Gerar vídeo com Grok: um guia prático
O modelo de vídeo do Grok transforma uma frase — ou uma foto — em um clipe curto, de até 15 segundos. No GO AI Chat ele mora na aba Lab, ao lado da geração de imagens, então você não paga por um app separado. O padrão de prompt que funciona é sem graça e confiável: um sujeito, uma ação, um movimento de câmera, um estilo. O resto é gerenciar a variação.
O que o vídeo do Grok realmente é
É um modelo de texto para vídeo e de imagem para vídeo da xAI. Você dá uma descrição ou uma imagem parada; ele devolve um clipe curto com movimento sintetizado. Não é um editor, não é um banco de imagens e não é uma ferramenta para montar uma cena de dois minutos. Tratá-lo como um gerador de planos — um momento, de poucos segundos — é o modelo mental que produz resultado aproveitável.
A mesma capacidade de base move a geração de vídeo em alguns lugares, inclusive no X. O que muda é o contexto ao redor: no GO AI Chat o clipe cai no seu rolo da câmera em vez de num feed, e você já está no app onde escreve, pesquisa e gera imagens.
O padrão de prompt
Todo prompt de movimento que funcionou para nós tem as mesmas quatro partes. Se faltar uma, o modelo inventa — geralmente mal.
- Sujeito — quem ou o quê, com precisão. «Uma mulher de capa de chuva amarela», não «uma pessoa».
- Ação — uma coisa acontecendo. «Caminhando na direção da câmera.» Não «caminhando, depois virando, depois acenando».
- Câmera — o modelo vai mover a câmera querendo você ou não, então peça. «Aproximação lenta.» «Plano geral fixo.» «Acompanhamento com câmera na mão.»
- Estilo — «filmado em 35 mm, pouca profundidade de campo», «anime com cel shading», «documentário granulado».
Junto: «Uma mulher de capa de chuva amarela caminha na direção da câmera sob chuva iluminada por neon, aproximação lenta, filmado em 35 mm com pouca profundidade de campo.» Lê-se como uma decupagem porque é uma.
Duração, formato e qualidade
Três configurações importam, e elas interagem com o custo — clipes mais longos e de mais qualidade consomem mais do seu saldo de tokens, então vale escolher de propósito em vez de ir no máximo por padrão.
| Configuração | O que escolher | Por quê |
|---|---|---|
| Duração | 5-8 s para quase tudo; 15 s só quando o movimento exige | Clipes longos se perdem mais. Um plano fechado de 6 segundos ganha de 15 que divagam. |
| Proporção | 9:16 para Reels/TikTok/Shorts, 16:9 para qualquer coisa horizontal | Gere no formato em que vai publicar — cortar depois joga resolução fora e recompõe o plano por você, mal. |
| Qualidade | Nível baixo enquanto itera o prompt; suba para o que vai ficar | A exploração do prompt é onde as execuções são gastas. Não gaste em qualidade máxima. |
Imagem para vídeo: o caminho subestimado
Partir de uma foto remove a parte mais difícil do trabalho — o modelo não precisa mais inventar como as coisas são, apenas como se movem. É por isso que resultados de imagem para vídeo costumam ser mais coerentes do que texto para vídeo com a mesma ideia.
A regra que decide o sucesso: a imagem parada precisa sugerir um movimento plausível. Um retrato com cabelo solto sugere vento. Uma xícara de café sugere vapor. Um carro estacionado não sugere nada, e o modelo vai inventar algo. Se você não consegue dizer em cinco palavras o que deveria se mover, escolha outra foto.
No que ele é genuinamente ruim
Ser específico sobre limites é mais útil que uma lista de recursos:
- Texto no quadro. Placas, logos e legendas voltam como rabisco convincente. Adicione texto depois num editor.
- Mãos em trabalho fino. Digitar, tocar instrumento, manipular objetos pequenos — ainda é a falha clássica.
- Consistência de personagem entre clipes. Duas gerações da «mesma» pessoa não vão bater. Planeje planos que não exijam continuidade, ou use imagem para vídeo a partir de uma foto só para os dois.
- Contar. «Três cachorros» costuma dar dois ou quatro. Diga «um cachorro» se o número importa menos que o plano.
Um fluxo que desperdiça menos execuções
- Escreva o prompt de quatro partes. Releia e apague o segundo verbo.
- Gere uma vez em qualidade baixa e duração curta.
- Se está 80% certo, gere o mesmo prompt de novo — só a variação já resolve com frequência.
- Se está errado de um jeito específico, mude exatamente uma parte do prompt. Mudar três não diz nada.
- Quando o plano estiver certo, refaça na qualidade e duração que você realmente quer.
A versão completa passo a passo, com onde ficam os botões, está no nosso passo a passo de vídeo no iPhone. Para como o Grok se compara ao GPT-5 em tudo fora de vídeo, veja Grok 4 vs GPT-5.
Perguntas frequentes
Qual a duração máxima?
Até 15 segundos — é o teto do seletor. A coerência se degrada em clipes mais longos, por isso os modelos atuais limitam.
Consegue animar uma foto que eu já tenho?
Sim, com imagem para vídeo. Funciona melhor quando a imagem sugere um movimento plausível.
Por que saiu diferente do prompt?
Variação real entre execuções. Se está mais ou menos certo, gere de novo antes de reescrever. Se está de todo errado, o prompt pede várias coisas ao mesmo tempo.
Preciso de um app separado?
Não. O GO AI Chat roda vídeo pelo Grok no mesmo app do chat, imagens e voz, e o resultado vai para o rolo da câmera.