Sora: como começar a criar vídeos com IA

O Sora transforma uma descrição em texto em vídeo. Parece simples, mas a primeira semana é uma sequência de clipes em que as mãos têm seis dedos, um carro atravessa uma parede e o texto de uma camiseta se transforma no meio da cena. A culpa não é da ferramenta, é da falta de método. Este guia oferece um: como conseguir acesso, como montar um prompt, onde o Sora supera o Runway e o Kling e onde perde para eles, e como iterar para que, de dez clipes, dois sejam realmente bons.

Acesso e planos

O Sora funciona por meio de uma conta da OpenAI, geralmente incluído em uma assinatura do ChatGPT. Na prática, você vai encontrar dois níveis: um mais barato (no estilo do Plus), com algumas dezenas de gerações por mês, clipes mais curtos e resolução menor, e um mais caro (no estilo do Pro), com limite maior, clipes mais longos, resolução mais alta e menos marcas d’água em algumas regiões. Trate esses números como estimativas: a OpenAI muda limites e preços mais de uma vez por trimestre, então confira a situação atual no seu próprio painel antes de pagar.

• Verifique a disponibilidade no seu país: o lançamento é regional e, às vezes, fica pausado.
• Comece pelo plano mais barato e teste por uma semana antes de pagar pelo mais caro.
• Os limites de geração contam cada tentativa, inclusive as que dão errado: planeje os prompts em vez de atirar no escuro.
• A exportação no plano de clipes mais longos costuma render um material mais limpo para a edição.

A anatomia de um prompt

Um bom prompt de vídeo não é uma frase só, mas cinco camadas montadas em uma descrição coerente. Cada camada controla uma parte diferente do quadro, e qualquer camada que você pular será adivinhada pelo modelo, geralmente mal.

1. Sujeito: quem ou o que está em quadro, com detalhes (idade, roupa, material, cor).
2. Ação: o que ele faz, um movimento por clipe; não enfie três ações em cinco segundos.
3. Câmera: tipo de enquadramento e movimento, como static wide shot, slow dolly in, handheld tracking, top-down.
4. Iluminação: hora do dia e caráter da luz, como soft morning light, harsh noon sun, neon night.
5. Estilo: estética e meio, como 35mm film, anime cel, documentary, claymation.

A ordem importa: comece pelo sujeito e pela ação, porque são eles que definem o que o modelo anima. Estilo e iluminação no final funcionam como um filtro aplicado sobre a cena. Evite negações (“sem multidão ao fundo”): modelos de vídeo as interpretam mal e muitas vezes entregam exatamente o que você proibiu. Em vez disso, descreva de forma positiva o que deve estar lá: “uma rua vazia ao amanhecer”.

Duração dos clipes e proporções de tela

O Sora gera clipes curtos: de alguns segundos a pouco mais de uma dúzia por geração, dependendo do plano e da resolução. Não é uma ferramenta para gravar um único take de três minutos; é um gerador de blocos de construção que você depois monta em um editor.

• 16:9: YouTube, apresentações, tomadas “cinematográficas” na horizontal.
• 9:16: Reels, TikTok, Shorts; componha a ação no centro e na parte de cima do quadro.
• 1:1: feed, thumbnails, quando você ainda não sabe o formato final.

Quanto mais curto o clipe, menor a chance de morphing e de a física sair dos trilhos, porque o modelo tem menos quadros para errar. Se você precisa de uma cena mais longa, gere várias tomadas curtas da mesma situação e junte tudo na edição: o resultado fica mais estável do que uma única geração longa.

Storyboard e remix

Dois recursos que separam filmar “no escuro” de dirigir de verdade. O Storyboard permite organizar um clipe em pontos no tempo e dar a cada um a sua própria descrição: o sujeito caminha, depois para, depois se vira. Isso dá um controle sobre a sequência de eventos que um único prompt não consegue oferecer.

O Remix pega um clipe existente e muda um parâmetro, mantendo o resto: a mesma cena, mas com chuva; o mesmo personagem, mas com outra roupa. É o jeito mais barato de iterar, porque você não começa do zero. Um workflow que funciona: uma geração forte como base e, depois, três ou quatro remixes mudando uma coisa de cada vez. Mudar muitas coisas ao mesmo tempo significa que você nunca descobre o que melhorou o resultado.

Falhas comuns e como contorná-las

Modelos de vídeo têm um conjunto recorrente de artefatos. Conhecê-los evita a maior parte da frustração.

• Morphing: objetos mudam de forma suavemente. Encurte o clipe, simplifique a cena, reduza o número de elementos em movimento.
• Falhas de física: objetos atravessando uns aos outros, gravidade estranha. Escolha movimentos simples e naturais; evite colisões complexas e multidões.
• Artefatos de texto: legendas e logos “dançam” e ficam ilegíveis. Não conte com texto correto na geração; adicione as legendas na edição.
• Mãos e rostos inconsistentes: principalmente em movimento. Mantenha o sujeito em plano médio e evite gestos rápidos com as mãos em primeiro plano.
• Deriva de estilo: a estética muda no meio do clipe. Use um clipe mais curto e uma única descrição de estilo dominante, em vez de três contraditórias.

A regra geral: todo artefato piora com a duração do clipe e a complexidade da cena. A mitigação mais barata é menos: menos segundos, menos movimento, menos elementos.

Workflow de iteração

Não trate uma geração como loteria. Trate como um experimento com uma única variável. Um loop simples funciona bem:

1. Escreva o prompt nas cinco camadas e gere uma versão base.
2. Identifique o ponto mais fraco (movimento? iluminação? sujeito?).
3. Mude só esse elemento, pelo prompt ou pelo remix.
4. Compare com a base; fique com a melhor e descarte a pior.
5. Repita até ter um candidato pronto para a edição, e não um “bom o suficiente”.

Guarde os prompts que funcionaram: essa é a sua biblioteca particular, que vale mais do que qualquer guia. Depois de duas semanas, você terá um conjunto de modelos de tomada testados, que só precisam de um ajuste em um ponto.

Exemplos de estrutura de prompt

Quatro esqueletos para você preencher com os seus próprios detalhes. Não são scripts prontos para colar: são padrões de ordem e de nível de detalhe.

• Produto sobre a mesa: sujeito (uma caneca de cerâmica com café fumegante), ação (vapor subindo devagar), câmera (dolly in lento), iluminação (luz suave da manhã entrando por uma janela), estilo (35mm, profundidade de campo rasa).
• Personagem em movimento: sujeito (um corredor de jaqueta vermelha), ação (correndo pela orla), câmera (na mão, acompanhando pela lateral), iluminação (hora dourada), estilo (documental, granulação leve).
• Clima de um lugar: sujeito (uma viela vazia de centro histórico), ação (garoa fina, reflexos nos paralelepípedos), câmera (plano geral estático), iluminação (neon à noite), estilo (cinematográfico, alto contraste).
• Tomada abstrata: sujeito (uma gota de tinta na água), ação (se dissolvendo em filamentos), câmera (macro, de cima), iluminação (uniforme, de estúdio), estilo (câmera lenta, fundo limpo).

Sora vs Runway vs Kling

Nenhuma dessas ferramentas vence em tudo. Você escolhe a cada tomada, não de uma vez por todas.

• O Sora vence em coerência de cena, movimento natural e compreensão de descrições complexas e narrativas: é forte em tomadas “cinematográficas” de atmosfera.
• O Runway vence em controle preciso (motion brush, máscaras, edição de vídeo existente) e em um workflow rápido e iterativo para editores.
• O Kling vence muitas vezes em movimentos de personagem mais longos e fluidos, e costuma ser mais generoso com gerações gratuitas: bom para testes em volume.

Na prática, muitos criadores geram variações da mesma cena em duas ferramentas e escolhem a melhor tomada. Isso não é desperdício: sai mais barato do que dez correções em uma única ferramenta que, por acaso, tem dificuldade com aquele tipo de movimento.

TL;DR

Comece pelo plano mais barato, com uma semana de testes. Monte o prompt em cinco camadas (sujeito, ação, câmera, iluminação, estilo), de forma positiva, sem negações. Gere clipes curtos e monte tudo na edição, em vez de brigar por um único take longo. Itere uma variável por vez, use o remix, guarde os prompts que funcionam. Adicione textos e logos fora da geração. Use o Sora para tomadas coerentes e atmosféricas, o Runway para controle e edição, e o Kling para movimentos longos e testes baratos.