Prompts de vídeo do Knight Cat AI: estrutura que funciona
Knight Cat AI TeamOs prompts de vídeo do Knight Cat AI precisam de cinco campos ordenados: sujeito, figurino, uma ação, câmera e iluminação. Estrutura primeiro, adjetivos por último, um plano por vez.
Um bom prompt de vídeo com IA de gato cavaleiro preenche cinco slots em uma ordem fixa: sujeito, figurino, uma ação, câmera, iluminação. Todo o resto que você queira adicionar é decoração, e decoração é a parte que faz um render de dez segundos virar um borrão. Este guia cobre os dois caminhos de prompt que o estúdio oferece, os padrões de fragmentos que se sustentam, o vocabulário de câmera que de fato muda o resultado e os três modos de falha responsáveis pela maioria dos renders ruins.
Os dois caminhos de prompt
O estúdio aceita uma foto de referência ou uma descrição textual, e o prompt que você escreve se comporta de modo diferente dependendo de qual delas você fornece.
Se você enviar uma foto, seu prompt de texto não precisa descrever o gato. A foto já fixa o padrão de pelagem, o formato do rosto, a posição das orelhas e as marcações por meio da ancoragem de identidade, que é o mecanismo que mantém seu pet reconhecível enquanto o modelo troca o figurino e o cenário. Suas palavras devem, em vez disso, descrever a cena na qual o gato é inserido: o que ele veste, o que ele faz, onde a câmera fica e como a luz incide.
Se você não fornecer foto, o prompt também precisa carregar o sujeito. Isso significa nomear a silhueta da raça, a cor e o padrão da pelagem e a pose corporal a partir da qual você quer que o modelo comece. Texto para vídeo é mais flexível porque nada restringe a composição, e menos tolerante porque nada ancora a identidade também. Um prompt sem foto e sem descrição de pelagem produz um gato genérico com armadura que se parece com seu pet apenas pela espécie.
Comece no gerador de vídeo com IA de gato cavaleiro se quiser ver as duas entradas lado a lado antes de escrever qualquer coisa.
A estrutura de prompt em cinco slots
Escreva seu prompt como cinco frases curtas nesta ordem. A ordem importa menos do que a disciplina de preencher cada slot uma vez.
- Sujeito — quem está em cena. Com uma foto de referência, isso é uma única palavra como "o gato da referência". Sem uma, dê a cor da pelagem, o padrão e a estrutura: "um pequeno tigrado cinza com meias brancas e a orelha esquerda cortada".
- Figurino — uma camada de armadura e um item carregado, nada mais. "Peitoral de aço escovado, gola de cota de malha, uma espada curta segura na pata direita" está completo. Adicionar uma capa, um elmo, um escudo e um estandarte dá ao modelo cinco objetos para resolver em dez segundos, e ele vai descartar ou fundir alguns.
- Uma ação — um único movimento dominante para o clipe inteiro. "Dá um passo à frente sobre um degrau de pedra" é um plano. "Dá um passo à frente, olha para cima e então ergue a espada" são três planos comprimidos em um, e o resultado é um borrão.
- Câmera — como o quadro se move. "Plano médio com câmera fixa" ou "dolly in lento sobre as patas". Uma instrução de câmera por prompt.
- Iluminação — hora do dia e direção. "Luz baixa de crepúsculo vinda da esquerda, contorno quente na borda da armadura" supera "iluminação cinematográfica", que não diz ao modelo nada com que ele possa trabalhar.
Um prompt construído assim lê-se como uma lista de planos, e não como um desejo. É esse o ponto: o Seedance 2.0 renderiza o que consegue resolver quadro a quadro, e cada slot que você preenche reduz o número de decisões que ele precisa adivinhar.
Este clipe: 30 créditos · 6 clipes por mês por $39.90 (Pro), ou 80 por ano por $319
Fragmentos fortes versus fracos
A diferença entre um prompt utilizável e uma geração desperdiçada costuma estar em uma ou duas escolhas de palavras. A tabela abaixo compara fragmentos que resolvem limpo com fragmentos que não resolvem.
| Slot | Fragmento fraco | Fragmento forte | | ---------- | ----------------- | ------------------------------------------------------------ | | Sujeito | um gato fofo | tigrado cinza, meias brancas, orelha esquerda cortada | | Figurino | armadura medieval | peitoral de aço escovado, gola de cota de malha | | Ação | sendo heroico | planta uma pata dianteira à frente e fica parado | | Câmera | cinematográfico | plano médio com câmera fixa, altura dos olhos | | Iluminação | luz dramática | luz lateral de crepúsculo vinda da esquerda, contorno quente | | Cenário | coisas de castelo | lajes molhadas em um pátio iluminado por lanternas | | Escala | minúsculo e épico | na altura do joelho do cavaleiro atrás dele |
Dois padrões explicam quase todo fragmento fraco. O primeiro é abstração: "heroico", "épico", "cinematográfico" descrevem um sentimento, e o modelo não tem pixels para um sentimento. O segundo é aumento de escopo: um único fragmento que pede uma mudança de figurino, uma mudança de expressão e uma mudança de local ao mesmo tempo.
Observe a linha de escala. Escala ambígua é a falha mais silenciosa de todo este formato, porque o gato parece bem e o mundo parece errado. Diga "na altura do joelho do cavaleiro atrás dele" em vez de "minúsculo", e o pátio, os batentes das portas e as outras figuras resolvem todos no tamanho certo. O preset pequeno cavaleiro e protetor gigante é construído inteiramente em torno dessa relação, então é a maneira mais rápida de ver a linguagem de escala funcionando.
Linguagem de câmera que muda o resultado
Instruções de câmera são um parâmetro real no render, não texto decorativo. Duas famílias cobrem a maior parte do que você precisa.
Planos com câmera fixa mantêm o quadro parado enquanto o sujeito se move. Um plano com câmera fixa é a opção mais estável, porque o modelo só precisa animar uma coisa em movimento: seu gato. Pans e pushes significam que o fundo também precisa ser reinventado a cada quadro, e a reinvenção do fundo é onde aparecem distorções e arrasto de textura. Se um render continua desmoronando, remova o movimento de câmera antes de reescrever qualquer outra coisa.
Dolly e push-in movem a câmera em direção ao sujeito ou para longe dele. Um push-in lento transmite intenção e funciona bem para um gato parado, porque o movimento é carregado pelo quadro, e não pelo animal. Mantenha o movimento único e lento: "dolly in lento" é estável, "dolly in e depois grua para cima" são dois movimentos e o segundo geralmente engole o primeiro.
Para qualquer uma das famílias, nomeie o enquadramento e a altura. "Plano médio na altura dos olhos" e "plano geral baixo a partir do chão" produzem composições visivelmente diferentes, e ambos são mais úteis do que "close-up" sozinho. Um ângulo baixo faz o gato parecer maior, o que é útil quando a piada depende de o animal ser subestimado. Um plano médio na altura dos olhos mantém a silhueta da armadura legível, que geralmente é o que você quer quando o figurino é o ponto.
Por que uma ação por plano importa
Um clipe de dez segundos tem espaço suficiente para um movimento convincente. Quando um prompt pede duas ou três ações separadas, o modelo distribui uma quantidade fixa de animação entre elas e cada uma recebe menos. O resultado visível é um borrão: membros que se movem pela metade, um giro que nunca se completa, uma espada erguida que vira um borrão de aço.
Há um segundo motivo, e ele tem a ver com geometria oculta. Membros extras aparecem quando o prompt implica uma pose corporal que a foto de referência não mostra. Se sua foto é de um gato sentado e o prompt pede "em pé sobre as patas traseiras e balançando uma espada", o modelo precisa inventar a barriga, as patas traseiras estendidas e a posição da pata a partir do nada, e muitas vezes inventa um membro a mais ou coloca uma perna onde deveria estar uma cauda. Uma pose de referência próxima da ação que você quer, mais um único movimento dominante, evita a maior parte disso.
A regra prática: se você consegue descrever o clipe com "e então", divida-o em duas gerações. Dois clipes a trinta créditos cada dão a você dois planos utilizáveis. Um clipe pedindo os dois dá a você um borrão que custa o mesmo e não pode ser recuperado gerando o texto novamente.
Seis exemplos de prompt
Cada exemplo abaixo preenche os cinco slots e nada mais. A redação é deliberadamente simples, porque uma redação simples deixa menos espaço para o modelo interpretar.
- Marcha no pátio (com foto). O gato da referência, peitoral de aço escovado e gola de cota de malha, planta uma pata dianteira à frente em lajes molhadas e fica parado, plano médio com câmera fixa na altura dos olhos, luz lateral de crepúsculo vinda da esquerda com um contorno quente na armadura.
- Serviço de guarda (com foto). O gato da referência, elmo de ferro amassado e uma espada curta segura baixo, senta-se imóvel enquanto a chuva cai além do quadro, plano geral com câmera fixa a partir da altura do chão, luz fria de céu nublado com uma única lanterna à direita.
- Protetor gigante (com foto). O gato da referência, sem armadura exceto uma coleira de couro, olha para cima e sustenta o olhar, dolly in lento até um plano médio, contraluz de crepúsculo e sombras longas na pedra.
- Portão do castelo (com foto). O gato da referência, gola de cota de malha e um pequeno estandarte preso às costas, caminha dois passos em direção ao portão e para, plano médio com câmera fixa na altura dos olhos, luz de tocha vinda da direita contra o ar azul do anoitecer.
- Texto para vídeo, gato cavaleiro junto a uma lareira. Um pequeno gato preto com uma mancha branca no peito, peitoral de aço e gola de cota de malha, se enrosca mais apertado ao redor de uma tigela e se acomoda, close com câmera fixa na altura do chão, luz quente de fogo vinda da esquerda com sombra profunda atrás.
- Texto para vídeo, vigília noturna. Um tigrado ruivo robusto, armadura de aço polido e uma espada curta apoiada no chão, levanta a cabeça uma vez e a mantém, dolly in lento a partir de um plano geral, luar frio através de uma janela estreita com preenchimento de lanterna à direita.
Os números 1 a 4 pressupõem uma foto de referência, então o slot de sujeito se reduz a uma única frase e o modelo faz a ancoragem de identidade a partir da imagem. Os números 5 e 6 carregam a descrição da pelagem porque não há foto para fixá-la.
Erros comuns
Duas ações em um plano. Já abordado acima, e ainda a causa mais comum de um borrão. Divida o clipe.
Figurino vago. "Armadura" não é um figurino. Nomeie o material e a peça. "Peitoral de aço escovado" e "elmo de ferro amassado" resolvem em pixels diferentes, e o modelo não vai escolher por você.
Escala ambígua. "Minúsculo" e "épico" descrevem seu sentimento sobre o gato, não seu tamanho na cena. Dê uma comparação: "na altura do joelho do cavaleiro atrás dele", "menor que o escudo apoiado na parede".
Empilhamento de adjetivos. Quatro adjetivos antes de um substantivo dividem a atenção do modelo entre todos os quatro. Escolha o que importa e gaste suas palavras restantes na ação.
Mudar a câmera no meio do prompt. Uma instrução de câmera por geração. Um prompt que pede enquadramento com câmera fixa e um dolly ao mesmo tempo não produz nem um nem outro.
Se você quiser a versão mais curta em formato de checklist deste material, o passo a passo como fazer um vídeo com IA de gato cavaleiro cobre o fluxo de upload e presets em torno desses prompts, e a página inicial mostra os quatro presets que a maioria dos prompts acaba descrevendo.
Custo do prompt e iteração
Escrever prompt é barato em relação a renderizar, e é por isso que iterar no texto é o primeiro movimento certo. A especificação padrão de entrega é Standard 1080p em doze segundos por trinta créditos, e a opção Standard 720p de doze segundos nos cartões de preço é dez créditos. Renders de 480p de doze segundos custam cinco créditos, e clipes mais longos escalam linearmente e arredondam para cima.
Isso importa por um motivo simples: se um render falha, os créditos são reembolsados, mas um render que dá certo e fica errado não é. Cinco créditos em 480p é a maneira mais barata de testar se uma ação funciona antes de você se comprometer com uma tomada em 1080p. Escreva o prompt, renderize na resolução mais baixa que ainda mostre o movimento e só então gaste o nível mais alto. Você pode ver os níveis atuais na página de preços.
Novas contas ganham trinta créditos uma vez por meio do login com Google. O cadastro por e-mail começa em zero até o check-in diário ser resgatado, que concede dez, depois vinte, depois trinta, e então dez por dia por mais quatro vezes. Os renders permanecem privados na sua conta, nada é publicado em um feed público, e nenhum render carrega marca d'água.
Perguntas frequentes
Quanto tempo deve ter um prompt? De duas a quatro frases é suficiente. Cinco slots, uma oração cada. Prompts mais longos dividem a atenção entre mais objetos e geralmente produzem um resultado mais suave, não mais rico.
O prompt substitui minha foto de referência? Não, e ele não deve tentar. A foto fixa a identidade e o prompt descreve a cena ao redor dela. Se você quer um gato diferente, envie uma foto diferente em vez de descrever uma pelagem diferente no texto.
Por que meu gato ganha membros extras? O prompt está pedindo uma pose corporal que a foto não mostra. Faça a pose de referência corresponder à ação, mantenha um movimento dominante, e o modelo para de adivinhar a geometria oculta.
Devo escrever meu prompt como palavras-chave ou frases? Frases com slots claros. Listas de palavras-chave funcionam como alternativa, mas frases carregam as relações entre sujeito, ação e câmera, e essas relações são o que o modelo anima.
Qual configuração de câmera devo usar primeiro? Câmera fixa. É a opção mais estável, e depois que isso renderizar limpo, você pode adicionar um dolly in lento como a única mudança.
Posso reutilizar um prompt para todos os quatro presets? Não. Os presets charneca varrida por tempestade, gato pequeno com um cavaleiro gigante, portão do castelo ao anoitecer e guardião do leite definem cada um o cenário e a escala, então seu prompt deve fornecer figurino, ação, câmera e iluminação além disso, em vez de repetir a cena.