Vídeo com IA generativa: o que é gerado e o que você controla
Experimente: escolha uma coisa que importa para você em um plano, um rosto, um casaco, onde alguém está, o clima, e decida se ela deve ser definida com uma imagem, com palavras ou com uma configuração. A tabela abaixo diz qual delas segura.
Gerado ou montado: um jeito rápido de distinguir
Um editor baseado em template ou em banco de imagens monta: pega clipes, texto e música que já existem e os posiciona. Nada no resultado foi feito para a sua frase, então ele é repetível, barato a cada mudança e limitado ao que existe. Uma ferramenta generativa cria: a imagem, a fala e o som são produzidos para o seu pedido. Você pode pedir algo que nenhuma biblioteca tem, um personagem com a sua descrição em um cômodo que você descreveu, mas cada pedido é um novo sorteio.
O teste é fácil. Peça algo que não pode estar em filmagens de banco de imagens, como um personagem com nome, com uma roupa específica, dizendo uma fala específica. Se a ferramenta devolve uma correspondência próxima de material existente, ela está montando. Aqui, um segmento é produzido a partir das imagens do seu elenco, do texto do seu plano e das suas vozes; nada nele é recuperado de uma biblioteca de clipes. A junção no final é a única etapa não generativa: ela costura os segmentos prontos.
Imagens amarram
Quando um plano é gerado, o modelo recebe como imagens as fichas dos personagens, do cenário e dos objetos nomeados nele, e as reproduz de perto: rosto, roupas, materiais e a luz e o fundo que estiverem na imagem. É o controle mais forte que existe, e ele funciona nos dois sentidos. Uma imagem amarra o que mostra, e nenhuma frase desfaz isso. Então, para mudar um rosto ou um casaco, mude a imagem: edite a descrição e regenere a ficha, substitua por uma imagem sua em um plano pago, ou adicione uma imagem de estado para um visual alterado.
É também por isso que as fichas são neutras: um personagem desenhado sob iluminação noir leva essa iluminação para um piquenique ensolarado. O clima é escrito por plano, nas palavras, que é o lugar dele. Por que as fichas parecem simples · Como usar suas próprias imagens de referência.
Palavras conduzem
O texto do plano decide o que a imagem faz e as imagens não fazem: onde as pessoas ficam, o que elas fazem, de onde vem a luz, o clima, a hora do dia, como a câmera se move e, palavra por palavra, o que é dito. As palavras atuam na camada acima das imagens, então chuva, entardecer, uma pessoa se sentando e quem segura uma xícara entram todos por cima do que as fichas mostram. Elas conduzem em vez de fixar. Os substantivos pesam mais do que as palavras funcionais, por isso uma negação muitas vezes produz a coisa que ela nomeia, e uma lista de adjetivos empurra as palavras importantes para baixo. Escreva o que está diante da câmera, com a causa da luz, e não o veredito que você quer sobre o resultado.
Descreva a causa, não o resultado · Sem palavras mágicas · Como escrever movimentos de câmera.
Configurações enquadram
As configurações do SceneMixer definem a caixa dentro da qual imagens e palavras trabalham. O estilo visual é o meio, do fotográfico ao pintado e ao 3D, e vale para tudo. O estilo de cenário e o estilo de figurino são aplicados uma vez, quando o roteiro é lido, e entram em cada descrição. O formato, 9:16 ou 16:9, fica fixo depois da Etapa 1. O nível de vídeo define a resolução, de 480P a 2K, e o segmento mais longo, de 15 ou 30 segundos; os segundos de cada plano somam dentro desse teto. As configurações nunca dizem o que acontece em um plano, e o sistema evita que elas briguem com as palavras: ele não diz ao modelo onde colocar o sujeito, porque isso é trabalho do storyboard.
Como escolher suas configurações de estilo · Segmentos de 15 ou 30 segundos · Vertical ou paisagem.
O que você quer controlar e qual controle segura isso
| Você quer definir | Use | Com que firmeza |
|---|---|---|
| Um rosto, idade, porte | A ficha do personagem | Amarra: copiado de perto |
| Uma roupa | A ficha, ou uma imagem de estado para uma roupa trocada | Amarra; as palavras não a anulam |
| A disposição de um cômodo | A ficha do cenário e o modelo 3D do cenário | Amarra o espaço |
| Onde as pessoas ficam | Palavras, como âncoras do cômodo | Conduz; vale entre câmeras |
| Luz, clima, hora do dia | Palavras no plano | Conduz; funciona por cima das imagens |
| O que é dito | Uma fala com marcas de quem fala e de voz | Falado palavra por palavra |
| Como soa uma voz | Uma voz escrita ou uma predefinição da biblioteca | Conduz, ou amarra quando uma predefinição é anexada |
| Duração e detalhe | Segundos por plano, o nível | Quadros: dentro do teto |
| Enquadramento exato, pequenos gestos, mãos | Nada de forma confiável | Fica a cargo do modelo; regenere |
O que continua aleatório e como trabalhar com isso
Dois pedidos idênticos podem dar dois clipes diferentes; os termos do SceneMixer dizem isso, e a versão honesta de qualquer produto generativo é aquela em que isso é esperado. As partes que variam são o enquadramento exato, a atuação, pequenos detalhes e tudo o que você deixou sem dizer. Trabalhe com isso, não contra: leia o storyboard antes de pagar pelo vídeo, gere um segmento primeiro, corrija planos isolados editando o texto deles e regenerando só esses, e guarde os takes anteriores, já que cada geração de um segmento é guardada no Histórico de versões e alternar entre elas é grátis. Edite um plano e regenere · Versões de segmento.
Como cada clipe é um novo sorteio, o custo é por tentativa, não por resultado: 10 créditos por segundo no nível padrão. O controle mais barato que você tem é o que vem antes da geração, o texto, que é grátis para editar quantas vezes quiser.
| Tipo de controle | Exemplos | Como segura |
|---|---|---|
| Imagens | Fichas de personagem, de cenário e de objeto, imagens de estado, sua própria foto | Sendo copiadas de perto |
| Palavras | Texto do plano, posições, luz, clima, falas de diálogo | Orientar o que as imagens deixam em aberto |
| Ajustes | Estilo visual, de cenário e de figurino, formato, nível, segundos | Definir os limites dentro dos quais tudo acontece |
| Nenhum | Enquadramento exato, gestos, mãos | Gere de novo e escolha |
Perguntas frequentes
O que é vídeo de IA generativa?
Vídeo cujas imagens, fala e som são produzidos por um modelo a partir de uma descrição, em vez de montados com filmagens existentes ou um template.
Em que ele difere de um editor de vídeo com templates?
Um editor de templates posiciona clipes, texto e música que já existem, então é repetível e limitado ao que existe. Uma ferramenta generativa cria imagem e som novos a cada pedido, o que permite cenas novas, mas não repetições idênticas.
O que posso controlar em um vídeo generativo?
As imagens fixam rosto, figurino e cenário; as palavras orientam posições, luz, clima e diálogo; os ajustes definem estilo, formato, resolução e duração. O enquadramento fino e os gestos ficam a cargo do modelo.
Por que meu texto não muda a roupa do personagem?
Uma imagem de referência é copiada com a roupa que tem, e o texto não consegue sobrepor isso. Troque a imagem, edite a descrição e gere a ficha de novo, ou adicione uma imagem de estado.
Posso obter exatamente o mesmo vídeo duas vezes?
Não. A geração é probabilística. Você pode guardar uma tomada de que gostou, alternar entre tomadas de graça e gerar de novo só os planos que erraram.
Alguma parte do vídeo não é gerada?
A união que costura os segmentos prontos do SceneMixer em um episódio é processamento de vídeo comum. As vozes vêm de uma biblioteca de vozes predefinidas ou de uma descrição escrita, e a trilha é escolhida para o episódio.
Generativo quer dizer aleatório?
Em parte. As imagens e palavras que você fornece mantêm a identidade, o cenário e a história; o que varia é o enquadramento exato, a atuação e os pequenos detalhes.
Qual é o controle mais barato?
O texto. Editar o storyboard é grátis no SceneMixer, e uma frase corrigida antes da geração evita uma nova geração ao preço por segundo.
Defina primeiro as imagens, depois oriente com palavras
Aprove o elenco, escreva o plano e gere um segmento antes dos demais.
Atualizado em 2 de novembro de 2026