o Seedance 2.0, ao vivo no OmniArt, que aceita até nove imagens, três vídeos e três arquivos de áudio vinculados a papéis com a sintaxe @image1 / @video1 — a ideia de "compor a partir de assets", com mais entradas do que o Omni Flash oferece.
• Linguagem de câmera cinematográfica mapeia para o Veo 3.1, que interpreta verbos de movimento como "drift", "glide" e "dolly in" com contenção.
• O template de seis campos (sujeito, movimento, câmera, luz, som, estilo) é o mesmo esqueleto que produz resultados limpos em todos os modelos de vídeo do workspace.

Abra o workspace de vídeo no OmniArt, escolha o modelo que se encaixa no plano e escreva o primeiro prompt como um único momento completo. Quando o Omni Flash chegar, o fluxo de trabalho de dois modos acima é a parte que você vai adicionar — a arte de criar prompts já é a mesma.