Nano Banana 2 + Veo 3 + Deep Research. O ecossistema visual do Google.

Por que esse trio substitui Midjourney + Runway + Perplexity em 80% dos casos. Setup, melhores práticas, prompts copy-paste pra cada um.

01 Nano Banana 2 (Imagen 4) · imagem profissional conversacional

Nano Banana 2 é o apelido do modelo de imagem do Google (oficialmente Imagen 4 com edição). A diferença pra Midjourney / DALL·E: edição conversacional. Você gera, e depois fala "tira a árvore", "muda o fundo pra deserto", "deixa o personagem 5 anos mais velho" — e ele edita mantendo o resto.

Acesso

• Gemini Advanced · clica no anexo de imagem, ou pede "gera uma imagem de…".
• AI Studio · seleciona "Imagen 4" no model picker. Pode rodar grátis com cota.
• API · imagen-4.0-generate-001 · pra produção em escala.

Anatomia do prompt de imagem

Foge da tentação de prompt curto. Specificity vence "estilo bonito":

# Estrutura recomendada
[ASSUNTO] + [AÇÃO/POSE] + [AMBIENTE] +
[LUZ] + [LENTE/CÂMERA] + [ESTILO] + [PROIBIÇÕES]

# Exemplo · headshot pra LinkedIn
Homem brasileiro, 45 anos, barba curta, óculos de
aro discreto, sorriso contido. Sentado numa
poltrona de couro caramelo, com janela ampla atrás
mostrando São Paulo no final da tarde. Luz natural
golden hour entrando do lado esquerdo, sombra
suave no rosto. Lente 85mm f/1.8, profundidade
rasa. Estilo editorial Monocle. Fotorrealista.

Proibido: filtro, vinheta exagerada, pose
corporativa típica de stock photo, gravata,
sorriso de propaganda.

15 prompts prontos · copy-paste

1. Headshot LinkedIn editorial — versão acima. Troca cidade pela sua.
2. Logo conceito minimal
   Logo wordmark "10X" em mono branco grande sobre fundo preto puro. Tipografia Geist Mono. Sem ícone, sem ornamento, sem 3D. Apresenta 4 variações com posicionamento diferente do "X" (caixa alta, sobreposto, etc).
3. Mockup de produto
   iPhone 16 Pro segurado em mão masculina parcialmente visível. Tela mostrando dashboard de SaaS — interface dark, mono yellow accent. Fundo desfocado de café especial. Lente macro 50mm. Editorial, não comercial.
4. Foto editorial pra blog · "fundador trabalhando"
   Foto over-the-shoulder de homem em frente a monitor com código aberto. Iluminação ambiente baixa, apenas a luz da tela ilumina o rosto. Mug de café industrial preto na mesa. Sem branding visível na tela. Atmosférico, cinemato, 35mm.
5. Ilustração de hero · web
   Ilustração flat geométrica de uma constelação de 6 nodos conectados por linhas finas. Fundo gradient suave de oklch(0.12 0.01 60) pra oklch(0.18 0.02 80). Cada nodo é um pequeno hexágono em mono yellow. Sem texto. 16:9.
6. Sequência de cenas (mantém consistência)
   [Cena 1] Mesmo homem da imagem anterior, agora apresentando em sala de reunião pequena com 4 pessoas sentadas em torno de mesa. Mantém roupa, idade, traços. Luz natural.
   Depois: "cena 2: agora no carro, dirigindo, mesma roupa, fim de tarde." → Nano Banana mantém o personagem.
7. Brand: padrão visual repetível
   Padrão geométrico repetível de pequenos quadrados pretos sobre fundo amarelo Pantone 7406. Densidade variando do canto superior esquerdo (denso) pro inferior direito (esparso). Estilo Sol LeWitt. SVG-ready, sem antialiasing.
8. Storyboard rabiscado de reel
   Storyboard 3x3 grid em estilo de rascunho a lápis sobre papel pardo. 9 frames de um reel de 30s: agente de WhatsApp respondendo cliente. Anotações em letra cursiva ao lado de cada frame em PT-BR.
9. Reescreve uma imagem existente (edição) · faz upload da imagem e fala: Mantém composição. Muda o fundo pra escritório minimalista preto e branco. Mantém a pessoa idêntica.
10. Ad estático pra Instagram
    Composição square 1:1. Tipografia mono enorme "3H → 2MIN" em amarelo Pantone 7406 sobre fundo preto. Abaixo, em mono pequeno: "Resposta WhatsApp · sem contratar". Logo 10XAI canto inferior. Sem ornamento.
11. Capa de podcast / playlist
    Capa quadrada 1:1 estilo Brutalist. Tipografia mono "Operador BR" em preto sobre amarelo cru. Pequena foto granulada P&B do apresentador no canto inferior esquerdo. Sem brilho, sem gradiente.
12. Ilustração técnica · arquitetura
    Diagrama de arquitetura de agente de IA, estilo blueprint técnico. Linhas finas brancas sobre fundo azul-marinho escuro. Nodos rotulados em Geist Mono: "Lighthouse", "Sales Engine", "Care Engine", "Bernie". Setas indicam fluxo. Estilo Edward Tufte.
13. Cena de stock que NÃO parece stock
    3 pessoas em escritório pequeno discutindo algo na tela. Luz natural lateral. Atmosfera real — uma pessoa de costas, outra apontando, uma rindo. NÃO é foto de stock — é fotojornalismo. Lente 35mm grande angular suave.
14. Avatar estilizado pra perfil
    Retrato vetorial flat de homem 45 anos, barba curta, óculos finos. Estilo Riso print, 3 cores apenas: preto, amarelo, branco. Sem detalhe excessivo. Inspirado em capa de New Yorker.
15. Hero shot de produto (físico)
    Garrafa de café especial brasileiro, label minimal preto e branco, sobre superfície de concreto polido. Luz direcional dura criando sombra longa. Lente macro 100mm, fundo levemente fora de foco. Estilo editorial Kinfolk.
16. Diagrama de processo (4 etapas)
    4 caixas conectadas por setas horizontais. Cada caixa contém ícone simples + label em Geist Mono. Etapas: "Senta" → "Aprende" → "Entrega" → "Tuning". Fundo preto, ícones e setas em amarelo cru. SVG flat.

02 Veo 3 · vídeo com áudio nativo

O diferencial real do Veo 3: ele gera vídeo com áudio sincronizado nativamente. Sora gera vídeo lindo, mas sem som. Veo 3 entrega clip + diálogo + foley + música ambiente já gerados juntos.

Acesso

• Gemini Advanced · clica em "Vídeo" no chat.
• Flow · flow.google · ferramenta dedicada pra vídeo (timeline, edição de cena).
• Vertex AI / API · pra produção em escala (mais caro).

Anatomia do prompt de vídeo

Prompt curto = vídeo genérico. O segredo é descrever câmera, ação e áudio juntos:

# Estrutura
[CENA] · [AÇÃO/PERSONAGEM] · [CÂMERA: lente,
movimento] · [LUZ] · [ÁUDIO: diálogo, foley,
música ambiente] · [DURAÇÃO]

# Exemplo · B-roll pra reel
Recepção de clínica odontológica brasileira, mãos
femininas digitando rápido no computador.
Câmera: close-up macro nas mãos, profundidade
rasa. Movimento: dolly suave lateral 20cm.
Luz: natural fria de manhã.
Áudio: cliques de teclado, telefone tocando à
distância, voz feminina ao fundo dizendo
"alô, OdontoVida, bom dia".
Duração: 4 segundos.

10 prompts prontos · Veo 3

1. B-roll de digitação — versão acima.
2. Cena de "agente subindo"
   Tela de notebook em close, dashboard de monitoramento. Gráficos sobem em tempo real, um indicador acende verde "agent online". Movimento de câmera: zoom out lento revelando ambiente office. Áudio: zumbido suave de eletrônica, um bip discreto quando o status muda. 5s.
3. Transição mock de mensagem WhatsApp
   POV celular sendo desbloqueado. Notificação chega: "Cliente: oi, quero marcar". Tela transita pro chat. Áudio: som do iPhone desbloqueando, vibração curta, som de notificação. 3s.
4. Hands de fundador no laptop
   Mãos masculinas brasileiras escrevendo em teclado mecânico em escritório aconchegante. Luz quente lateral. Câmera 45° de cima. Áudio: cliques de switch tátil, café sendo despejado em mug a 2 segundos. 6s.
5. Reveal de café especial sendo passado
   Hario V60 em close macro. Espiral de água quente caindo sobre filtro, café florescendo. Câmera: top-down, slow motion 240fps. Áudio: ASMR — água gotejando, vapor saindo. Sem música. 5s.
6. Time-lapse de cidade
   Hyperlapse 4s de São Paulo Centro caindo a noite. Avenida Paulista vista de cima. Tráfego em luz de bokeh. Áudio: pulse eletrônico ambient, sirene distante. 4s.
7. Tela de stat reveal animada
   Tela preta. Texto em mono branco grande aparece com sutil glitch: "3 HORAS". Pausa de 1s. Corta. Texto: "2 MINUTOS". Áudio: bip eletrônico curto entre os textos. Sem música. 5s.
8. Talking head silhueta
   Silhueta em backlight forte, contra janela. Pessoa gesticula com a mão direita ao falar. Não vemos o rosto. Áudio: voz off masculina brasileira firme dizendo "operador não tem tempo de aprender ferramenta". Apenas 1 frase. 4s.
9. Animação de logo
   Logo "10X" em mono amarelo aparece com 3 traços rápidos como se desenhado. Sobre fundo preto. Áudio: 3 bips ascendentes seguidos de um whoosh suave no fim. 2s.
10. Cena ambiente de PME
    Loja de pequeno negócio brasileiro vista de fora, vidraça com mãos apertando smartphone. Reflexo da rua ativa. Câmera: estática. Áudio: barulho de rua de cidade brasileira (carros, conversa distante, buzina). 6s.

Boas práticas de Veo

• Áudio é o segredo: sempre descreva foley + música + diálogo. Sem isso ele inventa um som ruim ou silencia.
• Descreva câmera como cinematografo: "dolly", "tilt up", "rack focus", "handheld" — palavras técnicas funcionam.
• 1 ação por prompt: Veo confunde se você manda duas coisas no mesmo clip. Gera dois clips e edita.
• Duração: 4-8s rende bem. Acima de 10s a coerência cai.
• Iteração: primeira versão raramente é a boa. Pede 3 variações com microajuste a cada uma.

03 Deep Research · pesquisa de estagiário em 10 minutos

Deep Research é um modo do Gemini Advanced. Você dá um brief, ele cria um plano, executa busca em dezenas de fontes, e entrega relatório com citações. Demora 5-15 minutos.

Anatomia do brief de Deep Research

# Brief estruturado
TÓPICO: [pergunta de pesquisa específica]
ANGULO: [pra que serve essa pesquisa]
ESCOPO: [geografia, período, tipo de fonte preferida]
FORMATO: [como quero o output]
TAMANHO: [quantas páginas / palavras]
PROFUNDIDADE: [rasa pra brief / profunda pra estratégia]

# Exemplo
TÓPICO: Quem são os 8 maiores fornecedores de
agentes de IA pra atendimento WhatsApp no Brasil?
ÂNGULO: Vou montar um benchmark pra decidir se
construo vs compro.
ESCOPO: Brasil + LatAm. Últimos 12 meses.
Fontes: site oficial, G2, casos públicos.
FORMATO: Tabela comparativa (fornecedor / preço /
integração / suporte 24/7 / cliente típico) +
1 parágrafo de conclusão por fornecedor.
TAMANHO: 4-5 páginas.
PROFUNDIDADE: Profunda.

5 casos de uso reais

1. Benchmark de concorrente · 8 fornecedores, preço, posicionamento, gap.
2. Análise de mercado · tamanho do TAM/SAM, taxa de crescimento, players principais.
3. Background de pessoa antes de call · trajetória, posts públicos, empresas anteriores, sinais.
4. Auditoria de pricing · "como 10 SaaS de [categoria] precificam — em tabela comparativa".
5. Verificação de afirmação · "essa stat de '77% das PMEs abandonam IA em 6 meses' é real? Cita as 3 fontes mais confiáveis ou refute."

04 Workflows híbridos · combinando o ecossistema

Aqui é onde o Gemini realmente vence. Você empilha as ferramentas.

Workflow A · Brief comercial em 20 minutos

1. NotebookLM: cola tudo do cliente (proposta, deck, e-mails) → pede "1 página de brief comercial".
2. Deep Research: pesquisa o cliente publicamente → "3 sinais relevantes não públicos no material".
3. Gemini Advanced: junta os dois inputs → pede "estratégia de proposta + 3 ângulos diferentes".
4. Nano Banana: gera 3 capas de apresentação no estilo do cliente.
5. Workspace: cola o conteúdo no Slides já formatado.

Workflow B · Reel orgânico do zero

1. Gemini: pede roteiro de 30s baseado em cliente real.
2. Veo 3: gera 4 clips de 6s pra B-roll.
3. Nano Banana: gera o thumbnail e os cards de texto-tela.
4. CapCut ou Premiere: monta. (Eu uso CapCut Web — funciona no navegador.)

Workflow C · Estudo profundo de mercado · 1 tarde

1. Deep Research: 3 briefs paralelos sobre dimensões diferentes do mercado.
2. NotebookLM: cola os 3 relatórios + 10 papers acadêmicos relevantes.
3. Áudio Overview: gera podcast pra ouvir no carro.
4. Gemini: depois do podcast, pergunta "qual a tese contra-intuitiva que sai disso tudo?"
5. Você publica como artigo. Tese própria, fontes citadas.

05 Checklist · setup de produção

• Gemini Advanced ativo · vale o investimento se você roda 2+ Deep Research/semana
• AI Studio salvo nos favoritos · gera imagem grátis sem queimar cota
• Flow.google testado · pra projetos de vídeo mais sérios
• 5 prompts de imagem favoritos no seu Notion (sem repetir do zero)
• 3 templates de brief de Deep Research salvos
• Decisão: qual ferramenta substituir agora — Midjourney? Runway? Perplexity?