Como criar prompts no Gemini Omni Flash para vídeos de 10 segundos
O Gemini Omni Flash tem uma superfície de prompt incomum: sem parâmetro negativo, duas proporções de tela, apenas em inglês e dois modos distintos de prompt. Veja como escrever bem em ambos.

Nota
Atualização (13 de julho de 2026): o Gemini Omni Flash já está disponível no OmniArt para geração padrão de vídeo por texto e imagem de referência. Os controles de edição conversacional com estado do Google ainda não aparecem na interface do OmniArt; as declarações antigas de disponibilidade abaixo refletem a data original de publicação.
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.
Nota
Em 1 de julho de 2026, o Gemini Omni Flash está disponível pelo Google AI Studio, pela Gemini API, pelo app Gemini e pelo Google Flow — ainda não dentro do espaço de trabalho do OmniArt. As seções abaixo descrevem como criar prompts diretamente nas próprias ferramentas do Google; a seção final mapeia quais hábitos se transferem para os modelos de vídeo que já estão ao vivo no OmniArt hoje.
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:
| Restrição | O que significa para o prompt |
|---|---|
| Sem campo de prompt negativo | Formule as exclusões dentro do próprio prompt — "uma rua vazia, sem pedestres, sem trânsito" em vez de uma lista negativa separada |
| Sem temperature / top_p / instrução de sistema | Você não pode ajustar a variância nem definir uma regra de estilo persistente — incorpore tom e estilo no texto do prompt toda vez |
| Proporção de tela: apenas 9:16 ou 16:9 | Escolha a orientação de antemão; não há opção quadrada nem cinematográfica ultrawide, então enquadre para vertical ou horizontal desde a primeira palavra |
| Áudio descrito, nunca enviado | Você não pode entregar uma faixa para ele acompanhar — você descreve em palavras o som que quer (veja abaixo) |
| Inglês totalmente suportado; outros idiomas não testados | Escreva os prompts em inglês para obter resultados previsíveis |
| Limite rígido de 10 segundos | Uma ação clara por geração — não uma lista de planos |
Aviso
O Omni Flash não tem envio de referência de áudio. Você não pode dar a ele uma cama musical nem uma amostra de voz para sincronizar. Ele gera uma faixa de áudio por padrão, e o seu único controle são as palavras do prompt — então o sound design precisa ser escrito, não anexado.
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:
- Sujeito — quem ou o que está em cena, descrito de forma concreta
- Movimento — a única ação que se desenrola ao longo do clipe
- Câmera — um único movimento, não uma sequência ("push in lento", "plano geral fixo")
- Iluminação — direção, qualidade, hora do dia
- Sound design — o áudio que você quer gerado, em palavras
- Estilo — paleta, época, referência de filme, textura
Um exemplo trabalhado:
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.
Dica
A cadeia de três edições é um orçamento, não uma sugestão. Planeje o prompt base para que ele precise do menor número possível de mensagens seguintes — uma primeira geração forte deixa os seus turnos de edição para mudanças criativas de verdade, não para consertar coisas que o primeiro prompt poderia ter especificado.
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 espaço de trabalho 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 ativos", 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 espaço de trabalho.
Abra o espaço 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.


