Prompt window peeper: 5 prompts para copiar e colar em ferramentas de vídeo com IA

Se você já paga por um modelo de vídeo com IA genérico, não precisa de um site dedicado a window peeper. Precisa de um prompt que entregue os cinco momentos com regularidade. É mais difícil do que parece, porque o formato depende de tempo preciso: uma aproximação de quatro segundos, um olhar fixo que se prolonga demais, uma cortina que encerra a cena.

Abaixo estão os prompts que usamos ao testar modelos, nas formas texto para vídeo e imagem para vídeo, além dos ajustes e das falhas que importam.

Antes dos prompts: os cinco momentos

Todo prompt precisa codificar a mesma estrutura. Se você for lembrar de uma coisa só, lembre desta ordem:

1. Plano aberto noturno — um prédio, uma janela acesa.
2. Aproximação lenta — a câmera avança até a janela, sem corte.
3. A pessoa comendo — visível através do vidro, sem perceber.
4. O levantar de olhos — ela percebe a lente, congela no meio da mastigada, sustenta o contato visual.
5. A cortina — fechada num movimento só, a cena acaba.

Modelos que acertam 1–3 e pulam 4–5 produzem atmosfera, não a trend. Force o olhar fixo de forma explícita, em uma frase própria, com duração.

Prompt 1: a base (texto para vídeo)

Use em qualquer modelo que aceite prompts longos. Ele é deliberadamente sem graça: adjetivos deixam os modelos artísticos, e esta cena não pode ser artística.

Vertical 9:16 video, 14 seconds. Night exterior of a plain six-storey
apartment block, shot from across a dark street. Most windows are dark;
one window on the second floor is warmly lit. The camera pushes slowly
toward that window over four seconds, no cuts, handheld but steady.
Inside, a person sits at a small table eating a burger, seen through
the glass. They look up, notice the camera, stop chewing, and stare
directly into the lens without moving for four seconds. They set the
burger down, reach up, and pull a curtain across the window. The video
ends on the closed curtain. Documentary realism, natural window light,
no music, no text.

Por que funciona: a instrução de câmera (“over four seconds, no cuts”) impede o modelo de cortar, que é a falha mais comum. O olhar fixo ganha duração própria. O final é uma ação física, e modelos lidam melhor com ação do que com clima.

Prompt 2: imagem para vídeo (sua foto)

Esta é a versão que coloca uma pessoa específica na janela. Suba um retrato de frente como referência e use:

The person in the reference photo sits at a table in a warmly lit room
at night, seen from outside through a window. They are eating a burger.
Camera: exterior night shot of an apartment block, one lit window, slow
push-in toward the window, no cuts. The person looks up at the camera,
freezes mid-chew, and holds eye contact for four seconds. Then they pull
a curtain closed. Keep the person's face, hair and clothing from the
reference photo exactly. Vertical 9:16, 14 seconds, realistic, no text,
no music.

A frase "keep the face, hair and clothing from the reference photo exactly" é a que faz o trabalho pesado. Sem ela, modelos de imagem para vídeo derivam para um rosto genérico em dois segundos.

Prompt 3: o olhar longo (corte de comédia)

Se o modelo insiste em cortar cedo demais, isole o meio:

Close exterior shot through a lit window at night. A person is eating,
sees the camera, stops chewing and stares straight into the lens. The
stare holds for six seconds. Their expression does not change. Slight
handheld drift. No cut, no zoom, no reaction from the camera. The video
ends while they are still staring.

Não é a trend inteira, mas são os seis segundos mais engraçados dela, e é muito mais fácil para um modelo renderizar do que um arco de cinco momentos. Alguns criadores postam isso e acrescentam a cortina como corte na edição.

Prompt 4: o final da cortina

O momento mais difícil, isolado. Modelos adoram um fade out em vez de fechar uma cortina.

Interior, night, warm lamp light. A person sits at a table with a
half-eaten burger, looking toward the camera. They stand slightly,
reach to the right, grab a fabric curtain and pull it across the window
in one continuous movement. The frame ends filled with the curtain
fabric. No fade to black, no cut.

Diga “no fade to black” de forma explícita. Sem isso você ganha um dissolve, que parece outro gênero.

Prompt 5: a cena alternativa

Para variar, quando o hambúrguer já deu o que tinha que dar:

Vertical 9:16, night exterior of a low apartment building. One lit
window. Slow push-in. Inside, a person in a dressing gown stands at a
fridge eating straight from a container. They notice the camera, freeze,
stare for four seconds, then pull the blind down. Realistic, handheld,
no text, no music.

Os mesmos cinco momentos, outro objeto. O formato sobrevive à troca; a piada é o olhar, não a comida.

Prompts negativos que importam

A maioria dos modelos aceita um campo negativo. Estes são os que valem a pena:

text, subtitles, watermark, logo, cartoon, anime, oversaturated,
studio lighting, camera cut, zoom blur, smiling at camera, waving,
multiple people, extra fingers

Dois deles merecem explicação:

• “smiling at camera”: o padrão dos modelos é simpatia. A piada exige rosto inexpressivo; um sorriso transforma tudo em vlog.
• “camera cut”: sem isso, o modelo corta alegremente para outro ângulo, e isso destrói a ilusão de plano único da qual o formato depende.

Ajustes que decidem o resultado

A dica da seed é a coisa mais útil desta página. Se um render está 90% certo (prédio bom, olhar bom, cortina ruim), mantenha a seed e mude uma cláusula. Sortear tudo de novo é como se perde uma tarde.

Por que o prompt ainda é mais difícil que um preset

Três problemas estruturais que nenhum prompt resolve:

1. Modelos não contam segundos. “Quatro segundos” é uma sugestão, não uma instrução. Você vai receber dois, ou sete.

2. A consistência do rosto se degrada. Imagem para vídeo segura um rosto por alguns segundos; no décimo segundo a referência já tem menos peso. A janela fica menor conforme a câmera se aproxima, o que esconde isso com conveniência, mas nem sempre.

3. Cinco momentos em uma geração é pedir muito. Cada momento é uma chance de falhar, e as falhas se acumulam. É por isso que ferramentas dedicadas dividem o trabalho: a cena é um processo fixo, e a sua foto é a única variável.

Se você quer escrever prompt, escreva. É genuinamente divertido quando dá certo, e um bom prompt em um bom modelo ganha de um preset em composição. Mas conte com novas tentativas: de três a oito gerações é o normal para um arco limpo de cinco momentos.

Prompt ou ferramenta de foto para vídeo

O prompt ganha em flexibilidade. O preset ganha em confiabilidade. Se você quer um clipe para o grupo de amigos hoje à noite, o preset é a escolha racional; se quer uma janela com chuva, duas pessoas e um gato, você precisa do prompt.

Perguntas frequentes

Qual é o melhor prompt para a trend window peeper? O prompt 1 acima, com a duração do olhar e a instrução “no cuts” intactas. Essas duas cláusulas resolvem a maior parte das falhas.

Consigo usar uma foto em um modelo de texto para vídeo? Só modelos de imagem para vídeo aceitam referência. Em modelos só de texto você descreve uma pessoa, e ela não vai ser você.

Quantos segundos o olhar deve durar? Quatro em um clipe de 14 s. Seis se você isolar o olhar como post próprio.

Por que o meu render insiste em sorrir? Porque “pessoa comendo” é uma cena agradável na maior parte dos dados de treino. Acrescente “deadpan, does not smile” e coloque “smiling at camera” no campo negativo.

Preciso de um modelo específico? Não. Os prompts são escritos para modelos genéricos; o resultado varia mais pela disciplina no prompt do que pela marca.

Consigo fazer o prompt de um prédio específico? Você pode descrever, mas não vai receber um lugar real. Para um prédio reconhecível, só gravando.

---

Se você prefere pular as novas tentativas, uma foto e quatro minutos entregam os mesmos cinco momentos. Se quiser entender o que cada momento faz antes de escrever o seu prompt, leia a análise da trend.