Pular para o conteúdo

Guia · Prompts · Atualizado em out. de 2026

Guia de prompts do OmniHuman 2: dirija gestos, emoção e câmera

Um bom prompt para o OmniHuman 2 é curto, físico e específico. O áudio já decide o que a pessoa diz e quando os lábios se movem; o prompt decide todo o resto — como ela posiciona o corpo, para onde olha, quais gestos caem em qual frase e o que a câmera faz.

Foto+Voz=Vídeo

Voz
Sem foto? Teste:
  • Prévia grátis
  • Login com Google
  • Uploads privados
Anúncios UGC
Canto
Várias pessoas
por vídeo
5 min
de saída
720p
pessoas por cena
Várias
idiomas
6

Este guia traz uma estrutura simples, o vocabulário ao qual o modelo responde e exemplos prontos para copiar nos formatos mais comuns. Cada exemplo foi pensado para ser colado no campo de direção do estúdio e ajustado à sua foto.

Como estruturar um prompt para o OmniHuman 2

Pense em três partes: performance, gesto e câmera. A performance é o clima geral (“warm and confident”, “playful”, “serious newsreader” — caloroso e confiante, brincalhão, apresentador de telejornal sério). O gesto é uma ou duas ações concretas (“counts on fingers”, “points at the viewer”, “holds the jar up to the lens” — conta nos dedos, aponta para quem assiste, aproxima o pote da lente). A câmera é um único movimento ou enquadramento (“static medium shot”, “slow push-in”, “gentle orbit to the left” — plano médio fixo, aproximação lenta, órbita suave para a esquerda).

Fique abaixo de umas 40 palavras. Prompts longos, com muitas ações competindo entre si, tendem a gerar movimentos agitados e artificiais; é melhor renderizar duas vezes com dois prompts focados do que uma vez com um prompt sobrecarregado.

Direções de câmera

Use um movimento por clipe. Estas expressões são claras e amplamente entendidas:

  • “static medium shot” (plano médio fixo) — calmo, estilo apresentador; o melhor para explicações longas.
  • “slow push-in” (aproximação lenta) — aumenta a intensidade; ótimo para ganchos de anúncio e falas emocionantes.
  • “gentle orbit around the subject” (órbita suave ao redor da pessoa) — dá cara de produção profissional às músicas.
  • “handheld feel, slight sway” (câmera na mão, leve balanço) — faz clipes no estilo UGC parecerem gravados no celular.
  • “wide shot, then slow zoom on the speaker” (plano aberto, depois zoom lento em quem fala) — útil em cenas em grupo.

Gestos e linguagem corporal

Diga qual é o gesto e, se importar, quando ele acontece: “raises an eyebrow at the question” (levanta uma sobrancelha na pergunta), “opens both hands on ‘everyone’” (abre as duas mãos em “todo mundo”), “nods while listening” (acena com a cabeça enquanto escuta). Cenas com produto funcionam melhor quando o produto já está na foto; aí o prompt pode pedir que a pessoa levante, incline ou aponte para ele.

Para canto, descreva a respiração e o movimento em vez do formato da boca — “closes eyes on long notes, sways with the beat, hand on chest in the chorus” (fecha os olhos nas notas longas, balança no ritmo, mão no peito no refrão) — e deixe o áudio guiar os lábios.

Exemplos de prompt por formato

Troque os detalhes pelos da sua foto e do seu áudio.

  1. 1Gancho UGC de skincareexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel (empolgada, fala rápido, aproxima o frasco da câmera na primeira frase, câmera na mão)
  2. 2Anúncio do fundadorcalm and confident, open hand gestures, static medium shot, small smile at the end (calmo e confiante, gestos com as mãos abertas, plano médio fixo, sorriso discreto no final)
  3. 3Baladaeyes closed on long notes, gentle sway, slow orbit, soft emotional expression (olhos fechados nas notas longas, balanço suave, órbita lenta, expressão emotiva e delicada)
  4. 4Podcast com dois apresentadoresleft host speaks, right host nods and reacts, static wide shot, relaxed conversation (apresentador da esquerda fala, apresentador da direita acena com a cabeça e reage, plano aberto fixo, conversa descontraída)
  5. 5Aulateacher tone, counts points on fingers, glances down as if at notes, static shot (tom de professor, conta os tópicos nos dedos, olha para baixo como se consultasse anotações, câmera fixa)
  6. 6Saudação do mascotecheerful, waves at the start, bounces slightly, slow push-in (alegre, acena no começo, quica de leve, aproximação lenta)

Idiomas e solução de problemas

Você pode escrever a direção em inglês, chinês, japonês, coreano, espanhol (México) ou indonésio. O áudio falado pode estar em qualquer idioma — a sincronização labial segue o som, não o prompt.

Se o movimento parecer exagerado, tire adjetivos como “very” (muito) e “dramatic” (dramático). Se nada parecer acontecer, confira se o gesto é fisicamente possível no enquadramento: as mãos não gesticulam se a foto é um close fechado do rosto.

Erros comuns ao escrever prompts

O erro mais frequente é descrever o roteiro em vez da performance. Escrever “she explains our new pricing” (ela explica nossos novos preços) não acrescenta nada, porque o áudio já traz as palavras; “leans forward and taps the table on each price” (se inclina para a frente e bate na mesa a cada preço) dá ao modelo algo para fazer.

O segundo é a contradição: pedir um plano fixo e uma órbita, ou uma fala calma e pulos cheios de energia, no mesmo clipe. Quando as instruções brigam, o movimento fica confuso. Decida um clima e um comportamento de câmera por renderização.

  • Evite emoções extremas, a menos que o áudio combine com elas — uma fala sussurrada com “shouting angrily” (gritando de raiva) parece quebrada.
  • Não peça para aparecerem objetos que não estão na foto; adicione-os à imagem.
  • Deixe de lado jargões técnicos de cinema que o modelo não tem por que conhecer, como marcas específicas de lentes.

Testando variações sem desperdiçar créditos

Defina primeiro a foto e o áudio e depois varie apenas o prompt entre as renderizações de teste. Rode um trecho de cinco segundos da frase mais importante com duas ou três variações de prompt lado a lado — a 50 créditos cada, essa comparação custa menos do que uma renderização longa que não acerta.

Quando um prompt funcionar, salve-o no projeto como um “preset de direção” reutilizável para aquele apresentador. Séries ficam mais consistentes quando todos os episódios partem do mesmo texto de direção.

Perguntas frequentes

O prompt é obrigatório?

Não. Sem prompt, o OmniHuman 2 escolhe movimentos naturais a partir do áudio. O prompt ajuda quando você quer gestos ou trabalho de câmera específicos.

Qual deve ser o tamanho do meu prompt?

Uma ou duas frases, com menos de umas 40 palavras. Prompts focados geram movimentos mais limpos.

O prompt pode mudar o que a pessoa diz?

Não. A fala e o movimento dos lábios vêm do áudio; o prompt controla a performance e a câmera.

Posso dirigir várias pessoas?

Sim. Descreva cada pessoa pela posição, por exemplo “left person speaks, right person reacts” (a pessoa da esquerda fala, a pessoa da direita reage).

Quais idiomas funcionam no prompt?

Inglês, chinês, japonês, coreano, espanhol (México) e indonésio constam como aceitos.

Por que o meu gesto não aparece?

Geralmente o enquadramento esconde as mãos ou o prompt pede ações demais. Use uma foto mais aberta e menos instruções.

Continue explorando

Faça sua foto falar.

Prévia grátis.