Escreva um roteiro e transforme em um vídeo com narração, clipes gerados, legendas embutidas e uma trilha de fundo. Sem câmera, sem microfone e sem rosto na tela. Cada peça é um modelo diferente do toolkit, e você decide o que fica e o que é gerado de novo.
Aqueles clipes motivacionais com uma voz calma, imagens lentas de montanhas ou luzes de cidade e algumas palavras fortes na tela seguem todos a mesma receita, e nenhum precisa de um rosto diante da câmera. Você escreve um roteiro, transforma em narração, gera um clipe para cada frase e depois adiciona legendas e música. Cada peça é um modelo diferente do Picasso IA, e esta página mostra como elas se encaixam.
O formato é simples de propósito: uma voz que fala devagar, imagens que carregam o clima e um punhado de palavras na tela por vez. O custo do jeito tradicional está em volta dessa simplicidade: imagens significam uma assinatura de banco de imagens ou uma hora procurando o nascer do sol certo, e voz significa um quarto silencioso e um bom microfone. Cada uma dessas coisas agora é uma geração que você pode repetir até encaixar.
O Picasso IA põe a cadeia inteira em um só lugar. O catálogo tem 502 modelos, entre eles 75 modelos de linguagem para o roteiro, 24 de texto para voz, 121 de texto para vídeo e 10 de música, e todos rodam no toolkit. Explore o catálogo completo para ver o que existe ao lado dos modelos citados aqui. Contas novas recebem créditos grátis, o bastante para fazer um vídeo de teste curto antes de decidir qualquer coisa. O que cada etapa custa depende do modelo e das configurações, então a página de preços é o lugar para consultar, não esta.
Sem rosto significa exatamente isso: ninguém diante da câmera e uma voz que é sintética ou é a sua. Para a visão em nível de canal, com nichos e rotinas de publicação, leia a página sobre vídeos de YouTube sem rosto. Esta página trata de um formato só, o vídeo motivacional curto.
O roteiro é a única etapa em que a IA deve ajudar e não assinar. Um modelo de linguagem como claude-sonnet-5 ou gpt-5 escreve um rascunho em segundos, e esse rascunho só é tão bom quanto o pedido. Dê a ele o público, a duração em segundos falados, o tom e uma única ideia, e peça frases curtas com uma imagem por linha, porque cada linha vira um plano.
Esta é a regra que mais importa da página: nunca peça a um modelo uma citação de uma pessoa famosa para colocar na tela. Modelos de linguagem produzem citações com total confiança, e boa parte delas é atribuída errado ou simplesmente inventada. Colocar um nome real em palavras que a pessoa nunca disse é injusto com ela e constrangedor para você. Escreva com a sua própria voz, ou não ponha nenhum nome nas frases. Se uma citação real importa no seu vídeo, copie de uma fonte que você mesmo abriu e cite essa fonte.
O mesmo cuidado vale para vozes. Use uma voz do catálogo ou a sua, e nunca a voz de uma pessoa real e identificável que não tenha concordado. Depois leia o roteiro final em voz alta uma vez antes de gerar qualquer coisa, porque o ouvido percebe uma frase desajeitada em dois segundos.
As imagens dão caráter ao vídeo, e há mais de um jeito de produzi-las. A tabela compara as opções realistas no Picasso IA, com a troca que cada uma traz.
| Abordagem | Modelo para testar | Bom para | Atenção a |
|---|---|---|---|
| Um clipe por frase do roteiro | veo-3.1 | Planos limpos em 1080p de 4, 6 ou 8 segundos, em 16:9 ou 9:16 | Oito segundos é pouco, então planeje uma ideia por clipe |
| Várias cenas em uma só rodada | kling-v3-video | Até 6 cenas e 15 segundos em uma geração | As cenas dividem a rodada, então refazer uma significa rodar todas de novo |
| Primeiro uma imagem fixa, depois movimento | um modelo de imagem e depois um dos dois de vídeo com imagem inicial | Definir o visual antes de gastar com vídeo | Uma etapa a mais, e as palavras de estilo precisam ser idênticas |
| Imagens de clima sem pessoas | veo-3.1 | Nascer do sol, oceano, estrada de montanha, cidade à noite | É o visual mais visto do gênero, então acrescente um detalhe específico |
| Uma figura fictícia em várias cenas | veo-3.1 com imagens de referência | Uma silhueta ou personagem que se repete | Rostos mudam entre clipes, então mantenha longe da lente |
Seja qual for a escolha, repita as mesmas palavras de estilo em todo prompt, como a hora do dia, a sensação da lente e a paleta de cores. É isso que faz oito clipes separados parecerem um filme só. O áudio do clipe é substituído pela sua narração de qualquer forma, então nesse formato você pode deixá-lo desligado. Para mais sobre esse tipo de imagem de apoio, veja a página de b-roll com IA.
Esta é a cadeia do roteiro ao arquivo final. Tudo acontece no toolkit, um modelo por etapa, e cada etapa passa o resultado para a seguinte.
A ordem das duas últimas etapas não é arbitrária. O autocaption lê a faixa de áudio para transcrever, então entregue só a narração, antes de entrar qualquer música. A música vem por último, no modo mistura e não no modo substituição, com o multiplicador de volume bem abaixo de um para que a voz continue na frente. Depois toque o resultado no alto-falante de um celular, onde a maioria das pessoas vai ouvir.
As legendas merecem um pouco de estilo. O autocaption deixa você escolher a fonte, a cor, o contorno, a posição na tela, quantos caracteres cabem em uma linha e uma cor de destaque para a palavra que está sendo dita. As próprias notas dele sugerem uma linha mais curta e um tamanho menor para reels do que para vídeo comum, então comece por aí nos clipes verticais. Ele também entrega a transcrição como arquivo. Se um nome ou uma palavra inventada sair escrita errada, edite a transcrição e rode de novo com a versão corrigida em vez de conviver com o erro.
Assista ao vídeo pronto uma vez sem som. Se ainda faz sentido, e nenhuma legenda é cortada pela borda da tela nem escondida atrás de um botão do app, ele vai sobreviver ao jeito como a maioria das pessoas realmente assiste.
Para a música, descreva um estilo e um clima no prompt e ative o modo instrumental, que não precisa de letra. Um piano cinematográfico lento que cresce aos poucos dá espaço para a voz respirar. Uma faixa gerada é áudio novo, mas as plataformas têm regras próprias sobre mídia gerada por IA e sobre conteúdo repetitivo ou produzido em massa, e essas regras mudam. Leia os requisitos atuais da plataforma em que você publica antes de montar um calendário em torno de uma única ferramenta. Há mais sobre essa etapa nas páginas de música de fundo para vídeos e legendas automáticas para vídeos.
Este formato tem arestas, e vale conhecê-las antes de gerar uma dúzia de clipes.
Nada disso faz do formato uma má ideia. O trabalho humano só se desloca para o roteiro, a escolha dos clipes e a escuta final.
Pode, e esta página gira em torno disso. A narração vem de um modelo de texto para voz ou da sua própria gravação, a imagem vem de clipes gerados e as palavras na tela vêm das legendas. Se quiser um personagem recorrente, use um fictício e conte com gerar alguns clipes de novo até o rosto ficar estável.
Um por tarefa. Um modelo de linguagem como claude-sonnet-5 escreve o rascunho, speech-2.8-hd lê em voz alta, veo-3.1 ou kling-v3-video faz as imagens, video-merge e video-audio-merge montam as peças, autocaption adiciona as legendas e music-2.6 cria a faixa. Você pode trocar qualquer um por outro modelo da mesma categoria do catálogo, que tem 24 modelos de texto para voz e 121 de texto para vídeo para escolher.
Ela escreve um primeiro rascunho rápido, e esse rascunho é um bom ponto de partida, mas não deveria ser o roteiro final. Os modelos se apoiam em frases conhecidas, então um rascunho sem edição soa como qualquer outro vídeo motivacional. Dê ao modelo um público específico e uma ideia, depois reescreva as linhas que soarem genéricas. O vídeo só é tão marcante quanto o roteiro com que você terminar.
Não gere citações para colar um nome real nelas, porque os modelos inventam ou atribuem errado citações sem avisar. Se uma citação real importa, copie de uma fonte que você conferiu e cite essa fonte. Quanto às vozes, use uma do catálogo ou a sua, e nunca imite uma pessoa real que não tenha concordado. Dizer que era só uma voz de IA não muda a quem ela se parece.
Não há um limite único, porque o vídeo final é montado com clipes. veo-3.1 faz clipes de 4, 6 ou 8 segundos e kling-v3-video chega a 15, e video-merge une quantos você entregar. Então os limites reais são o tamanho do seu roteiro e quantos clipes você quer gerar e revisar.
Funciona. Os dois modelos de vídeo podem entregar 9:16, e kling-v3-video também faz 1:1. O autocaption tem ajustes de linhas mais curtas e fonte menor que servem para reels, e você pode mover as legendas para que os apps não as cubram. Gere os clipes na vertical desde o começo em vez de cortar os horizontais depois.
Ninguém pode prometer em um sentido nem no outro, e as regras mudam. As plataformas publicam políticas sobre conteúdo repetitivo ou produzido em massa e sobre a rotulagem de mídia gerada por IA, e a aplicação varia com o tempo. Leia os requisitos atuais de cada plataforma em que você publica, rotule seus vídeos como pedem e trate um roteiro marcante e imagens variadas como a melhor proteção, porque o que essas políticas costumam mirar são os envios quase idênticos.
Rode o autocaption no vídeo que já tem a narração final. Ele transcreve o áudio que ouve e ajusta cada palavra a ele, então a sincronia acompanha a sua voz e não um palpite. Se você mudar a narração depois, gere as legendas de novo, porque o tempo pertence ao áudio antigo. Faça isso antes de adicionar a música para que a transcrição ouça só a voz.
Pode. Grave você mesmo a narração e adicione com video-audio-merge no lugar da voz gerada. Se quiser uma versão de IA da sua própria voz, a página de clonagem de voz com IA explica, com uma regra que não dobra: clone só uma voz que seja sua, nunca a de outra pessoa.
Paga-se em créditos, e o total depende de quantos modelos você usa e das configurações deles. Os clipes de vídeo costumam ser a maior parte. Contas novas começam com créditos grátis, e a página de preços tem os planos atuais, que é o único lugar confiável para números porque eles mudam.
Escolha uma ideia, escreva dez linhas honestas sobre ela e gere o primeiro clipe no toolkit do Picasso IA.
Escolha seu idioma
