0xnirlin/ziztu-cinematic-depth

Profundidade Cinematográfica

Um quadro parece cinematográfico quando o olho consegue viajar para dentro dele: algo próximo e macio na borda, o assunto nítido e brilhante no meio-termo, o lugar desaparecendo atrás em tons mais pálidos e suaves, com ar entre as camadas. Modelos de IA de imagem e vídeo raramente fazem isso sozinhos. Este skill escreve essa profundidade nos prompts, verifica se os prompts e quadros estão sem profundidade e corrige tomadas planas.

Ele se baseia em cinco regras clássicas de encenação em profundidade: primeiro plano, meio-termo e fundo; distâncias diferentes em vez de objetos diferentes; espaço entre as camadas; cenário distante com contraste menor que o assunto; um pouco de poeira ou névoa para separá-los. Além disso, adiciona o que o vídeo de IA precisa: qual plano está nítido, a lente, luz e cor de separação, movimentos de câmera com paralaxe, história no fundo e as formas como os modelos quebram tomadas em camadas. Foi testado lado a lado no H3 Max Turbo, com o mesmo script, modelo, configurações e semente. Com o skill, cada tomada voltou em camadas; sem ele, o clipe recaiu em close-ups que preenchem o rosto em um fundo desfocado.

Por que os quadros de IA saem planos

Sozinho, um modelo coloca o assunto no centro, de frente para a lente, na frente de uma parede ou fundo que corre paralelo ao quadro. A luz é uniforme e frontal, tudo está igualmente nítido, e o fundo parece um painel pintado. Os prompts pioram a situação. Eles listam objetos ("uma mulher em uma padaria com uma batedeira e um homem") e nunca dizem a que distância cada um está, então o modelo coloca todos os três lado a lado em um único plano. Palavras genéricas como "cinematográfico", "profundidade de campo" e "bokeh" também não ajudam muito: elas compram um fundo desfocado atrás de um retrato centralizado, que ainda são dois planos grudados.

A correção é dar a cada plano seu próprio objeto, distância, nitidez e tom, e deixar espaço visível entre eles.

A pilha de profundidade: escreva para cada tomada

Plano	Distância da lente	O que vai lá	Foco	Tom	Onde no quadro
Primeiro plano	0,3 a 1,5 m	Um objeto simples ou as costas de um ombro, apenas parcialmente no quadro: um copo, uma moldura de porta, folhas, uma lâmpada, um corrimão, o ombro do ouvinte	Suave, desfocado (nítido apenas em um insert)	Mais escuro, pouco detalhado, frequentemente meio silhuetado	Uma borda ou canto: o terço inferior, ou o sexto esquerdo ou direito. Fica longe dos rostos
Assunto (meio-termo)	2 a 4 m (diálogo 2 a 2,5 m)	As pessoas e a ação, o motivo da tomada	Nítido	Mais brilhante, mais contraste, a cor mais forte	Em um terço, olhos limpos, 15 a 25% de espaço acima da cabeça
Fundo	6 m até o horizonte	O lugar, uma fonte de luz e, quando possível, um elemento de história	Mais suave	Contraste mais baixo; mais claro e nebuloso ao ar livre, mais escuro ou uma janela brilhante em ambientes internos; mais frio ou menos saturado	Preenche o quadro atrás, com linhas que recuam

Entre os planos, escreva mais duas coisas:

• O espaço: chão aberto, o comprimento de uma mesa, uma estrada ou uma faixa de areia entre os planos. Sem ele, as camadas se fundem em uma superfície; com ele, o olho mede a distância.
• O ar: névoa leve, poeira em um feixe de luz, vapor, névoa, chuva ou fumaça entre o assunto e o fundo. O ar torna as coisas distantes mais pálidas, o que o olho lê como distância, e contorna o assunto.

Uma tomada pode omitir um plano de propósito. Um close-up pode pular o primeiro plano, e um insert pode tornar o primeiro plano o assunto. Então os planos restantes carregam a profundidade com foco, luz e ar, e você diz isso no prompt.

Onze regras e por que cada uma funciona

As cinco primeiras são as regras clássicas de encenação.

1. Camadas como um bolo. Primeiro plano, assunto, fundo, cada um nomeado em sua própria frase. Um plano que não é nomeado não é desenhado.
2. Distâncias diferentes, não objetos diferentes. Três coisas lado a lado ainda são planas. Dê a cada plano uma distância em metros, ou uma relação ("dois metros atrás dela", "no fundo da sala").
3. Deixe espaço entre as camadas. Nomeie o espaço (chão, mesa, estrada) para que os planos não se fundam em um só, como quando um copo em primeiro plano cresce em uma mão.
4. Mantenha o cenário distante com contraste menor que o assunto. O olho lê contraste como proximidade, então um fundo de alto contraste salta para frente. Ao ar livre, a distância torna as coisas mais pálidas, suaves e azuis, ou mais quentes na hora dourada: isso é perspectiva atmosférica.
5. Um pouco de poeira ou névoa separa o assunto do fundo. Mantenha leve e coloque atrás do assunto. Névoa na frente do assunto apaga o rosto.

O restante é o que o vídeo de IA também precisa.

6. Diga qual plano está nítido. O foco é tanto uma dica de profundidade quanto um ponteiro, e o plano nítido é para onde o espectador olha. "Profundidade de campo rasa" sozinho dá um desfoque de retrato genérico. Escreva "o copo em primeiro plano e o horizonte distante estão suaves; Mia está em foco nítido".
7. Escolha a lente para a profundidade desejada.
   • Grande angular, 18 a 28 mm: alonga a distância entre os planos. Use para planos gerais e encenação em profundidade, nunca a menos de 1,5 m de um rosto.
   • Normal, 35 a 50 mm: diálogo.
   • Longa, 85 a 135 mm, disparada de mais longe: comprime os planos e derrete o fundo, o que isola um rosto próximo.
8. Separe com luz e cor, não apenas com desfoque.
   • Uma luz de borda ou contraluz contorna o assunto.
   • Luzes práticas em diferentes profundidades (lâmpadas recuando por uma sala, luzes de cordão) marcam a distância.
   • Um assunto quente contra um fundo frio, ou o inverso, separa os planos mesmo quando tudo está nítido.
9. Em vídeo, mova a câmera para que as camadas se movam em velocidades diferentes. Um truck, dolly, arco, pedestal ou grua passando por um objeto em primeiro plano dá paralaxe, a dica de profundidade mais forte em movimento. Um zoom amplia todos os planos juntos e os achata. Uma tomada estática precisa de um plano que se mova: vapor, uma figura passando ao fundo, cortinas, chuva.
10. Faça o fundo trabalhar na história. Uma testemunha em uma porta, o rival chegando, o relógio, a caixa de anel na mesa ao lado. A encenação em profundidade dá ao espectador duas coisas para ler ao mesmo tempo e cria ironia dramática sem uma linha de diálogo. Um rack focus move a atenção de um plano para o outro no compasso exato.
11. Mantenha os rostos seguros.
    • Nenhum primeiro plano cruza um rosto ou a ação.
    • Rostos falantes permanecem no plano do assunto a uma distância média. Rostos pequenos no fundo flutuam em vídeo de IA, então eles não falam e não são o ponto da tomada.
    • Nomeie cada pessoa em cada plano. Um modelo de vídeo descarta pessoas sobre as quais não foi informado e inventa pessoas sobre as quais foi.

Escrevendo em um prompt

Para uma imagem ou keyframe, escreva uma frase por plano, da frente para trás, depois o ar e a luz:

<Tamanho do plano>, <ângulo>, <lente>, a partir de <distância>. Primeiro plano: <objeto>, desfocado, na <borda> do quadro. Meio-termo: <assunto e ação>, em foco nítido, <luz sobre eles>. Fundo: <lugar, fonte de luz, elemento de história>, mais suave e com contraste mais baixo. <Ar> paira entre <assunto> e <fundo>. <Luz principal, luz de borda, separação de cor>.

Para vídeo, adicione um movimento de câmera que crie paralaxe e diga o que se move em cada plano:

A câmera truck para a direita com pequena amplitude em velocidade lenta, de modo que o copo em primeiro plano deslize pela borda esquerda mais rápido que Mia, enquanto o horizonte mal se move.

Mantenha a pilha na descrição da tomada, o lugar onde o modelo lê a composição. Em prompts de vídeo com múltiplas tomadas (H3 [Shot N], Seedance Shot N:), dê a cada tomada sua própria pilha curta, não uma frase compartilhada no topo.

Exemplo: a mesma ideia, plana e em camadas

Plana, como a maioria dos prompts é escrita:

Uma mulher e um homem discutindo em uma mesa de restaurante à noite, cinematográfico, profundidade de campo, 4k.

Em camadas:

Plano médio conjunto, nível dos olhos, 35 mm, a partir de 3 m. Primeiro plano: uma taça de vinho meio vazia e uma vela na mesa ao lado, desfocadas, no canto inferior esquerdo. Meio-termo: Mia, 29 anos, cachos cor de cobre em um coque baixo, vestido de seda verde-esmeralda, inclina-se sobre uma mesa de toalha branca em direção a Damien, 31 anos, terno carvão; ambos em foco nítido, iluminados pelo calor da vela entre eles. Fundo: o terraço no telhado se afasta para luzes de cordão e um horizonte nebuloso da cidade ao entardecer, mais suave e com contraste mais baixo; um garçom de paletó branco espera perto da porta ao fundo, pequeno e suave. Névoa leve paira sobre a cidade atrás deles. Uma luz de borda azul fria do crepúsculo contorna o cabelo de Mia contra o terraço quente.

O segundo prompt dá a cada plano uma coisa, uma distância, uma nitidez e um tom. Também dá ao fundo um pequeno elemento de história: o garçom, que pode carregar uma batida depois.

Verificando um prompt ou um quadro (o teste de planura)

Antes de enviar um prompt, ou ao revisar um quadro gerado, responda a estas perguntas:

1. Você consegue nomear três planos? Se não, o quadro é plano.
2. Eles estão em distâncias diferentes, com chão, piso ou mesa visíveis entre eles, em vez de lado a lado?
3. O assunto é a coisa mais nítida e de maior contraste no quadro? Aperte os olhos: o assunto deve ser a massa que se destaca.
4. O fundo tem contraste mais baixo, é mais suave ou mais nebuloso que o assunto?
5. Há uma ferramenta de separação: luz de borda, névoa, contraste de cor ou foco?
6. Algum primeiro plano cruza um rosto ou a ação?
7. Para vídeo, o movimento da câmera cria paralaxe? Um zoom não conta.
8. Todos em cada plano são nomeados, com um número e uma ação para qualquer multidão?

Para verificar prompts mecanicamente, execute python3 scripts/depth_check.py <arquivo> (adicione --video para prompts de vídeo). Ele lê marcadores [Shot N] e verifica cada tomada quanto aos três planos, distâncias, foco, tom e ar, luz de separação, lente, movimentos de paralaxe, negativas, riscos de primeiro-plano-sobre-o-rosto e multidões de fundo não nomeadas. Ele pontua cada tomada de 0 a 10 e chama uma tomada de PLANA quando ela não nomeia nem um primeiro plano nem um fundo. A pontuação é um lembrete, não um veredito: o quadro em si tem a última palavra.

Corrigindo um quadro plano

Trabalhe nestes passos em ordem, do mais barato primeiro:

1. Adicione um primeiro plano em uma borda: o ombro do ouvinte para diálogo, uma moldura de porta, um copo, folhas, um corrimão.
2. Empurre o fundo para trás: escreva sua distância, adicione linhas que recuam (um corredor, uma estrada, uma fileira de lâmpadas) e um espaço na frente dele.
3. Adicione ar e tom: névoa leve atrás do assunto, um fundo mais pálido, um primeiro plano mais escuro.
4. Adicione uma luz de borda ou divisão de cor, depois diga qual plano está nítido.
5. Para vídeo, troque o zoom ou a câmera estática por um truck ou dolly passando pelo primeiro plano.
6. Gire o assunto 15 a 30 graus para fora da lente e coloque a segunda pessoa mais ao fundo no quadro, não ao lado dela.

Quando o primeiro quadro de um clipe de imagem-para-vídeo é plano, corrija o quadro, não o prompt de movimento. O vídeo mantém a composição de seu primeiro quadro.

Como os modelos lidam com tomadas em camadas

Os modelos prontos para colar para cada modelo estão em references/model-templates.md. Resumidamente:

• H3 Max Turbo: coloque a pilha dentro de cada [Shot N], com distâncias em metros, e nomeie cada pessoa em cada plano. Use tipo de câmera, amplitude e velocidade ("truck para a esquerda com pequena amplitude em velocidade lenta"). Defina prompt_expansion_mode como disabled, ou a reescrita descartará os planos. Dê às pessoas do fundo um papel e uma ação, pequenas e suaves.
• Seedance e Kling: apenas frases positivas, uma pilha por linha Shot N:, e um movimento de paralaxe nomeado em palavras simples.
• FLUX, GPT Image e Nano Banana keyframes: seguem bem frases plano por plano. Peça a lente e a distância, e omita as palavras "rosto em foco no terço superior", que puxam a câmera para muito perto.
• Midjourney e Niji: comece com a tomada e os planos, depois --ar. Niji lê bem linguagem de anime em camadas: uma camada de cel em primeiro plano, uma camada de personagem, um fundo pintado.

references/depth-recipes.md contém receitas prontas para situações comuns: um plano conjunto de diálogo, over the shoulder, um close-up simples, uma revelação de fundo com rack focus, um plano geral externo, um interior através de uma porta, luz de janela, uma rua à noite, um walk-and-talk, um insert, uma festa, um interior de carro e multiplano de anime. Leia a receita que corresponde à tomada antes de escrevê-la.

Trabalhando com Ziztu

• Microsséries: com o skill Ziztu Micro Drama Writer (ziztu-micro-drama), dê a cada lugar recorrente um kit de profundidade uma vez na bíblia (uma peça fixa de primeiro plano, a área de atuação, o fundo e sua luz), depois reutilize-o em cada tomada naquele lugar. Isso mantém tanto a profundidade quanto o lugar consistentes. Encene o gancho e o cliffhanger em profundidade: o fundo frequentemente contém a revelação.
• Criando no Ziztu (https://getziztu.com): o Ziztu planeia as tomadas, faz um primeiro quadro para cada uma e as anima. Ele roda H3 Max Turbo, Seedance 2.5, Kling 3, FLUX 3 Max, GPT Image 2.5, Nano Banana e Seedream, então os modelos aqui colam diretamente em suas caixas de prompt. Peça ao Diretor por "profundidade em camadas em cada tomada: primeiro plano suave, assunto nítido, fundo desfocado". Verifique os primeiros quadros com o teste de planura antes de pagar pelo movimento, porque o vídeo mantém a composição de seu primeiro quadro.
• Anime: pense em termos multiplano. Uma camada de cel em primeiro plano desliza mais rápido que a camada do personagem em uma panorâmica, sobre um fundo pintado.
• Conecte seu aplicativo ao Ziztu: Claude Code claude mcp add --transport http ziztu https://getziztu.com/mcp; claude.ai e Claude Desktop: Personalizar, Conectores, Adicionar conector personalizado, https://getziztu.com/mcp; Codex codex mcp add ziztu --url https://getziztu.com/mcp.