Envie fotos do seu personagem, escolha um modelo de referência para vídeo e mantenha o mesmo rosto e o mesmo figurino enquanto a cena, a câmera e a ação mudam. Compare quatro modelos que aceitam referências, aprenda a montar um conjunto de referência e veja onde o rosto ainda se desvia.
Peça a um modelo de vídeo com IA a mesma mulher de casaco vermelho três vezes e você vai receber três mulheres diferentes com três casacos diferentes. Um prompt de texto descreve uma pessoa, mas não a identifica. Os modelos de referência para vídeo atacam o problema pelo outro lado: você entrega fotos do seu personagem e eles tentam manter esse rosto e esse figurino estáveis enquanto a cena, a câmera e a ação mudam. Esta página explica como isso funciona no Picasso IA, quais modelos fazem isso e onde ainda escorrega.
Um modelo de texto para vídeo constrói cada clipe do zero. Cada geração sorteia uma pessoa nova que combina com as palavras, então cabelo castanho, jaqueta verde, trinta e poucos anos pode virar cem pessoas diferentes, e nenhuma delas é a do seu clipe anterior. Fixar a seed só ajuda se o prompt também não mudar, justamente o que você não consegue fazer quando a próxima cena pede outro lugar.
A referência para vídeo inverte a ordem. A imagem carrega a identidade e o prompt carrega todo o resto: onde o personagem está, o que ele faz, como a câmera se move. Em vez de descrever um rosto e torcer, você mostra o rosto. Para um curta, um mascote recorrente, um personagem de marca ou uma série de clipes para redes sociais, essa é a diferença entre um projeto e uma pilha de clipes sem relação.
Se você só precisa de um personagem consistente em imagens estáticas, o fluxo irmão é o de personagens consistentes com IA. Imagens estáticas são a metade fácil. O vídeo acrescenta movimento, mudanças de ângulo e tempo, e cada um deles é uma chance de o rosto se desviar.
Quatro modelos do catálogo aceitam imagens de referência como entrada. Eles diferem em quantas referências admitem e no que mais conseguem fazer, então a escolha depende de você precisar de um retrato principal, de um detalhamento completo do figurino ou de um roteiro com várias cenas. Esses limites vêm das configurações de entrada de cada modelo no Picasso IA; confira a página do modelo, pois eles podem mudar.
| Modelo | Referências aceitas | Configurações de destaque | Escolha quando |
|---|---|---|---|
| wan-video/wan-2.7-r2v | Imagens de referência e clipes de vídeo curtos | 720p ou 1080p, cena única ou múltipla, prompt negativo, seed | Você tem um retrato ou um clipe curto e quer ancorar a identidade |
| xai/grok-imagine-r2v | De 1 a 7 imagens | 480p ou 720p, de 1 a 10 segundos, sete proporções de tela | Você quer testes rápidos a partir de poucas imagens |
| kwaivgi/kling-v3-omni-video | Até 7 imagens, ou 4 quando também há um vídeo de referência | Várias cenas com até seis cenas, áudio nativo, quadros inicial e final | Você está roteirizando uma sequência e quer as cenas numa só execução |
| bytedance/seedance-2.5 | Até 30 imagens | Áudio e diálogo nativos, primeiro e último quadro, 480p ou 720p | Rosto, figurino e objetos precisam ficar fixos |
Duas ressalvas para ler essa tabela. Um limite de referências maior não significa rostos melhores, significa mais espaço para um briefing completo: vista frontal, vista lateral, figurino, objetos. E o grok-imagine-r2v trata suas imagens como referências de estilo e conteúdo, não como quadros iniciais, então ele não vai simplesmente animar a sua foto. Para isso, os modelos de imagem para vídeo do catálogo servem melhor.
Este é o passo a passo no Picasso IA, das referências brutas até um clipe que combina com o anterior. Tudo roda no toolkit, então não há nada para instalar.
O custo depende do modelo, da resolução e da duração, então faça primeiro o teste curto. A página de preços explica como os créditos funcionam, e contas novas ganham créditos grátis para começar.
A maioria das falhas de consistência são falhas de referência. Uma única foto glamourosa dá ao modelo um ângulo e uma iluminação para copiar, então, assim que o personagem vira ou a luz muda, ele improvisa. Um conjunto melhor é chato de propósito: um retrato frontal neutro, um giro de três quartos e uma imagem de corpo inteiro em que o figurino apareça por completo.
Se o seu personagem ainda não existe, crie-o primeiro. Gere algumas imagens estáticas de um personagem fictício com um modelo de imagem, escolha as três que combinam entre si e use-as como referências. Esse caminho também mantém você longe da semelhança com uma pessoa real, o que importa aqui: use rostos que sejam seus, suas próprias fotos ou personagens fictícios que você inventou, e nunca uma pessoa real e identificável que não tenha concordado.
Dica: deixe as referências coerentes entre si antes de pedir a um modelo de vídeo que seja coerente com elas. Se a sua vista frontal tem barba e a lateral não, o modelo vai fazer uma média das duas e você vai passar uma hora perseguindo o resultado.
Mantenha o figurino simples enquanto aprende o fluxo. Cores lisas, um acessório principal e silhuetas claras sobrevivem ao movimento bem melhor do que estampas pequenas, bijuteria em camadas ou texto na roupa. Você sempre pode acrescentar complexidade quando o clipe base se sustentar.
Uma sequência é apenas vários clipes que compartilham um conjunto de referência. Planeje-a como uma lista de cenas antes de gerar qualquer coisa: um plano geral de abertura, um plano médio do personagem em ação, um close de reação. Gere cada um como um clipe próprio com as mesmas referências, mudando só as linhas de cena e de câmera do prompt.
O Kling v3 Omni Video pode ir além dentro de uma única execução: o modo de várias cenas aceita até seis cenas, cada uma com seu próprio prompt e duração, então os cortes acontecem sem sair do modelo. O Wan 2.7 R2V também tem uma configuração de cena múltipla. Quando você roda as cenas separadamente, anote a redação do prompt que funcionou, porque uma fraseologia consistente para o lugar e a luz ajuda o personagem a combinar com os vizinhos na edição.
Para planejar a sequência em si, os storyboards com IA e os curtas e trailers com IA cobrem a parte da lista de cenas. Se você prefere partir de uma única foto, transformar fotos em vídeos é a porta de entrada mais simples.
Esta é uma técnica que reduz o desvio, não que o elimina. Espere gerar mais do que vai aproveitar e saiba onde as falhas se concentram:
Nada disso significa pular o fluxo. Significa planejar cenas que as suas referências consigam sustentar, e usar uma etapa de upscaling ou de edição só para o acabamento, não para resgatar um rosto que já mudou.
Na maior parte, sim, quando você dá ao modelo imagens de referência em vez de apenas descrever a pessoa. Os modelos de referência para vídeo ancoram o rosto e o figurino nas suas imagens enquanto a cena muda. Isso reduz bastante o desvio, mas não é garantia, então confira cada clipe e gere de novo aqueles em que o rosto andou.
É um modo de geração em que você envia imagens (e, em alguns modelos, clipes de vídeo curtos) de um personagem, um objeto ou um estilo e depois escreve um prompt para a cena nova. As imagens carregam a aparência do sujeito e o prompt carrega o que acontece. Difere de imagem para vídeo, em que a sua imagem vira o primeiro quadro do clipe.
Entre os quatro tratados aqui, o Seedance 2.5 aceita até 30 imagens, o Kling v3 Omni Video e o Grok Imagine R2V até 7, e o Wan 2.7 R2V aceita imagens ou clipes curtos. Mais não é automaticamente melhor, três ângulos bem escolhidos costumam vencer uma pilha de quase duplicatas, mas um limite alto ajuda quando figurino e objetos precisam combinar.
Comece com duas a quatro: uma vista frontal, uma de três quartos e uma de corpo inteiro. Acrescente uma vista lateral se a cena vira a cabeça e um close do objeto se ele precisa continuar reconhecível. Cada imagem extra deve mostrar algo novo, senão só adiciona ruído que o modelo precisa conciliar.
Geralmente por causa da distância, da velocidade ou de um ângulo que as suas referências nunca mostraram. Um rosto pequeno num plano aberto, uma virada rápida ou um perfil sem referência lateral obrigam o modelo a improvisar. Tente um enquadramento mais próximo, um movimento mais lento ou acrescente uma referência do ângulo que falta, e faça um teste curto antes de um clipe longo.
Só a sua, ou a de alguém que tenha concordado claramente. Não use o rosto de uma pessoa real e identificável sem o consentimento dela, e não apresente uma semelhança gerada como se fosse uma gravação real dessa pessoa. Personagens fictícios que você mesmo inventou são a opção mais segura para séries e trabalhos de marca.
Normalmente não. Deixe as referências definirem o rosto e use o prompt para ação, cenário, luz e câmera. Descrever os traços de novo pode brigar com as imagens, por exemplo pedir olhos azuis quando a sua referência tem olhos castanhos. Descreva só o que muda de uma cena para outra.
Sim, de duas formas. O Kling v3 Omni Video consegue roteirizar até seis cenas numa única execução com as suas referências anexadas, e o Wan 2.7 R2V tem uma configuração de cena múltipla. Ou gere os clipes um a um com o mesmo conjunto de referência e junte-os na edição, o que dá mais controle sobre cada cena.
A consistência do rosto e a da voz são problemas separados. Alguns modelos, como o Seedance 2.5 e o Kling v3 Omni Video, conseguem gerar áudio junto com o vídeo, mas uma voz estável ao longo de muitos clipes não é algo que uma imagem de referência te dá. Para uma série, planeje gravar ou gerar a narração à parte e colocá-la sobre a edição.
Vídeo consome mais créditos do que imagem, e o valor depende do modelo, da resolução e da duração do clipe, então não existe um número único e honesto. Testes curtos e em baixa resolução são a forma barata de checar um conjunto de referência antes da renderização final. Contas novas ganham créditos grátis, e a página de preços traz os planos atuais.
Pronto para testar um conjunto de referência? Abra o toolkit, anexe três imagens do seu personagem e gere um clipe de cinco segundos para ver o quanto o rosto se sustenta.
Escolha seu idioma
