Aula 2 — Acertar a imagem antes de gerar o vídeo
Módulo 1 · ~11 min
Este é o erro que mais custa e que menos aparece: ir direto para o vídeo.
Você escreve o prompt, gera, e recebe cinco segundos onde o rosto muda no meio, a mão está errada e a luz vira na metade. Então ajusta o texto e gera de novo. E de novo. Cada tentativa é uma geração de vídeo — a coisa mais cara do cardápio.
Por que isso acontece
Todos os modelos da casa aceitam uma imagem como start_image. Quando você não dá uma, o modelo inventa o primeiro quadro a partir do seu texto — e aí você está pedindo duas coisas ao mesmo tempo: que ele imagine a cena e que ele a mova. Dois problemas numa geração só, e quando sai errado você não sabe qual dos dois falhou.
Dar a imagem pronta resolve o primeiro problema de vez. O modelo passa a ter uma tarefa só: mover o que já está ali.
O método
- Escreva a cena como imagem, não como vídeo. Um quadro: quem, onde, que luz, que lente.
- Gere imagens até uma estar certa. Imagem custa fração do que vídeo custa — use isso como a parte barata do processo, porque é.
- Olhe a imagem procurando o que o vídeo vai amplificar: rosto, mãos, texto no quadro, direção da luz. Se algum estiver errado na imagem, vai estar errado e se mexendo no vídeo.
- Só então anime, passando a imagem como start_image, e use o prompt apenas para o movimento — o conteúdo já está resolvido.
Por que o erro fica pior em movimento
Uma mão com seis dedos numa foto é um erro que se vê. A mesma mão em movimento é um erro que puxa o olho por cinco segundos seguidos. O vídeo não suaviza defeito — ele dá tempo para o espectador encontrar.
A mesma lógica vale para texto no quadro. Letra errada numa imagem você corta. Letra errada que tremula no vídeo é a assinatura visual de "isso foi feito por IA", que é justamente o que você está tentando evitar.
Quando pular esta aula
Quando o movimento é a ideia — um efeito em que a transformação é o ponto todo, e não existe um quadro de que a cena "trata". Aí não há o que resolver antes e você vai direto.
Todo o resto — uma pessoa falando, um produto girando, um lugar sendo revelado — começa como fotografia. Trate como uma.