Grok: Transformar imagem em vídeo com spoken word e canto

Prompt para transformar uma imagem em vídeo com spoken word (poesia falada) e uma linha de canto. Entrada: uma imagem input_image.jpg. Saída: um vídeo MP4 1080p, 24–30 fps, duração entre 15 e 30 segundos, com duas faixas de áudio: narração em spoken word e uma linha de canto original. Requisitos: linguagem pt-BR; narrativa spoken word com 60–90 palavras distribuídas ao longo do vídeo em quatro momentos: apresentação (0–5s), desenvolvimento (5–12s), clímax (12–20s) e resolução (20–30s). Tom: poético, cinematográfico, com transições suaves entre planos que correspondam ao texto. Canto: uma linha de canto de 6–8 segundos no clímax, integrada à narrativa; melodia original de 8–10 segundos, 90 BPM, em C maior. Forneça a melodia como arquivo de áudio separado (wav ou mp3) ou como nota de referência MIDI. Voz: utilize voz sintética natural, sem ruídos, com entonação emocional adequada ao poema. Música: priorize timbres livres de royalties. Visual: cores cinematográficas, gradação suave, objetos de fundo desfocados conforme necessário para foco na imagem. Legendas: inclua legendas com o spoken word para acessibilidade. Metadados: inclua duração, fps e resolução no arquivo final. Entrega: arquivo de vídeo com duas faixas de áudio (VO e canto) ou uma faixa estéreo com canais separados, além de um arquivo de metadados JSON descritivo. Observação: evitar conteúdo ofensivo; adaptar a imagem de forma respeitosa.