8 prompts para Grok Imagine que realmente funcionam

O Grok Imagine 1.5 atualizou a base de imagens para o FLUX.1 da Black Forest Labs, e essa mudança tem uma implicação concreta na forma como você escreve prompts: o modelo responde à descrição em linguagem natural da forma como um fotógrafo lê um briefing, e não como os modelos mais antigos interpretavam listas de palavras-chave. Os oito prompts abaixo estão prontos para copiar — cole-os no espaço de trabalho Grok Imagine do OmniArt, ajuste os detalhes e gere. Cada card inclui o texto exato do prompt, o que ele produz e uma nota de criação sobre por que a estrutura funciona.

Para teoria geral de prompts em todos os modelos OmniArt, consulte como escrever melhores prompts. Para o tratamento aprofundado dos seis modos de geração do Grok Imagine e os cálculos de custo, veja o guia do criador Grok Imagine. Este artigo é especificamente sobre o Grok Imagine 1.5 — o lançamento com FLUX.1 — e a técnica de prompt que ele recompensa.

O que o Grok Imagine 1.5 mudou nos prompts

O modelo base FLUX.1 é treinado de forma diferente das arquiteturas de texto para imagem mais antigas. Ele interpreta bem prosa conectada e tende a responder pouco a pilhas de palavras-chave puras. Cinco hábitos elevam a qualidade de forma mais confiável:

• Linguagem natural em vez de listas de palavras-chave. Frases completas superam adjetivos separados por vírgulas. "Uma rua no blue hour, iluminada pelo brilho de uma placa de conveniência" bate "rua, noite, neon, cinematográfico, 4K."
• Referências específicas em vez de adjetivos vagos. "Filmado em Fujifilm XT4, 23mm f/2" diz mais ao modelo do que "foto de alta qualidade." Nomes de equipamentos e estoques de filme carregam peso real no espaço latente.
• Palavras de cor exatas em vez de "colorido." "Azul elétrico e rosa quente" produz uma paleta deliberada. "Colorido" produz ruído médio.
• Hora exata em vez de "hora dourada." "Final de outubro, 17h45, sol a 6° acima do horizonte" diz ao modelo o ângulo e a temperatura da luz com precisão. "Hora dourada" é ambíguo entre estações e latitudes.
• Estrutura de vídeo: Sujeito + Ação + Câmera + Estilo + Áudio. Coloque o sujeito principal e a ação nas primeiras 20–30 palavras. Um único foco de estilo supera uma mistura. Itere progressivamente — mude uma variável por geração até o resultado se firmar e depois avance.

Para uma análise completa do vocabulário cinematográfico que se transfere para vídeo, o guia de prompts para vídeo de IA cinematográfico cobre escolha de lente, movimentos de câmera motivados e linguagem de iluminação em profundidade.

---

Os 8 prompts

1. Foto de produto cinematográfica (imagem)

35mm product photography, shot on Fujifilm XT4. A matte black mechanical wristwatch resting on a slab of raw concrete, 
late October afternoon light coming in low from camera left at roughly 20°, casting a long shadow across the concrete 
face. Shallow depth of field, background falling completely soft. Color palette: warm amber highlights, cool blue-grey 
shadow fill. No props, no reflections except the concrete surface itself.

O que produz: uma still limpa e artisticamente dirigida que lê como fotografia profissional de produto em vez de output de IA.

Por que funciona: a referência à Fujifilm XT4 ancora a ciência das cores e a renderização do sensor em um look real específico. O ângulo da luz é especificado numericamente, o que evita que o modelo use iluminação difusa overhead por padrão. Manter a paleta em duas cores — destaques âmbar quente, preenchimento de sombra azul-cinza frio — evita que o modelo introduza uma terceira tonalidade concorrente.

---

2. Close de personagem com áudio (vídeo)

Medium close-up of a young woman with short silver hair and a worn leather jacket, inside a neon-lit record shop at 
3 am. She looks directly into camera and says: "Every city has one song. I'm still looking for mine." Natural lip 
sync. Camera holds completely still. Light source: one pink neon tube overhead, one cyan neon sign spilling from 
camera right. Atmosphere: quiet, a little melancholic, not cinematic drama. Ambient audio: low vinyl static underneath 
the dialogue. 8 seconds.

O que produz: um momento de personagem com áudio nativo do Grok Imagine 1.5 — o modelo gera diálogo, sincronização labial e som ambiente em uma única passagem de inferência.

Por que funciona: a linha de diálogo é curta o suficiente para sincronização labial limpa dentro de 8 segundos. Duas fontes de luz neon separadas e nomeadas (rosa no topo, ciano à direita) dão ao modelo um mapa de luz claro e evitam a média genérica de "cidade neon." "Não é drama cinematográfico" é uma restrição negativa que guia o humor com mais precisão do que um adjetivo positivo faria.

---

3. Ambiente atmosférico — clipe de ambience (vídeo)

Wide establishing shot of a fog-filled pine forest in southern Norway, early November, 7 am. No people, no animals. 
Soft diffused dawn light filtering through the canopy, pale grey-white, casting almost no shadow. Slow imperceptible 
push forward, as if the camera is drifting on breath. Audio: deep forest ambience — distant water, occasional bird, 
near-silence underneath. No music. 12 seconds.

O que produz: um clipe de ambience para definir humor, ideal como filmagem de fundo, material de transição ou cena de abertura.

Por que funciona: "início de novembro, 7h" é mais preciso que "manhã com névoa." O push é descrito como "imperceptível" e "derivando sobre a respiração," o que comunica o ritmo com mais precisão do que "push lento para frente." Pedir ausência de música evita que o áudio use trilha sonora por padrão — o modelo gera ambience autêntico no estilo de gravação de campo.

---

4. Vídeo social vertical em ritmo acelerado — revelação de produto (vídeo)

9:16 vertical. A pair of electric blue running shoes drops into frame from the top, landing on a wet reflective black 
studio floor. High-speed impact, tiny water spray, shoes bounce once and settle. Immediate cut to product floating 
at centre frame, slow rotation 360°. Fast rhythm: first motion 0–2s, rotation 2–8s. Hard direct light from above, 
electric blue accent light from below floor (subtle). No dialogue. Audio: sharp impact sound on drop, then a clean 
single synthesizer tone during rotation. 8 seconds.

O que produz: um clipe social 9:16 impactante feito para TikTok, Reels ou Shorts — revelação de produto com corte rápido e áudio nativo.

Por que funciona: especificar 9:16 no início define a proporção antes de tudo mais no prompt. A linha do tempo é escrita explicitamente ("0–2s / 2–8s"), o que ajuda o modelo a marcar os dois beats corretamente em vez de mesclá-los em um único movimento. Nomear os eventos de áudio específicos (som de impacto, tom de sintetizador) produz design de som mais intencional do que "adicione efeitos sonoros."

---

5. Ilustração estilizada (imagem)

Risograph print illustration of a small coastal Japanese fishing village at dusk, mid-December. Two ink colors only: 
deep indigo and warm persimmon orange. Flat graphic shapes, no gradients. Fishing boats pulled up on shore, a single 
wooden dock, lantern light in two window rectangles. Composition: low horizon line, large sky area, boats and dock in 
lower third. The print has slight ink misregistration — indigo shifted 2px left from the orange layer. Texture: 
visible paper grain throughout.

O que produz: uma ilustração gráfica com cores limitadas que parece um processo de impressão real em vez de arte digital genérica.

Por que funciona: nomear a técnica de impressão (Risograph) e suas restrições específicas (duas cores de tinta, formas planas, sem gradientes, desalinhamento de tinta) dá ao modelo um briefing técnico completo. "Desalinhamento de tinta" é o tipo de detalhe de processo físico que ancora o output em uma estética do mundo real — é o equivalente FLUX.1 de nomear um estoque de filme. Sem isso, o modelo tende a adicionar gradientes ou misturar cores.

---

6. Movimento de câmera dinâmico — drone com pull-back (vídeo)

Aerial drone footage. Extreme close-up on the face of a compass resting on a weathered wooden ship's deck, late 
afternoon November light, warm golden horizontal rays from camera left. Slow pull-back revealing the full deck, 
then the ship's hull, then open grey Atlantic ocean horizon. Pull-back runs the full 15 seconds — begin on compass, 
end with ocean filling 80% of the frame. Camera elevation stays constant, no tilt. Real drone color science: flat 
LOG-style color, slight lens vignette. Audio: wind increasing in volume as ocean fills frame.

O que produz: um plano de revelação sustentado de 15 segundos — a duração máxima do clipe do modelo — construído em torno de um único movimento de câmera motivado.

Por que funciona: este prompt usa a duração total de 15 segundos para um único movimento contínuo, que é a forma mais confiável de obter um resultado limpo nessa duração. O pull-back é restrito a elevação constante (sem inclinação), o que evita que o modelo improvise um segundo eixo de câmera e crie movimento instável. "Cor estilo LOG, leve vignette de lente" codifica um look de câmera real sem exigir nomes de equipamento específicos.

---

7. Moda estilizada — retrato com estoque de filme (imagem)

Expired Kodak Portra 400 film scan. Portrait of a woman in her mid-thirties, strong afternoon window light from 
camera right, half of her face in deep shadow. She is wearing a deep forest green linen blazer, no visible jewellery. 
Expression is neutral, looking slightly off-camera left. Grain heavy and warm, slight halation around the window 
highlight, greens shifted slightly toward yellow-olive. Tight crop: from collarbone to just above top of head. 
Aspect ratio 4:5.

O que produz: um retrato de fotografia analógica com renderização de cor vintage precisa — grão autêntico, halação e desvios de cor de filme vencido.

Por que funciona: "Kodak Portra 400 vencido" é uma das referências de estilo de frase única mais fortes no espaço latente de imagem — carrega um conjunto completo de expectativas tonais. Especificar o desvio de cor ("verdes levemente deslocados para amarelo-oliva") evita grão vintage genérico e orienta a corrupção exata de paleta associada a filme vencido. Corte apertado e uma proporção específica (4:5) produzem um retrato que parece uma impressão fotográfica real.

---

8. Ambiente imersivo — chuva (vídeo)

Ground-level POV inside a glass bus shelter, heavy urban rain, Tokyo residential street, late June 22:00. Camera 
holds completely still. Rain streaks down the glass panels in foreground, streetlights smear into vertical bokeh 
streaks behind the wet glass. A cyclist passes in the distance — silhouette only, visible for about 2 seconds in 
mid-clip. No camera movement. Audio: heavy rain on glass, distant car tyre hiss, one distant motorbike engine 
fading right-to-left. No music. 10 seconds.

O que produz: um clipe ambiental imersivo de ponto de vista único — forte como plano de abertura ou como peça de humor autônoma.

Por que funciona: "final de junho, 22h00" especifica a estação exata, a sensação de temperatura (chuva quente de verão) e o nível de escuridão. O ciclista que passa é plantado como um evento específico em um momento específico ("cerca de 2 segundos no meio do clipe"), o que dá ao modelo uma âncora narrativa sem pedir ação complexa de personagem. O áudio é dado em três camadas separadas (chuva no vidro, farfalhar de pneu, moto), o que tende a produzir design de som mais cuidadoso do que uma única instrução de "chuva urbana ambiente."

---

Rodando no OmniArt

Todos os oito prompts rodam no Grok Imagine 1.5 dentro do espaço de criação do OmniArt — sem necessidade de assinatura xAI separada. Os prompts de imagem (1, 5, 7) vão para o espaço de imagem; os prompts de vídeo (2, 3, 4, 6, 8) vão para o espaço de vídeo no Grok Imagine.

Algumas notas práticas para execuções no OmniArt:

• Comece em 480p para iteração. Em 480p, o vídeo custa 10 créditos por segundo. Quando a estrutura estiver correta, suba para 720p (15 créditos por segundo) para o take final.
• Use o Modo Estender para aumentar a duração. O clipe de ambiente (prompt 3) e o drone com pull-back (prompt 6) podem ser estendidos em até 15 segundos adicionais usando o Modo Estender do Grok Imagine — o mesmo modelo, cobrado apenas pela parte acrescentada.
• Use o Modo Modificar para correções pontuais. Se a iluminação em um resultado estiver quase certa mas um elemento estiver errado, o Modo Modificar permite descrever a mudança em texto sem regenerar o clipe completo. Mantenha os clipes de origem em 480p antes de passar para Modificar — o modo limita o input em 854×480.
• Consistência de personagem entre planos: se você está gerando múltiplos planos do mesmo personagem (estilo do prompt 2), use o Modo Referência com um headshot como @Image1 e reafirme a descrição do personagem em cada novo prompt. O Modo Referência do Grok Imagine 1.5 é o caminho mais direto para consistência sem depender de um modelo ajustado.

Para uma análise completa de todos os seis modos de geração do Grok Imagine, cenários de custo e quando mudar para um modelo diferente, veja o guia completo do Grok Imagine. Para o vocabulário de cinematografia mais amplo que se transfere para qualquer prompt de vídeo, o guia de prompts para vídeo de IA cinematográfico vale marcar ao lado deste.