Dê rosto e voz a uma caneca de café, um abacate ou ao mascote da sua marca, e deixe que ele se explique sozinho em vídeo. Você gera o personagem, escreve ou sintetiza a fala, e um modelo de avatar ou de lipsync mexe a boca. Funciona melhor com falas curtas e um rosto bem desenhado.
Uma caneca de café que reclama das segundas-feiras, um abacate que explica quando está maduro, um mascote que apresenta a marca: objetos falantes são um dos truques mais antigos da publicidade, e antes precisavam de um estúdio de animação. Hoje você pode gerar o personagem, gravar ou sintetizar uma voz e sincronizar um rosto com ela numa tarde. Um aviso: objetos são mais difíceis do que pessoas, e esta página mostra onde.
Um objeto falante faz um trabalho que um apresentador humano muitas vezes não consegue. Ele é lembrado por um motivo bobo e bom: ninguém espera que um grampeador tenha opiniões. Além disso, elimina a parte chata do conteúdo explicativo: não há ninguém para agendar diante da câmera nem estúdio para alugar. O personagem é a única coisa no vídeo, então a atenção de quem assiste vai para a ideia.
Ele serve bem para um grupo pequeno de tarefas. Um produto pode se apresentar em primeira pessoa, e assim uma lista de especificações vira piada. Uma marca de comida pode deixar o ingrediente fazer a venda. Um pequeno negócio pode dar ao mascote da loja um papel fixo em cada post. O fio comum é uma fala curta, uma personalidade clara e alguém que se diverte por alguns segundos.
No Picasso IA toda a cadeia fica num só lugar: modelos de imagem para o personagem, texto para voz para a fala e modelos de avatar ou lipsync para a boca, tudo dentro do toolkit. Contas novas recebem créditos grátis, então você descobre se a sua caneca fala antes de gastar qualquer coisa.
Não existe um único modelo que faça objetos falarem. Existem quatro rotas, e cada uma troca controle por confiabilidade na boca. O catálogo tem 12 modelos de lipsync, 24 de texto para voz e 121 de texto para vídeo, então a pergunta não é o que existe, e sim qual rota combina com o personagem que você desenhou.
| Rota | Modelos para começar | Ideal para | Cuidado com |
|---|---|---|---|
| Foto mais áudio | kling-avatar-v2, fabric-1.0, omni-human-1.5 | Uma imagem de personagem que diz uma fala gravada | O movimento da boca em rostos não humanos varia muito de personagem para personagem |
| Lipsync sobre um clipe existente | lipsync-2, lipsync-2-pro | Um clipe que você já animou e em que só a boca precisa acompanhar um áudio novo | Foram pensados para rostos humanos, então teste com o seu objeto antes de planejar |
| Imagem para vídeo e depois narração | wan-2.6-i2v | Personagens que se movem e reagem enquanto uma voz toca | A boca não segue as palavras, então funciona melhor com a voz fora de cena |
| Cortes de apoio em volta de uma imagem parada | Qualquer modelo de imagem mais b-roll | Roteiros longos em que o rosto só precisa se mexer de vez em quando | Mais edição e menos tempo de rosto |
Comece pela primeira rota, porque ela precisa de menos peças: uma imagem, um arquivo de áudio, uma geração. O Kling Avatar v2 lista personagens de desenho, animais e arte estilizada entre o que aceita, o que o torna o primeiro teste óbvio para uma caneca. O Fabric 1.0 e o Omni Human 1.5 recebem as mesmas duas entradas, e o Omni Human 1.5 pede áudio com menos de 35 segundos. Passe o mesmo personagem por dois deles e fique com a melhor boca. A coleção de lipsync lista os outros.
Este é o caminho mais curto da ideia ao clipe pronto. Ele pressupõe um roteiro de poucas frases, não um monólogo.
A ideia de animar uma imagem parada é a mesma por trás das fotos falantes com IA, aplicada a algo sem nariz.
A maioria dos objetos falantes falha na etapa da imagem, antes de qualquer animação. Um modelo de lipsync precisa de algo que ele consiga ler como boca. Uma caneca com dois pontos pintados e sem boca não dá nada para animar, então ele deixa o rosto parado ou inventa uma boca que escorrega pela superfície. Desenhe a boca de propósito.
Algumas regras valem para quase qualquer personagem. Coloque o rosto na frente do objeto e deixe-o grande no quadro. Dê a ele uma linha de lábio superior e inferior visível, ou uma boca aberta com interior escuro. Evite enfeites perto do rosto que pareçam bocas, como a curva de uma alça ou uma folha.
Dica: gere a imagem do personagem com a boca já levemente aberta, no formato que um personagem de desenho usaria no meio de uma palavra. Os modelos de avatar partem da sua imagem parada, e uma boca que começa aberta dá a eles uma forma para abrir e fechar em vez de uma para inventar.
O estilo importa tanto quanto a anatomia. Um personagem de desenho, de massinha ou de brinquedo é lido como personagem, e quem assiste perdoa o movimento duro porque espera por ele. Uma fruta fotorrealista com boca humana cai num meio-termo incômodo, em que cada errinho parece errado. Se você quer o mesmo personagem em vários vídeos, fixe uma imagem de referência e reutilize, a abordagem explicada em personagens consistentes com IA.
O formato premia a escrita curta, específica e um pouco absurda. O objeto deve saber exatamente uma coisa sobre a própria vida e dizer isso com confiança. Uma caneca sabe que é segurada de manhã e esquecida em cima da mesa às três. Uma banana sabe que daqui a uma hora estará marrom. Esse pequeno autoconhecimento é a piada e a mensagem do produto numa única frase.
Escreva para o ouvido, em frases curtas, e diga cada uma em voz alta antes de gerar. Frases longas deixam a voz sem fôlego e dão ao modelo da boca mais palavras para errar. Se um ponto precisa de mais explicação, divida em dois clipes em vez de uma tomada longa. A mesma ideia vale para os vídeos explicativos com IA, em que um personagem ajuda a segurar a atenção enquanto o argumento chega.
O uso em marca pede um pouco de cuidado. Um mascote seu, ou um personagem fictício que você inventou, não tem problema. Um personagem parecido com o produto de outra empresa ou com um desenho famoso não é boa ideia. Se o objeto representa algo que você vende, a imagem precisa continuar honesta sobre o item, então não dê a uma caneca falante características que a caneca real não tem. Se uma plataforma tem regras sobre conteúdo de IA ou anúncios, confira os requisitos atuais dela antes de publicar.
O lipsync foi pensado em torno de rostos humanos, e com objetos é onde isso aparece. Prepare-se para estes pontos:
Nada disso torna a ideia inútil. Torna o formato curto, bom para uma piada, uma dica ou uma apresentação, e fraco para qualquer coisa que dependa de uma atuação sutil.
Sim, dentro de limites. O caminho usual é gerar uma imagem do objeto com rosto, criar uma faixa de voz com um modelo de texto para voz e passar as duas para um modelo de avatar ou lipsync que anima a boca. O resultado funciona melhor com falas curtas e personagens em estilo de desenho. Objetos realistas com boca humana são menos previsíveis, e é bom esperar gerar de novo algumas vezes até conseguir uma tomada de que você goste.
Comece pelos modelos do tipo avatar que recebem uma imagem e um arquivo de áudio: kling-avatar-v2, fabric-1.0 e omni-human-1.5. O Kling Avatar v2 lista explicitamente personagens de desenho, animais e arte estilizada entre as entradas aceitas, então é um primeiro teste sensato. Para a imagem do personagem, nano-banana-2 e seedream-5-pro são bons pontos de partida, e para a voz, elevenlabs v3 e speech-2.8-hd. Teste dois modelos com o mesmo personagem.
Às vezes. Modelos de avatar como o kling-avatar-v2 descrevem suporte a personagens e animais, enquanto modelos como lipsync-2 e omni-human-1.5 são descritos principalmente em torno de rostos humanos, embora o omni-human-1.5 também cite personagens ilustrados. A resposta honesta é que o resultado depende de cada personagem. Um rosto bem desenhado com uma boca evidente funciona com muito mais frequência do que um sutil, então teste um clipe antes de se comprometer com uma série.
Escreva primeiro a fala e gere com um modelo de texto para voz no toolkit. Escolha uma voz que combine com a personalidade: uma voz rouca e cansada para uma caneca, uma voz alegre para um limão. Mantenha a fala em poucas frases, baixe o áudio e anexe ao modelo de avatar junto com a imagem do personagem. Você também pode gravar a sua própria voz e usar esse arquivo, que muitas vezes soa mais natural do que uma voz sintética.
Depende do modelo, e os limites são reais. O Omni Human 1.5 pede áudio com menos de 35 segundos, e o Kling Avatar v2 aceita arquivos de áudio de até 5MB. Outros modelos têm as próprias regras, então confira as configurações do modelo que você escolher. Para um roteiro mais longo, divida em vários clipes curtos e monte tudo junto, alternando para outro ângulo ou uma imagem do produto entre as falas.
Sim, se você reutilizar a mesma imagem de origem. Gere o personagem uma vez, escolha a versão de que gostou e use esse arquivo como imagem inicial todas as vezes. Mudar o prompt para uma imagem nova cria um personagem um pouco diferente a cada vez. Se precisar do mascote em poses ou cenas novas, use um modelo de edição de imagem com o original anexado como referência, para que o desenho continue reconhecível.
Em geral a imagem de origem não dá ao modelo nada que ele leia como boca, ou o rosto é pequeno ou estilizado demais. Gere a imagem de novo com uma boca maior e claramente desenhada, de preferência levemente aberta, e com fundo liso. Se ainda assim falhar, teste outro modelo de avatar, porque cada um lê rostos de um jeito. Um áudio muito baixo ou muito longo também pode deixar o movimento fraco, então confira o áudio.
Se for seu, sim, e é um dos usos mais naturais do formato. Envie a imagem do mascote como imagem inicial e adicione o seu áudio. Garanta que o personagem é seu ou fictício: não use o personagem de outra empresa nem a semelhança de uma pessoa real. Se o clipe for um anúncio, confira os requisitos atuais da plataforma onde você vai publicar.
Só a sua própria voz, ou uma voz que você tenha permissão clara para usar. Gravar a si mesmo e anexar esse arquivo é o jeito mais simples e seguro de conseguir um toque humano. Não imite uma celebridade, um colega ou qualquer outra pessoa sem o consentimento dela, e não use um objeto para colocar palavras na boca de uma pessoa real. Uma voz sintética de um modelo de texto para voz evita o problema por completo.
As gerações são pagas em créditos, e o custo depende do modelo e das configurações que você escolher, então um número escrito aqui ficaria velho. Um vídeo de objeto falante tem alguns passos, uma imagem, uma faixa de voz e uma animação, e a etapa de animação costuma ser a maior. Contas novas começam com créditos grátis, e a página de preços tem os planos atuais.
Escolha um objeto da sua mesa e dê uma fala a ele. Abra o toolkit do Picasso IA, gere o rosto primeiro e veja se ele consegue dizer olá.
Escolha seu idioma
