Como obter planos utilizáveis das ferramentas de vídeo com IA

Toda ferramenta de vídeo com IA se apresenta lindamente e falha de forma específica. As falhas não são aleatórias: elas se agrupam em mãos, texto, multidões, movimento rápido, movimentos de câmera longos e qualquer coisa que precise permanecer igual de um plano para o outro. Conseguir planos utilizáveis é, sobretudo, questão de planejar em torno desses grupos em vez de esperar que o modelo tenha finalmente aprendido a desenhar dedos.

Estes são os hábitos que sobrevivem ao contato com um prazo. Para a mecânica por trás disso, leia como funcionam os modelos de vídeo com IA; para o ofício do prompt em geral, as boas práticas de prompting vão mais fundo.

Escreva o plano, não a história

A unidade de geração é um plano, não uma cena. Se você escreve um parágrafo de trama, o modelo tentará espremê-lo em poucos segundos e produzir uma confusão. Escreva um único dispositivo de câmera: quem ou o que está em quadro, o que faz, onde está, como é iluminado, o que a lente está fazendo.

A própria documentação da Luma para o Ray2 dá uma ordem útil para isso: sujeito principal, ação, detalhes, cena, estilo, câmera, reforço. O guia multi-plano da Runway diz o mesmo de forma mais direta: mantenha o prompt de cada plano focado numa única cena e, se quiser uma sequência, entregue um plano de planos em vez de uma descrição espalhada.

É também por isso que um storyboard ajuda mesmo quando nada é desenhado: uma lista de três a cinco setups, cada um com uma única ação, é uma entrada melhor do que um tratamento.

Dê uma imagem ao modelo

O texto é a forma mais fraca de controle. Se um personagem, produto ou locação precisa ficar certo, dê ao modelo uma imagem de referência ou um primeiro quadro. A maioria das ferramentas sérias já oferece isso, e as notas dos próprios fornecedores coincidem sobre o que faz uma boa referência:

• Resolução e qualidade. Use a fonte mais nítida que tiver. Referências comprimidas, suaves ou ruidosas produzem resultados mais suaves.
• Isolamento. Um sujeito claro, livre de desordem e de elementos concorrentes.
• Iluminação. Luz uniforme e neutra reproduz com mais fidelidade; sombras fortes e dominantes de cor passam para o resultado.
• Um conjunto pequeno e coeso em vez de uma única imagem, quando você está definindo um estilo.

Uma advertência que a documentação declara sem rodeios: você é responsável pelos direitos de qualquer imagem de pessoa que enviar. Usar a referência de uma pessoa real sem permissão é um problema legal antes de ser artístico.

Diga o que você não quer

As gerações derivam para a média do que o modelo já viu, e é por isso que rostos indesejados aparecem em multidões e objetos soltos nas bordas do quadro. Prompts negativos são a correção mais barata. O próprio exemplo da API do Veo, do Google, passa um prompt negativo para suprimir sons indesejados junto ao prompt positivo; a mesma lógica funciona no visual.

Mantenha a câmera modesta

Movimentos grandes — grua subindo e entrando por uma janela, chicotada de panorama, órbita em torno de um objeto caindo — são onde a consistência temporal desmorona. Um push in lento, uma pequena deriva na mão ou um quadro fixo se sustentam com muito mais confiabilidade, porque o movimento generoso dá ao modelo mais quadros para errar.

A linguagem de câmera funciona: os exemplos publicados do Veo descrevem tamanhos de plano, movimentos e comportamento de lente em sequência, e os resultados seguem. O truque é pedir um movimento coerente, não três no mesmo clipe.

Teste barato e depois se comprometa

Gere com o menor custo e a menor duração capazes de responder à pergunta «é este o plano certo?». Renders longos e caros são para planos que você já provou. A API do Veo 3 era cobrada por segundo de saída, com níveis rápidos mais baratos exatamente para este ciclo; o Ray2, da Luma, produz clipes base curtos que se estendem, para você julgar um plano antes de pagar pela duração.

Trave a versão do modelo quando um projeto de cliente depender de um visual. A documentação da API da Runway permite travar uma versão datada do fluxo de trabalho em vez de acompanhar a mais recente, o que é a diferença entre um processo reproduzível e um alvo móvel.

Construa a continuidade de propósito

Consistência entre planos não é um problema de prompt; é um problema de processo. Três técnicas fazem quase todo o trabalho:

1. Referência e quadro-chave para cada elemento que retorna. A mesma imagem entra, o mesmo visual sai.
2. Reutilize a linguagem de estilo exata em toda a sequência. A Runway recomenda explicitamente repetir a mesma linguagem de produto ou de estilo entre planos para consistência visual. Renomear um estilo entre planos convida a uma interpretação nova.
3. Bloqueie a sequência para que as mudanças sejam motivadas. Uma troca de figurino, uma locação nova, uma cena noturna — qualquer coisa que explique uma diferença visível também esconde as inconsistências do modelo.

Julgue os takes como um editor

Um take que parece bom em movimento muitas vezes morre no corte. Revise cada candidato pelas coisas que terminam um plano: uma mão que derrete, uma boca que sai de sincronia, texto que vira glifos, uma figura de fundo que atravessa uma parede. Assista uma vez em velocidade normal e depois percorra o primeiro e o último quadro — são seus pontos de entrada e saída.

Mantenha uma lista curta, não um favorito: o terceiro take com uma câmera ligeiramente diferente costuma ser o que a montagem precisa.

Planeje o som separadamente

O áudio nativo — diálogo, efeitos e música gerados com a imagem numa única passada — muda o fluxo de trabalho. O Veo 3 foi o primeiro modelo do Google a fazer isso, e as receitas multi-plano agora geram áudio por padrão. É útil para trilhas provisórias e testes de sincronia labial.

Mas trate o áudio gerado como uma primeira passada. Inteligibilidade do diálogo, tom de sala e direitos musicais ainda precisam de julgamento humano, e um plano pode ser visualmente perfeito e inutilizável porque a fala sai embaralhada.

Declare e mantenha registros

Duas coisas estão convergindo. As plataformas estão rotulando com mais agressividade: o YouTube aplica rótulos destacados a conteúdo de IA fotorrealista e agora rotula automaticamente o conteúdo que seus sistemas detectam como significativamente gerado por IA. A regulação também está chegando: o artigo 50 do Regulamento Europeu de IA exige que fornecedores marquem saídas sintéticas em formato legível por máquina e obriga os responsáveis pela implantação a declarar deepfakes quando os usam.

O hábito prático é simples. Preserve a procedência — Content Credentials, o padrão C2PA, anexa um registro assinado de origem e edições a um arquivo — e mantenha um registro do projeto com prompts, referências, versões de modelo e seeds. Quando um cliente ou um festival perguntar como um plano foi feito, esse registro é a resposta.

Quando um plano falha sempre, mude o plano

O erro mais comum é reescrever o prompt pela décima vez. Se um plano falha repetidamente, o plano está pedindo algo que o modelo não consegue fazer de forma confiável. Divida-o em dois. Mova a câmera. Corte antes de a ação difícil acontecer. Deixe o objeto fora de foco. Restrição aqui não é concessão; é ofício.

A versão curta

• Escreva um plano por prompt, com sujeito, ação e câmera claros.
• Referencie tudo o que precise permanecer consistente e verifique os direitos.
• Use um prompt negativo curto para artefatos conhecidos.
• Itere barato e depois renderize o vencedor em duração total.
• Julgue os takes pelos quadros para os quais você vai cortar, não pelos que ficam melhores em pausa.
• Planeje o som como camada própria e declare as ferramentas que usou.