Manter a consistência visual de um mesmo personagem ao longo de múltiplas tomadas sempre foi o maior gargalo na produção de vídeos com inteligência artificial generativa. Em ferramentas tradicionais baseadas unicamente em texto (Text-to-Video), cada geração funciona de forma isolada: descrever um personagem com "cabelos castanhos e jaqueta de couro" resulta inevitavelmente em um rosto na primeira cena, uma textura de roupa diferente na segunda e proporções faciais completamente alteradas na terceira. Esse fenômeno, conhecido como "deriva de identidade" (character drift), impede a criação de storyboards contínuos e narrativas visuais coerentes.
Para solucionar essa limitação, o Vidu, desenvolvido pela Shengshu Technology, introduziu a arquitetura Reference to Video (vídeo a partir de referências). Esse recurso permite aos criadores enviar de 1 a 7 imagens estáticas de referência ou carregar modelos de personagens já salvos na biblioteca RefHub / My References. Ao ancorar a geometria facial, a silhueta corporal e a paleta de cores a arquivos visuais prévios, o Vidu separa completamente a identidade estética da dinâmica de movimento e da direção de câmera, possibilitando cenas consecutivas sem perda de continuidade.
A seguir, apresentamos o fluxo de trabalho detalhado, as melhores práticas de elaboração de prompts e as decisões técnicas necessárias para obter consistência entre cenas no Vidu.
1. Estratégia de pré-produção: definir os ativos visuais antes de animar
A regra fundamental na criação de vídeos com IA é direta: primeiro crie e trave suas imagens de referência estáticas; depois gere o movimento. Os modelos de difusão de vídeo apresentam seu melhor desempenho quando as restrições de identidade estão previamente resolvidas e sem ambiguidade.
Construção do pacote mestre de referências (1 a 7 imagens)
O Vidu aceita até 7 imagens de referência em uma única geração. Enquanto uma imagem frontal isolada pode servir para um plano fixo básico, uma narrativa cinematográfica com múltiplos ângulos exige um conjunto completo de visualizações (character turnaround pack):
- Variedade de ângulos: Inclua uma tomada frontal com iluminação neutra, uma vista em três quartos (3/4) e um perfil lateral definido.
- Enquadramento e silhueta: Forneça ao menos uma imagem de corpo inteiro para calibrar altura, biotipo e o corte da roupa principal, acompanhada de planos médios para detalhes do rosto.
- Coerência de estilo: Todas as imagens devem compartilhar a mesma linguagem visual. Na prática, estilos como animação 2D, traço de anime e 3D estilizado sustentam a identidade entre quadros com muito mais estabilidade do que fotografias fotorrealistas hiperdetalhadas, pois linhas e blocos de cor sólidos servem de âncoras matemáticas mais previsíveis.
- Eliminar elementos de distorção: Evite fotos com expressões faciais forçadas, borrões de movimento (motion blur), sombras muito densas ou microtexturas intrincadas (como rendas complexas, tecidos xadrez finos ou acessórios metálicos em excesso). Detalhes minúsculos tendem a tremer (flicker) e deformar na interpolação dos quadros.
Organize esses ativos em uma pasta de projeto e salve-os na seção My References do RefHub no Vidu para reutilizá-los com um clique sempre que necessário.
2. Passo a passo para execução de múltiplas cenas no Vidu
Com as referências estruturadas, acesse a interface do Vidu e navegue até a área de Reference to Video (/create/character2video).
[Pacote mestre de referências (1 a 7 imagens)]
│
▼
┌───────────────────────┐
│ Vidu Reference to │ ◄─── Prompts desacoplados (Apenas ação e câmera)
│ Video Workspace │
└───────────┬───────────┘
│
├── Tomada 01: Personagem na janela, Camera Push-In (8s)
├── Tomada 02: Personagem vira e sorri, Medium Close-Up (4s)
└── Tomada 03: Personagem corre na chuva, Tracking Shot (8s)
Passo 1: Inserir as imagens de referência
No console de criação, clique em +Reference ou no botão Refs. Faça o upload das suas 1 a 7 imagens do personagem. Se a cena exigir a presença de um objeto-chave ou cenário específico, você pode dedicar um dos slots para isso, mas recomendamos reservar a maioria das vagas para os ângulos do personagem a fim de garantir máxima fidelidade facial.
Passo 2: Adotar o método de prompts desacoplados
O erro mais frequente entre novos usuários é descrever novamente as características físicas no campo de texto (como "Um jovem detetive de cabelos curtos e sobretudo bege andando na rua"). Essa repetição cria um conflito semântico entre os tokens visuais da imagem e os tokens de texto, gerando anomalias na imagem gerada.
A abordagem técnica ideal é desacoplar a aparência do movimento:
- A aparência física é controlada inteiramente pelas imagens de referência.
- O prompt de texto define unicamente verbos de ação, expressões emocionais, iluminação de cena e enquadramentos de câmera.
Exemplo de prompt recomendado:
The character walks rapidly through a rain-slicked neon street, looking over their shoulder with an anxious expression. Cinematic atmospheric lighting, puddle reflections. Camera tracking shot moving backward at eye level.(O personagem caminha em passo rápido por uma rua de neon molhada pela chuva, olhando sobre o ombro com expressão ansiosa. Iluminação atmosférica cinematográfica, reflexos em poças d'água. Plano de acompanhamento de câmera recuando na altura dos olhos).
Passo 3: Ajustar os parâmetros de renderização
- Modelo: Selecione a geração mais recente da plataforma (como o Vidu Q3), que oferece melhor resposta física e maior aderência aos inputs de referência.
- Proporção de tela (Aspect Ratio): Utilize
16:9para formatos widescreen e produções destinadas ao YouTube, ou9:16para vídeos verticais em plataformas como TikTok, Instagram Reels e minisséries para celular. - Duração e amplitude de movimento: Escolha clipes de 4 ou 8 segundos. Para momentos de diálogo ou sutileza emocional, mantenha a amplitude de movimento (Motion Amplitude) em níveis equilibrados para preservar a simetria facial. Para sequências de ação rápida, teste valores mais altos com atenção à nitidez dos quadros.
Passo 4: Produção contínua dos planos seguintes
Ao avançar para a cena 2 e a cena 3 da narrativa:
- Nunca troque o conjunto de imagens de referência. Mantenha rigorosamente as mesmas 1 a 7 imagens carregadas nos slots.
- Atualize somente o texto do prompt para a nova ação do roteiro:
- Cena 2 (Plano de reação):
O personagem senta-se na mesa de um restaurante, retira as luvas e solta o ar devagar. Luz quente de interior, plano médio, aproximação suave de câmera (Slow Camera Push-In). - Cena 3 (Clímax da sequência):
O personagem avista uma carta sobre a mesa, estende a mão para abri-la com olhar focado. Enquadramento fechado nas mãos e no rosto, leve movimento de câmera na mão.
- Cena 2 (Plano de reação):
- Como o modelo consulta a mesma base de características visuais em cada renderização, o rosto, os cabelos e o figurino permanecem homogêneos entre diferentes ambientes e iluminações.
3. Comparativo de métodos e análise de viabilidade
Entender a posição do Vidu frente a outras abordagens de mercado auxilia na tomada de decisão sobre prazos e custos computacionais:
| Critério de avaliação | Vidu Reference to Video | Geração puramente por texto | Inpainting manual e troca de rostos |
|---|---|---|---|
| Estabilidade do sujeito | Alta: Fixada por 1 a 7 referências geométricas | Muito baixa: Rosto e roupas mudam a cada render | Alta: Substituição frame a frame sobre vídeo base |
| Custo de preparação | Baixo: Apenas 3 a 5 boas imagens estáticas | Zero: Apenas digitação de texto | Muito alto: Montagem de nós no ComfyUI, treino de LoRA |
| Tempo de entrega | Rápido: Renderização direta em nuvem no navegador | Imprevisível: Dezenas de tentativas descartadas | Lento: Longas horas de render e pós-produção local |
| Indicação principal | Curtas de animação, comerciais narrativos, storyboards | Ideação inicial, planos conceituais isolados | Efeitos visuais para cinema, substituição de atores |
Restrições práticas e recomendações de uso
- Cenas com múltiplos personagens: Se você tentar colocar dois personagens distintos em uma mesma solicitação de referência para que interajam de perto, o modelo pode misturar seus atributos (como trocar as cores das roupas entre eles). A solução recomendada é gravar planos individuais (plano e contraplano) para conversas, reservando tomadas conjuntas para planos abertos onde os traços faciais não precisem de precisão milimétrica.
- Edição modular de planos: O Vidu entrega clipes de 4 a 8 segundos. Evite tentar condensar uma história inteira em um único comando longo. O fluxo ideal é usar o Vidu como uma câmera de estúdio para capturar planos individuais e, em seguida, fazer a montagem, o corte e a mixagem de áudio no Premiere, DaVinci Resolve ou CapCut.
- Planos de assinatura e uso comercial: O acesso gratuito permite testar a funcionalidade, mas as exportações contêm marca d'água da plataforma e não possuem licença comercial. Criadores de conteúdo que trabalham para clientes, produzem peças publicitárias ou monetizam canais devem optar por planos pagos para obter downloads em alta resolução sem marcas e com direitos comerciais completos.
4. Checklist para animadores e criadores
Para garantir resultados consistentes em seu próximo projeto:
- Produza de 3 a 5 referências limpas (frontal, lateral e corpo inteiro) em iluminação homogênea.
- Cadastre os arquivos no RefHub / My References para acesso rápido durante todo o projeto.
- Mantenha os prompts focados em ação, emoção e câmera, sem reexplicar o visual do personagem.
- Padronize o modelo e a proporção de tela em todas as tomadas da sequência.
- Junte os blocos de 4s a 8s em um editor de vídeo para ditar o ritmo e a narrativa final.
Ao separar a identidade do personagem da instrução de movimento, o Vidu converte o vídeo generativo de um processo puramente aleatório em uma ferramenta viável para fluxos reais de animação e narrativa visual.