3 de setembro de 2026 · 8 min de leitura
A maior parte dos conselhos sobre formato para short-form é ou uma lista de números sem explicação ou uma regra que valia dois anos atrás. Esta é a versão prática: qual é cada restrição na prática, por que ela existe e qual configuração a controla.
O vertical 9:16 é a única proporção que preenche a tela em Shorts, Reels e TikTok. Qualquer outra fica com barras, e barras são o sinal mais claro de que um vídeo foi feito em outro lugar e repostado.
A exceção é intencional: um quadrado 1:1 às vezes funciona melhor em um post de feed onde o vídeo fica dentro de outro conteúdo. Para um Short, sempre vertical.
No ClipPilot a proporção é uma configuração em todo vídeo. Vídeos de imagens suportam 9:16, 16:9, 1:1 e 4:5. Vídeos animados suportam 9:16, 16:9 e 1:1.
Um vídeo 9:16 em 1080 por 1920 é o padrão. Enviar algo menor não é fatal, já que as plataformas reencodificam tudo, mas detalhe perdido antes do upload se perde para sempre.
Vídeos animados têm três níveis de qualidade: Standard em 480p, HD em 720p e Full HD em 1080p. A diferença de preço é real, 25, 35 e 65 créditos por segundo, então a orientação honesta é que HD é o padrão certo para quase tudo. Standard fica visivelmente mais suave em um celular segurado perto, e Full HD vale a pena principalmente quando o vídeo também vai aparecer em telas maiores.
Cada plataforma desenha sua própria interface sobre o vídeo, e ela fica mais ou menos nos mesmos lugares.
A regra prática é manter tudo que importa dentro do terço do meio na vertical e longe do sexto direito na horizontal. Se o espectador precisa mover a interface para ler seu texto, o texto poderia muito bem não estar ali.
É também por isso que o guia de prompt recomenda enquadrar sujeitos mais altos em um take vertical. Um sujeito centralizado para um quadro paisagem acaba parcialmente atrás da barra de título quando é cortado para vertical.
O YouTube conta qualquer coisa até 3 minutos como Short. O TikTok permite muito mais. O Reels fica no meio. Os três tetos são muito mais altos do que o que realmente funciona.
O número útil não é o limite, é a queda. A retenção cai forte nos primeiros três segundos e depois de novo por volta dos quinze. Um vídeo que disse o que veio dizer até o segundo vinte termina forte; o mesmo conteúdo esticado para cinquenta segundos termina fraco, e a taxa de finalização é o que os algoritmos pesam.
Na prática: corte até a duração mais curta que ainda passe a ideia. Se você está em dúvida, está longo demais.
O comprimento é controlado de forma diferente por formato. Um vídeo de imagens segue a duração do seu roteiro. Um vídeo animado é o número de cenas vezes os segundos por cena, que também é exatamente o que você é cobrado, então não há motivo para alongar um.
Uma grande parte dos vídeos curtos é assistida sem som, pelo menos no primeiro segundo, então legendas não são um extra de acessibilidade. Elas são como o vídeo se comunica antes que alguém decida ligar o som.
Três coisas fazem as legendas funcionarem:
O ClipPilot gera a narração e o alinhamento por palavra em uma única chamada e deriva as legendas desse alinhamento, por isso o destaque acompanha a fala. Há dois estilos de legenda e uma escolha de cor para o destaque, ambos dimensionados para quadro vertical.
Nos vídeos animados cada clipe é gerado com seu próprio som. Esse áudio é o que sustenta os formatos ASMR e found-footage, por isso vários dos modelos têm deliberadamente a música de fundo desligada.
Quando há narração, o áudio dos clipes é automaticamente reduzido abaixo dela em vez de competir com ela. Quando não há narração, ele toca em volume total.
A música de fundo, quando usada, deve ficar baixa o suficiente para que a narração nunca precise competir com ela. O volume é ajustável por vídeo.
Todas as restrições acima importam menos do que esta. Algo precisa se mover e algo precisa ser interessante antes do terceiro segundo.
Para vídeos guiados por narração isso significa abrir com a coisa mais específica que você tiver, não com contexto. Para formatos visuais significa que o próprio formato precisa ser legível imediatamente, por isso os modelos são construídos em torno de formas que se entendem em um único quadro.
9:16 vertical. É a única proporção que preenche a tela em Shorts, Reels e TikTok. Vídeos 1:1 ou 16:9 ainda enviam, mas ganham barras com espaço morto acima e abaixo, o que passa a impressão de conteúdo repostado em vez de conteúdo nativo.
Até 3 minutos. Esse é o teto, não a meta. A retenção em formato curto cai muito conforme o tempo aumenta, e a maioria dos Shorts que performam bem fica bem abaixo de um minuto.
No terço do meio do quadro, bem afastadas da parte inferior. O quinto inferior de um vídeo vertical é ocupado pelo título, nome do canal e pelos botões de ação em todas as plataformas, então legendas ali ficam parcialmente ocultas.
Sim, se for 9:16 e não tiver marca d’água de plataforma queimada no vídeo. As zonas seguras variam um pouco entre os apps, então manter conteúdo importante fora do quinto inferior e longe da borda direita cobre os três.
O formato vidro-fruta explicado: por que funciona, como escolher um assunto e um material que rendam bem e como manter a consistência da série.
Um passo a passo de todo o processo, desde escrever o roteiro até baixar o vídeo pronto.
Transforme um roteiro ou uma ideia em uma frase em um Short vertical pronto para o YouTube com visuais gerados por IA, narração e legendas sincronizadas. Sem edição, sem câmera, sem marca d'água.