Como Escrever Prompts de Música com IA — Guia para Quem Não É Músico

Não precisas de saber ler música, tocar um instrumento ou saber o que é um acorde para fazer com IA uma canção de que gostes a sério. A diferença entre um resultado genérico e a canção que imaginaste está quase toda no que escreves na caixa de texto.

As ferramentas de música com IA entraram no mainstream. Num inquérito da LANDR de 2025 a mais de 1,200 criadores de música, 87% disseram que já usam IA nalgum ponto do seu processo. As ferramentas são capazes e estão amplamente adotadas; para quem está a começar, a barreira já não é a técnica — é saber descrever o que queres.

E a maioria dos principiantes escreve demasiado pouco.

A armadilha da palavra única

O gesto de principiante mais comum é escrever uma única palavra — "pop", "triste", "lofi" — e carregar em gerar. É também o gesto que produz os resultados mais esquecíveis.

Numa amostra multiplataforma de cerca de 650,000 gerações de música com IA, o comprimento do que as pessoas escrevem divide-se em dois campos. Cerca de 41% dos prompts ultrapassam os 1.000 caracteres — letras completas ou direção detalhada. Só cerca de 9% ficam abaixo dos 50 caracteres. Há muito pouco no meio. As pessoas que obtêm canções específicas escrevem parágrafos; as que obtêm papel de parede escrevem etiquetas.

Não precisas de 1.000 caracteres. Precisas de mais do que uma palavra. Um bom alvo inicial são uma ou duas frases completas — do género das que usarias para descrever uma canção a um amigo que está prestes a pô-la a tocar para ti.

Descreve o cenário, o ambiente e o movimento

Um prompt que o modelo consiga mesmo usar nomeia três coisas: o cenário a que a canção se destina, o ambiente que ela carrega e o que a música está a fazer. O género, sozinho, quase não mexe no resultado.

Na amostra, as palavras de ambiente e de emoção aparecem quase tantas vezes como os nomes de instrumentos. As pessoas descrevem como uma canção deve soar tanto quanto o que está lá dentro — e a sensação é a parte que o modelo não consegue adivinhar a partir de um rótulo de género.

Uma fórmula fiável:

[cenário ou ocasião] + [ambiente] + [quem canta] + [o que a canção faz]

Assim, "pop" transforma-se em:

Um synth-pop animado para uma road trip de verão, vivo e despreocupado, voz feminina jovem, a subir até um grande refrão em coro.

E "piano triste" transforma-se em:

Uma balada de piano lenta e intimista sobre a saudade de alguém, noturna e contida, uma voz masculina suave que se mantém em surdina até ao refrão final.

O "movimento" é a parte que os principiantes saltam. A canção mantém-se estável, cresce ou cai? "Sobe até um grande refrão", "mantém-se serena do princípio ao fim", "cai com força a seguir ao primeiro verso" — isto diz ao modelo a forma, não só a vibe.

A paleta de som: nomeia a voz, ancora alguns instrumentos

Depois do cenário, duas coisas moldam o som mais do que tudo: a voz e dois ou três instrumentos-âncora.

A voz é o predefinido. Na amostra, as descrições vocais superam os pedidos de faixas puramente instrumentais por cerca de 17.6 para 1 — se não queres canto, escreve "instrumental", ou vais receber uma voz.

Se queres mesmo canto, descreve o intérprete em três traços: identidade (feminina jovem, masculina mais velha, uma criança), textura (rouca, soprada, suave) e entrega (em rap, projetada, sussurrada).

Nos instrumentos, dois ou três chegam — empilha dez e desfocam-se uns nos outros. Nomeia os que definem a canção; o modelo preenche o resto. Entre os instrumentos que as pessoas nomearam, o baixo e a guitarra lideram — a fundação molda a sensação mais do que o solo.

Duas paletas no mesmo andamento produzem canções completamente diferentes:

uma voz masculina quente e ligeiramente rouca, guitarra acústica dedilhada, contrabaixo suave

uma voz feminina luminosa com auto-tune ligeiro, um baixo 808 percutante, plucks de sintetizador cristalinos

As etiquetas de estrutura são o controlo mais barato que não estás a usar

Se alguma vez geraste uma canção que soou a um loop de dois minutos — sem subida, sem recompensa, a mesma ideia às voltas — esta secção é a solução.

As canções de que gostas têm partes, e tu já as conheces de ouvido mesmo que nunca tenhas usado os nomes. O verso é a parte que conta a história: faz as coisas avançar, normalmente um pouco mais contido. O refrão é a parte que volta sempre — o bocado que consegues trautear depois de uma audição, normalmente o maior. A ponte aparece uma vez perto do fim, muda o cenário e faz o refrão final bater com mais força.

As etiquetas de estrutura permitem-te entregar essa forma diretamente ao modelo. Escreve o nome da secção entre parênteses retos e depois umas palavras simples sobre como essa parte deve soar:

[verse] quiet, just guitar and voice
[chorus] full band, big harmonies
[verse] add a steady drum beat
[bridge] strip back to piano
[chorus] biggest version, lift the energy

Não precisas de escrever letra nenhuma para as usar. Mesmo etiquetas nuas — [intro] [verse] [chorus] [verse] [chorus] [outro] — transformam um loop numa canção com uma forma reconhecível.

E isto não é um truque de nicho. Na amostra, [chorus] aparece cerca de 453,000 vezes e [verse] cerca de 410,000 — seis das oito palavras mais comuns de todo o conjunto de dados são etiquetas de secção, não ambientes nem géneros. A maioria dos tutoriais ensina os principiantes a polir as palavras de ambiente. As pessoas que já fizeram muitas canções gastam as palavras na estrutura.

Melodia e voz, sem o jargão

As etiquetas de estrutura mantêm-se simples porque só marcam secções. A melodia e o canto também valem a pena dirigir — e podes fazê-lo com palavras correntes, sem termos de música. Diz apenas como queres que a melodia soe:

• Um refrão que fica no ouvido: "a catchy hook that lifts and rises at the end" (um gancho apelativo que sobe no final).
• Palavras que consegues acompanhar: "clear, one note per syllable, easy to sing along" (claro, uma nota por sílaba, fácil de cantar). Ou a versão R&B em que uma palavra serpenteia por várias notas: "lots of vocal runs" (muitos melismas vocais).
• Energia: "short, punchy notes" (notas curtas e percutantes). Calma: "smooth, flowing, connected notes" (notas suaves, fluidas e ligadas).
• Para rap: "a laid-back flow" (um flow descontraído) ou "a fast, tight flow" (um flow rápido e cerrado).

Os utilizadores avançados escrevem por vezes isto como etiquetas entre parênteses retos — [soaring melody], [melismatic vocals], [staccato] — e funcionam nas ferramentas que as suportam. Mas não tens de aprender o vocabulário. A descrição simples leva-te à maior parte do caminho, e é o mesmo instinto do resto deste guia: diz o que queres ouvir.

Os outros botões: andamento, tom, duração

O andamento, o tom e a duração só valem a pena definir quando tens uma razão específica. No resto do tempo, a tua descrição já os implica.

• Andamento (BPM) é só a velocidade da canção — batidas por minuto. Territórios aproximados: uma balada lenta anda pelos 60–80, a maior parte da pop 100–130, house e EDM perto de 120–130, hip-hop 80–100, drum & bass de 165 para cima. Define um número quando a canção tem de encaixar em algo externo — um corte de vídeo, uma dança, um ritmo de corrida. De resto, "lenta", "mid-tempo" ou "enérgica" resolve.
• O tom decide quão aguda ou grave a canção fica. A maioria dos não-músicos deve deixá-lo em branco; o modelo escolhe algo cantável. Define-o só se estiveres a acompanhar uma faixa existente ou o registo de um cantor específico.
• A duração importa quando a canção preenche um espaço — um clip de 30 segundos, uma introdução de 15 segundos. Se não disseres nada, recebes normalmente um arranjo de duração completa.
• Modo simples vs avançado é o único interruptor que vale a pena perceber. Simples significa que descreves a canção em palavras correntes; avançado significa que escreves tu a letra e as etiquetas de estrutura. Na amostra, o avançado supera o simples no uso real — cerca de 46% das gerações contra 38%. Começa no simples, passa ao avançado no momento em que quiseres controlar a forma da canção.

Um prompt de partida para seis estilos comuns

Aqui está essa fórmula em prompts que podes copiar. Cada linha nomeia um cenário, um ambiente, uma voz e o que a canção faz. Encontra o mais próximo do que queres e muda os detalhes para encaixar na tua canção.

Repara que nenhum deles é uma única palavra.

O que as pessoas fazem mesmo com isto

Não precisas de um plano de lançamento para justificar fazer uma canção. Uma ferramenta de IA, o Suno, gera alegadamente cerca de 7 milhões de canções por dia. A maior parte é quotidiana e pessoal — que é exatamente onde os não-músicos têm vantagem.

Essa cauda longa é a verdadeira história para os amadores. Os 0.6% de canções de aniversário e os 0.4% de jingles não são erros de arredondamento — são milhares de canções feitas para uma pessoa ou um propósito específicos. Algumas das mais comuns:

• Criadores de conteúdos — música de fundo para vídeos, podcasts e streams, sem pedir emprestada uma faixa com direitos de autor de outra pessoa.
• Canções-presente — uma faixa escrita para uma pessoa: um aniversário, umas bodas, a primeira dança de um casamento, uma despedida.
• Pequenos negócios — um jingle de 20 segundos, uma cama sonora para publicidade ou música de loja em loop.
• Só para ti — uma canção de embalar com o nome do teu filho, ou uma semana difícil transformada em três minutos de alguma coisa.

Nenhuma destas precisa de entrar em tabelas. Precisam de ser sobre a pessoa ou o momento certos, e essa é a única coisa que só tu podes pôr no prompt.

O modelo fornece o ofício. Tu forneces os detalhes. Para o panorama mais amplo de quem faz música com IA e como, vê a nossa análise dos dados.

Se há um hábito que vale a pena mudar, é o prompt de uma só palavra. Um cenário, um ambiente, uma voz nomeada e umas quantas etiquetas de secção levam um não-músico à maior parte do caminho até à canção que já ouve na cabeça — sem necessidade de teoria.

E se mesmo isso parecer demasiado, não tens de o fazer sozinho. Na Lacuna, podes descrever a canção ao agente em linguagem corrente e deixá-lo tratar do prompt — ele pergunta o que procuras, ajusta contigo o cenário, a voz, a estrutura e o andamento, e gera a faixa quando corresponde ao que tinhas em mente.