A geração de texto para vídeo é uma das capacidades mais impressionantes da IA. Você descreve os personagens, o cenário, o movimento, o estilo de câmera e o som, e em 1 a 3 minutos recebe um clipe de até 10 segundos que nunca existiu antes.
O resultado depende da sua descrição. Uma boa fórmula: quem está na cena, o que está acontecendo, onde e em que clima, como a câmera se move e o que pode ser ouvido. Por exemplo: "Um gato ruivo caminha por uma rua molhada de Tóquio à noite, letreiros de néon refletem nas poças, a câmera se afasta lentamente, ouve-se chuva." Você pode escrever seu prompt no seu próprio idioma — ele é traduzido automaticamente.
O Gemini Omni Flash segue descrições com precisão e pode fazer personagens falarem falas específicas. O MiniMax H3 Turbo é uma opção rápida e acessível a partir de 22 créditos. O Kling 3 Pro filma diretamente em 1080p com iluminação cinematográfica, o Kling 4.0 cria clipes de até 15 segundos em 1080p, o Veo 3.1 entrega física realista, o Wan 3.0 produz vídeos narrativos com mudanças de cena, e o Seedance 2.5 lida com ação complexa e fala sincronizada labialmente.