Prompts de iluminação para o Gemini Omni 1.1 Flash: nomeie a fonte, não o número

Escrevemos uma instrução de iluminação num prompt do Gemini Omni 1.1 Flash e depois medimos o que voltou em vez de olhar torto para a tela. Metade chegou intacta. A outra metade — a metade que a maioria das pessoas supõe ser a parte fácil — não chegou.

O prompt nomeava uma janela voltada para o oeste como luz principal, um abajur de tungstênio como segunda fonte mais quente um stop abaixo dela, poeira girando no feixe e um filme cujas altas luzes têm roll-off suave. Oito segundos em 720p, $0.72.

As duas fontes chegaram. O abajur lê mais quente que a luz do dia em todo frame em que os dois aparecem — vermelho-para-azul 3.02 contra 1.49 aos dois segundos e meio — e a poeira está girando no feixe nos quatro frames que amostramos. O que não chegou foi a quantidade presa a elas. Pedimos o abajur um stop abaixo da janela; a diferença que medimos oscila, ao longo do clipe, de 1.47 stop abaixo dela a meio stop acima. Esse é o argumento deste post — o Omni recebe fontes de luz para as quais você pode apontar, e silenciosamente descarta os números presos a elas.

A documentação do Google se contradiz, de forma útil

A referência de prompt do Veo, que carrega o vocabulário que o Omni compartilha, define ambiência como "Como a cor e a luz contribuem para a cena, como tons azuis, noite ou tons quentes." Lendo só essa tabela de elementos, você concluiria que "tons quentes" é a cara de uma instrução de iluminação.

Agora leia os prompts de exemplo. O exemplo de cena única na página do Omni termina com "Sunbeams illuminate dust motes in the air." — uma fonte, uma direção e um meio visível em oito palavras. O guia de prompting do Veo 3.1 do Google vai além: uma cena de escritório é "iluminada pelas luzes fluorescentes duras do teto e pelo brilho verde do monitor monocromático" com uma "Retro aesthetic, shot as if on 1980s color film, slightly grainy."

Duas fontes com cor e qualidade declaradas, mais uma época. Sem principal, sem preenchimento, sem razão, sem Kelvin — descreve uma sala na qual você poderia entrar. Essa distância entre tabelas e exemplos é a coisa mais acionável da documentação: escreva como os exemplos.

Fontes físicas ganham do jargão de iluminação

O instinto de quem vem de set é usar termos departamentais — principal à esquerda da câmera, preenchimento dois stops abaixo, contraluz de trás. Aqui está esse instinto escrito, ao lado da reescrita que de fato renderizamos. Só a segunda foi gerada; a primeira mostra a forma, não um resultado medido.

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

Nada ali diz ao modelo onde está o quê. Ele não está simulando refletores — ele prevê como fica um frame descrito daquele jeito, e "principal, preenchimento, contraluz" serve para quase todo frame filmado profissionalmente que já existiu, então a expressão não diz nada sobre este aqui.

A versão que rodamos, oito segundos em 720p:

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

Toda oração de iluminação dele nomeia algo dentro da sala: uma janela com direção cardeal, a forma que a luz dela faz no piso, partículas no feixe, um abajur com um tipo de lâmpada. O modelo já viu milhões de frames de sol baixo atravessando uma janela e pouquíssimos legendados como "contraluz a 45 graus".

O que as medições mostraram

Puxamos quatro frames — 0.5, 2.5, 5.0 e 7.5 segundos, que a 24 fps são os frames 12, 60, 120 e 180 — e amostramos um retângulo por superfície em cada um. Calor é a razão vermelho-para-azul da cor média de uma região, sobre os valores de 8 bits como foram entregues. Diferenças em stops são o log base 2 da razão de luminância Rec.709 calculada sobre sRGB linearizado, desfeita antes a função de transferência. Saturação é a fração de pixels de uma região presos no teto de um canal.

Como a câmera faz um arco, uma região precisa acompanhar uma superfície nomeada em vez de uma posição fixa na tela, então os retângulos merecem ser publicados — como (x0, y0)–(x1, y1) no frame de 1280 por 720, são estes:

Os frames saem com ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png. Todo número abaixo é impresso por um único script, rodado contra o mesmo arquivo linkado acima.

A ordenação de calor se sustentou. Onde quer que os dois estejam em quadro, o abajur de tungstênio lê mais quente que a luz do dia — 3.02 contra 1.49, depois 2.55 contra 1.72, depois 2.30 contra 1.94. Pedimos "noticeably warmer" e conseguimos todas as vezes. A margem estreita ao longo do clipe, mas nunca chega a fechar.

Quente e frio de fato acabaram num mesmo frame — o objetivo da instrução. Aos 7.5 segundos um único frame carrega três separações: parede ao fundo 1.52, piso ensolarado 1.94, abajur 2.30. Duas fontes nomeadas produziram a distribuição sozinhas.

A encenação, porém, não podemos creditar. O prompt pedia que o lado frio entrasse conforme a câmera fizesse o arco, e a parede de fato termina mais fria do que começou — 2.15 aos dois segundos e meio contra 1.52 aos sete e meio. Mas não chega lá de forma limpa, marcando 1.96 no meio do caminho, e não são a mesma parede: o arco move o quadro, então as amostras iniciais ficam dentro do alcance do abajur e as tardias ficam fora dele. Distância de uma fonte quente explica esse bamboleio tão bem quanto obediência, e quatro frames não conseguem separar as duas.

A magnitude falhou, e derivou. Pedimos o abajur "a full stop under the window". Medindo o piso iluminado pela luz do dia contra a própria zona de sombra do abajur, a diferença passa por 1.47 stop aos dois segundos e meio, 0.64 aos cinco e −0.47 aos sete e meio — no fim, o abajur lê mais brilhante que a luz do sol sob a qual mandamos que ficasse. Nunca o stop único que pedimos, e nem mesmo uma resposta errada estável.

A janela, esperávamos que estourasse. Ela não estoura. No frame de abertura o vidro parece clipado e não está: o vermelho chega a 255 em 0.81 por cento dos seus pixels, o verde em 0.03, e o azul nunca chega lá — no frame inteiro o azul não passa de 249. Os valores se amontoam, em vez disso, nos poucos códigos do topo: o vermelho do vidro marca 249 na mediana e 254 no percentil 99, e o vidro mantém uma leve dominante quente, num vermelho-para-azul de 1.11, em vez de virar branco. É assim que um ombro suave se parece. O que não podemos dizer é que fomos nós que o causamos: uma cena que nunca alcança o teto tem a mesma aparência vista de fora, e não temos uma versão deste plano renderizada sem a cláusula do filme para comparar.

Ordene isso pelo tipo de instrução que cada um era e o padrão fica difícil de não ver: as coisas físicas e nomeáveis chegaram, a magnitude numérica não, e a linguagem de gradação não conseguimos pontuar em nenhuma direção sem um render de controle.

Luzes práticas seguram um plano em movimento

O truque mais útil que encontramos é colocar um refletor visível em quadro. Uma prática — abajur, monitor, vela, letreiro de neon — dá ao modelo algo fixo sobre o que ser consistente, e a consistência é o que degrada primeiro. A câmera faz o arco à esquerda como pedido; o abajur está fora de quadro no meio segundo, na borda direita aos dois e meio, e totalmente visível na metade final. Nos dois frames em que ele fica longe da borda, ele segura seu canto, seu lugar contra o rodapé e a poça que joga na parede. Estar em quadro o mantém estável.

Iluminação descrita apenas como qualidade — "moody", "dramática", "low-key" — não dá ao modelo nada para manter verdadeiro, então ela deriva, mais rápido quando a câmera se move. Se o seu plano tem qualquer movimento, ponha uma luz nele.

Hora do dia ganha de qualquer adjetivo

"Golden hour" faz mais trabalho que "cinematográfico", "moody" e "dramático" juntos, porque fixa três variáveis de uma vez: a altura do sol, sua cor e o comprimento e a suavidade de cada sombra. Ninguém diz ao modelo que as sombras são longas — elas decorrem. O resto do dia vale ser escolhido com a mesma deliberação:

• Hora azul — sem sombras duras, dominante fria, e as práticas dominam porque ofuscam o céu.
• Meio-dia a pino — sombras curtas e duras direto para baixo, alto contraste, pouco lisonjeiro e útil por isso.
• Noite — sem luz principal, a menos que você forneça uma. Nomeie refletores, porque "noite" sozinha deixa o modelo inventar uma fonte de luar que ele não vai manter.

Especifique a direção fisicamente também: "backlit by a streetlamp behind her" dá um contorno e uma sombra longa em direção à câmera, enquanto "backlight" sozinho dá o que o modelo quiser.

Linguagem de filme e de LUT: parte dela funciona

A resposta honesta aqui é parcial. Linguagem de época e de filme é prática documentada, não folclore — o Google escreve "shot as if on 1980s color film, slightly grainy" no próprio exemplo, e lista palavras-chave de estilo de filme como film noir como elemento de estilo, conforme cobre nosso guia de prompting anterior.

O que o nosso clipe sustenta é mais estreito. Pedimos "Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window." Algo parecido com bloom apareceu — um brilho ao redor da janela, um artefato de flare embaixo no frame de abertura — embora chamar isso de halation seja leitura nossa, não medição. O roll-off pedido no mesmo fôlego está lá nos números: as altas luzes se comprimem em direção ao teto sem atravessá-lo. Mas um único render não consegue nos dizer se o trabalho foi feito pelo nome do filme, pela descrição simples ou por nenhum dos dois — uma janela sem clipar também é apenas a aparência que esta cena tem. Não rodamos a versão controlada desse teste.

Nossa regra de bolso de trabalho:

• Propriedades visíveis funcionam. Grão, bloom, pretos esmagados ou levantados, contraste baixo e alto, monocromático, vinheta pesada — cada um nomeia algo para o qual você poderia apontar numa foto.
• Relações de cor em geral funcionam. "Sombras teal e pele laranja" descreve duas coisas mensuráveis; "teal e laranja" sozinho é uma moda de gradação e é tratado como tal.
• Looks nomeados sem serem descritos são pouco confiáveis. "Cinematográfico", "film look" e "gradação de cor profissional" não estreitam nada. "Bleach bypass" fica no meio: nomeia um processo real, então descreva no prompt o que ele faz — contraste muito alto, cor dessaturada, prata retida nos pretos.
• "Log de baixo contraste" nós evitaríamos: é uma curva de aquisição feita para ser gradada depois, e não existe etapa de pós dentro do modelo. Você recebe uma imagem chapada e leitosa e nenhum caminho de volta.

Atmosfera é detalhe de graça até virar ruído

Partículas em suspensão são o realismo mais barato do vocabulário de iluminação, porque tornam a própria luz visível. Pedimos "dust suspended and turning through the beam" e as partículas estão lá nos quatro frames que amostramos — o efeito que o Google busca com "Sunbeams illuminate dust motes in the air." Névoa, neblina, fumaça e vapor funcionam do mesmo jeito, transformando uma fonte num volume com forma e queda.

O modo de falha é o empilhamento. Neblina mais raios de sol mais lens flare mais bokeh mais poeira dá um frame em que a atmosfera comeu o sujeito, sem jeito de o modelo saber qual dos cinco importava. Um elemento atmosférico por plano, servindo à fonte que você nomeou. Peça lens flare só quando quiser que o público note a câmera — ele chega sem ser chamado de qualquer forma quando uma lente aponta para sol baixo, como aconteceu no nosso.

O limite honesto: você não consegue reduzir nada

Linguagem de prompt é quase a única alavanca, e a referência do Omni do Google é explícita: "Instruções de sistema, temperature, top_p, stop sequences e prompts negativos não são suportados." Sem escala de guidance, sem valor de intensidade num estilo. Se uma gradação volta dez por cento quente demais, não há dez por cento para tirar — você reescreve a frase e o resto do quadro muda junto.

O segundo é repetibilidade. O mesmo prompt de iluminação não devolve a mesma luz duas vezes; determinismo vem só do seed. Registre-o com qualquer look que valha guardar, e espere que uma palavra alterada te devolva a território desconhecido.

O terceiro é a pós. Prompts de edição existem — o Google oferece "Change the lighting to be more dramatic" — mas isso regera o plano em vez de corrigir sua cor, e o model card avisa que "Manter consistência completa ao longo de edições" ainda é um desafio. Grade o arquivo entregue no seu editor. Todo frame carrega uma marca-d'água SynthID que ninguém consegue desligar.

Quanto custa iterar em luz

Iluminação é a parte do prompt que você mais reescreve, porque não há nada para ajustar. Então o que importa é o custo de errar, e os provedores mais divergem em 4K, onde o Gemini Omni 1.1 Flash sai $0.18 por segundo na E2X contra $0.3041 chamando o Google direto — cerca de quarenta e um por cento menos, a nossa maior diferença em qualquer tier. Acima de nós ficam a WaveSpeed a $0.39 por segundo, a Runware a $0.32 e a fal a $0.30. A Replicate fica fora da comparação — a listagem dela não prende nenhuma cifra por segundo ao modelo. Uma entrega de oito segundos em 4K sai $1.44 aqui e $2.43 no Google; dez segundos são $1.80 contra $3.04.

A diferença é, na verdade, uma diferença de multiplicadores contra a taxa de 720p de cada escada. As duas começam um terço abaixo dela e as duas acrescentam metade em 1080p; a separação vem no degrau do topo, onde o multiplicador do Google é três e o nosso é dois. A comparação completa de provedores fica à parte.

O fluxo decorre daí. Explore em 360p, onde uma tomada de quatro segundos são doze centavos e você ainda consegue julgar posição da fonte, direção de sombra, separação quente-fria e se a prática ficou no lugar. Depois comprometa-se uma vez: dez passadas em 360p mais um master de oito segundos em 4K são $2.63, contra $8.64 pelos mesmos onze trabalhos em 4K. O que o 360p não mostra é textura fina — grão, bloom, roll-off — então teste a metade de filme do prompt em 720p, como fizemos.

Preços verificados em 29 de agosto de 2026 e sujeitos a mudança; verifique o preço atual de cada provedor antes de tomar uma decisão de compra. Uma comparação delimitada, não uma alegação de ser o mais barato em toda configuração.

Perguntas frequentes

Como descrever iluminação num prompt do Gemini Omni 1.1 Flash?

Nomeie fontes físicas em vez de papéis de iluminação. "Sol baixo por uma janela voltada para o oeste" ganha de "luz principal à esquerda da câmera com preenchimento suave". Os próprios exemplos do Google fazem o mesmo — uma cena é iluminada por "luzes fluorescentes duras do teto e pelo brilho verde do monitor monocromático": duas fontes com cor e qualidade, sem termos departamentais.

Nomear um filme como Kodak Portra muda a saída?

Em parte, e não sabemos dizer quanto vem do nome em si. Combinamos "Kodak Vision3 250D character" com descrições explícitas de halation e roll-off; algo parecido com bloom apareceu, e as altas luzes de fato se seguraram abaixo do teto em vez de clipar. Nenhum dos dois resultados pode ser creditado ao nome do filme sem um render que o omita, e esse não fizemos. Linguagem de filme e de época é prática documentada — o guia do Veo 3.1 do Google escreve "shot as if on 1980s color film, slightly grainy" num exemplo — mas nomeie o filme e as propriedades que você quer.

Dá para definir temperatura de cor em Kelvin no Gemini Omni?

Não como parâmetro, e números de Kelvin no texto do prompt são pouco confiáveis. Nomear a lâmpada ou a condição de luz do dia funciona: tungstênio, vapor de sódio, fluorescente, luz de vela, sol baixo. Nas nossas medições um abajur de tungstênio leu mais quente que a luz do sol por uma janela em todo frame que continha os dois — cor relativa entre fontes nomeadas é um controle real mesmo que o número absoluto não seja.

Por que o lado de sombra do meu plano sai quente quando eu pedi frio?

Normalmente porque algo quente está de fato batendo nele. No nosso clipe as leituras de parede foram de vermelho-para-azul 2.15 até 1.52, mas a câmera estava em arco, então essas são superfícies diferentes e não uma parede esfriando — e as quentes eram de uma parede que ficava dentro do alcance de um abajur de tungstênio. A lição vale de qualquer forma: uma superfície lê como aquilo que a alcança. Dê à metade fria uma fonte própria, como uma janela para um céu de fim de tarde azul ou um monitor, em vez de descrevê-la como ausência de calor.

Luzes práticas ficam consistentes quando a câmera se move?

No nosso clipe, sim. Um abajur entrou em quadro no meio de um movimento em arco e segurou seu canto, seu lugar contra o rodapé e a poça que jogava na parede nos dois frames em que ficou longe da borda. Um refletor visível dá ao modelo algo concreto para manter verdadeiro; um clima não tem âncora e deriva mais rápido quando a câmera se move.

O mesmo prompt de iluminação vai me dar a mesma luz duas vezes?

Não. Repetibilidade vem só do seed, já que parâmetros de amostragem não são expostos. Registre o seed junto de qualquer prompt que tenha produzido um look que valha guardar, e espere que uma palavra alterada mova o resultado mesmo com o seed fixo.

Quanto custa iterar em iluminação em 4K?

Um clipe de oito segundos em 4K sai $1.44 na E2X contra $2.43 direto do Google, e dez segundos são $1.80 contra $3.04, em 29 de agosto de 2026. Explore em 360p — doze centavos por tomada de quatro segundos — depois comprometa-se uma vez no topo: dez passadas em 360p mais um master em 4K são $2.63, contra $8.64 pelos mesmos onze trabalhos em 4K.

Onde experimentar isso

O clipe acima rodou pelo text-to-video a $0.09 por segundo em 720p; image-to-video e start-end-frame-to-video custam o mesmo se você preferir entregar ao modelo uma foto já iluminada. Novo nisso? Comece pela sintaxe de tags e pelo comportamento de quantidade de planos — um prompt de iluminação é desperdiçado num clipe que o modelo cortou silenciosamente em três planos. E se a sua luz precisa sobreviver além dos dez segundos, as extensões são um problema à parte.