Geração de vídeo com IA
O que é imagem para vídeo?
Imagem para vídeo é geração de vídeo com IA que parte de uma imagem parada e gera, a partir de um prompt, o movimento que vem em seguida. A sua imagem vira o primeiro quadro, exatamente como está, ou uma referência que mantém um elemento principal reconhecível, e o modelo adiciona o movimento: uma pessoa se virando, ondas quebrando, uma câmera se aproximando.
Pela Equipe DreamBench. Atualizado em .
Imagem para vídeo em resumo
Visão geral
- Entrada
- Uma imagem e um prompt; em alguns modelos, também um último quadro.
- Saída
- Um clipe curto, geralmente de 4 a 15 segundos por plano, muitas vezes com som.
- O que você define
- O primeiro quadro, exatamente como a sua imagem.
- O modelo decide
- Tudo o que vem depois: o movimento, a câmera, o que entra em cena.
- Tem dificuldade com
- Rostos que se viram e voltam, mãos, texto e grandes mudanças em relação à imagem.
Como funciona a IA de imagem para vídeo
Imagem para vídeo funciona colocando a sua imagem como o primeiro quadro de um clipe que, fora isso, é ruído, marcando-a como um quadro a manter e gerando o resto ao lado dela. Um segundo codificador lê o conteúdo da imagem para que o visual dela passe aos quadros que ela nunca mostrou. O prompt orienta só o movimento.
A imagem define como o clipe começa, então o modelo tem muito menos a inventar do que em texto para vídeo. O que ele ainda inventa é tudo o que a imagem não mostra: a nuca de alguém, o resto de um cômodo, o que acontece depois.
Por dentro: como a imagem guia o modelo
O modelo aberto Wan documenta um design comum. A imagem é comprimida pelo mesmo codificador do vídeo e colocada como primeiro quadro, com quadros vazios depois dela. Uma máscara marca esse quadro como um a ser mantido, e o modelo gera o resto a partir de ruído ao lado dele.
Um segundo codificador lê o conteúdo da imagem e também o fornece ao modelo, para que o visual dela continue em quadros que a imagem nunca mostrou. Marcar um último quadro a ser mantido com a mesma máscara é como o método se estende para primeiro e último quadro.
Como escrever um prompt de imagem para vídeo
Descreva o que se move e como a câmera se move, não a cena: a imagem já fixa o elemento principal, a luz e o estilo. “Ela se vira para a janela; aproximação lenta; as cortinas se levantam com a brisa” basta.
Primeiro quadro, último quadro ou referência
Uma imagem pode ter três papéis num vídeo. O que você escolher decide quanto do clipe é seu e quanto o modelo cria.
Início
Gerado
Gerado
Gerado
Gerado
Fim
Você fixa as duas pontas. O modelo inventa um caminho entre elas que respeita o prompt, então, quanto mais diferentes forem os dois quadros, mais ele precisa inventar.
| O clipe | O que você corrige | Bom para | |
|---|---|---|---|
| Primeiro quadro | Começa exatamente na sua imagem | O início | Animar uma foto, uma foto de produto ou um quadro que você criou |
| Primeiro e último quadro | Começa numa imagem e termina em outra | Início e fim | Transições, revelações, antes e depois |
| Referência | Um novo plano com o seu tema nele | Quem ou o que aparece | O mesmo personagem ou produto em muitos planos |
Quais modelos de vídeo aceitam primeiro e último quadro
Os modelos de vídeo diferem na forma como usam uma imagem: alguns aceitam onde terminar além de onde começar, outros não. Esta tabela é lida das mesmas configurações que o painel de criação do DreamBench usa:
| Modelo | Som | Primeiro e último quadro | Resoluções | Proporções |
|---|---|---|---|---|
| Seedance 2.5 | Ligado ou desligado | Sim | 480p, 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| Seedance 2.0 | Ligado ou desligado | Sim | 720p, 1080p, 4K | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| Veo 3.1 | Sempre ligado | Sim | 720p, 1080p, 4K | 16:9 · 9:16 |
| Kling 4.0 | Sempre ligado | Sim | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| Kling 3.0 | Ligado ou desligado | Sim | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| Wan 3.0 | Sempre ligado | Sim | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 |
| Wan 2.7 | Ligado ou desligado | Sim | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 |
| Grok Imagine 1.5 | Sempre ligado | Só o primeiro quadro | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 |
| MiniMax H3 | Sempre ligado | Sim | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| HappyHorse 1.1 | Sempre ligado | Só o primeiro quadro | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 · 21:9 |
| LTX-2.3 | Ligado ou desligado | Sim | 720p, 1080p, 4K | 16:9 · 9:16 |
| Vidu Q2 | Ligado ou desligado | Só o primeiro quadro | 720p, 1080p | 1:1 · 16:9 · 9:16 · 4:3 |
“Só o primeiro quadro” significa que o modelo começa a partir da sua imagem, mas não dá para dizer onde ele deve terminar. Escolha um modelo com primeiro e último quadro para transições e revelações.
Formas de fazer uma imagem estática se mover
| O que se move | O que é mantido | |
|---|---|---|
| Imagem para vídeo | O elemento principal, a cena e a câmera, tudo gerado do zero | O primeiro quadro; depois disso, só o que o modelo consegue manter |
| Panorâmica e zoom (o efeito Ken Burns) | Só uma câmera virtual deslizando sobre a foto | Cada pixel: nada novo é criado |
| Foto falante | Um rosto sincronizado com a fala | A maior parte da imagem, que fica parada |
Onde se usa a IA de imagem para vídeo
- Dar vida a fotos antigas de família.
- Transformar fotos de produto em anúncios curtos.
- Animar um logo para uma abertura ou um encerramento, com o clipe feito para terminar no logo como foi enviado.
- Animar um personagem ou uma cena criados com um modelo de imagem.
- Posts nas redes sociais que se movem em vez de ficarem parados.
- Abrir um filme num quadro que você criou e depois gerar o resto do plano.
O que a IA de imagem para vídeo não consegue fazer
- A IA inventa o movimento: o que aconteceu depois que a foto foi tirada nunca foi registrado.
- Um rosto que se vira e volta pode voltar um pouco diferente: uma falha de consistência temporal.
- Quanto mais o clipe se afasta da imagem, menos dela resta para mantê-lo no rumo.
- Alguns modelos recusam algumas fotos. No DreamBench, o Seedance não aceita imagem de referência que mostre o rosto de uma pessoa real.
- Só anime fotos que você tem o direito de usar, e peça autorização antes de animar a foto de outra pessoa.
Por que a minha foto fica cortada no vídeo? No painel de criação, o formato é escolhido primeiro, e um quadro inicial é redimensionado para preenchê-lo e cortado no centro, então uma foto 4:3 em um clipe 16:9 perde a parte de cima e a de baixo. Corte a foto no formato do clipe antes, ou aumente-a até esse formato com o expansor de imagem com IA. A ferramenta de uma foto só mantém o formato da própria foto; uma foto sem nitidez ou pequena anima melhor depois do melhorador de fotos com IA.
Como o DreamBench transforma uma imagem em vídeo
A ferramenta de imagem para vídeo anima uma única foto num clipe curto que começa nela, e Animar fotos antigas é preparada para fotos de família.
Qualquer resultado do DreamBench também pode abrir no painel de criação como imagem de referência: um recorte, uma foto restaurada, um quadro ampliado com o expansor de imagem com IA. O DreamBench escreve as cenas e as renderiza no modelo de vídeo que você escolher, como Seedance 2.5, Veo 3.1 ou Kling 3.0.
| A ferramenta de imagem para vídeo | O painel de criação | |
|---|---|---|
| Entrada | Uma foto de até 40 MB, JPEG, PNG, WebP ou qualquer formato que o seu navegador abra, redimensionada para 2048 pixels no lado maior antes da geração | Até 8 imagens de referência em um filme, um primeiro quadro e, nos modelos que aceitam, um último quadro |
| Duração | Cinco segundos | De 4 a 300 segundos, com o limite do plano: 30 segundos no Starter, 2 minutos no Plus, 5 minutos no Ultra e no Studio |
| Resolução | Cerca de 720p, seja qual for o tamanho da foto | 720p ou 1080p em todos os modelos, 4K no Seedance 2.0, no Veo 3.1 e no LTX-2.3 |
| Formato | O formato da própria foto: uma foto vertical dá um clipe vertical | 1:1, 16:9, 9:16, 4:3 ou 21:9, escolhido primeiro; um quadro inicial é redimensionado para preencher o formato e cortado no centro |
| Som | O som tranquilo do lugar, sem ninguém falando | Diálogo, efeitos e ambiente nos modelos que geram som; a tabela acima mostra quais |
| Rostos | Uma foto de uma pessoa nunca vai para o Seedance, o Veo ou o Grok Imagine; se o primeiro modelo a recusar, um segundo tenta uma vez | O Seedance recusa uma referência que mostre um rosto real, então um filme assim é renderizado em outro modelo |
Perguntas
Qual é a diferença entre imagem para vídeo e texto para vídeo?
A geração de texto para vídeo parte só de palavras, então o modelo decide como tudo vai ficar. A de imagem para vídeo parte de uma imagem, então o elemento principal, a luz e o estilo vêm da sua imagem, e o prompt descreve o movimento.
Qual a duração máxima de um clipe de imagem para vídeo?
A maioria dos modelos faz um plano de cerca de 4 a 15 segundos a partir de uma imagem. Vídeos mais longos são montados com vários planos, que é como o painel de criação do DreamBench faz um filme.
Posso definir o último quadro também?
Sim, nos modelos que suportam primeiro e último quadro: você fornece duas imagens e o modelo gera o movimento entre elas. Alguns modelos aceitam só o primeiro quadro.
A IA consegue animar uma foto?
Sim. Um modelo de imagem para vídeo usa a sua foto como primeiro quadro e gera o movimento seguinte a partir de um prompt curto: uma pessoa se virando, ondas quebrando, uma câmera se aproximando. O clipe costuma ter de 4 a 15 segundos e começa exatamente na sua imagem. Uma foto nítida, com um elemento principal claro, luz uniforme e espaço ao redor para o movimento, é a que melhor anima; a ferramenta do DreamBench mantém o formato da própria foto, então corte antes se o clipe precisar de outro.
Por que o rosto no meu vídeo está diferente da minha foto?
O rosto muda porque só o primeiro quadro é a sua foto; cada quadro seguinte é gerado, e um rosto que se vira e volta é redesenhado da memória do modelo. Mantenha pequenos os movimentos de câmera e de cabeça, mantenha o clipe curto e comece de uma foto nítida, bem iluminada, com o rosto grande no quadro.
Imagem para vídeo consegue adicionar som?
Nos modelos que geram som, sim: o clipe começa na sua imagem, e o modelo gera efeitos, ambientação ou diálogo junto com o movimento. A tabela acima mostra quais modelos fazem som sempre, opcionalmente ou nunca.
Posso usar mais de uma imagem?
Sim, de duas formas: um primeiro e um último quadro nos modelos que aceitam os dois, ou várias imagens de referência de um personagem ou produto que o mantêm reconhecível ao longo dos planos de um filme no painel de criação do DreamBench.
Posso transformar uma foto em vídeo no celular?
Sim. A ferramenta de imagem para vídeo do DreamBench funciona no navegador do celular, sem nada para instalar: escolha a foto da sua galeria e o clipe é baixado em MP4.
Dá para animar a foto de uma pessoa real?
Com alguns modelos. No DreamBench, o Seedance recusa imagens de referência que mostrem o rosto de uma pessoa real, então um vídeo feito a partir de uma foto assim usa outro modelo. Só anime fotos que você tem o direito de usar.
Transformar imagem em vídeo é pago?
Depende do app. No DreamBench, você cria uma conta gratuita e escolhe um plano antes do primeiro clipe, e cada clipe consome créditos do plano.
Imagem para vídeo mantém a proporção da minha foto ou a corta?
Imagem para vídeo mantém a proporção da sua foto na ferramenta de uma foto do DreamBench: uma foto vertical dá um clipe vertical e uma foto em paisagem dá um clipe em paisagem, em cerca de 720p. No painel de criação, você escolhe o formato do clipe primeiro, e um quadro inicial é redimensionado para preenchê-lo e cortado no centro, então corte a foto nesse formato você mesmo, ou expanda-a com o expansor de imagem com IA, antes de começar.
Que tamanho e formato de foto funcionam para imagem para vídeo?
Uma foto para imagem para vídeo no DreamBench pode ser um JPEG, PNG, WebP ou qualquer formato que o seu navegador abra, de até 40 MB; ela é redimensionada para 2048 pixels no lado maior antes da geração, então um arquivo maior não acrescenta nada. O que importa mais do que pixels é uma imagem nítida e bem iluminada, com um elemento principal bem definido e afastado das bordas, já que o clipe abre exatamente nela e todos os quadros seguintes são inventados a partir dela.
Quanto tempo leva imagem para vídeo?
Imagem para vídeo leva alguns minutos para um clipe de cinco segundos na ferramenta do DreamBench, e a página mostra o clipe assim que fica pronto. Se o primeiro modelo recusar a sua foto, um segundo tenta uma vez, o que acrescenta um pouco de tempo; se esse também recusar, os créditos da geração voltam. No painel de criação, um plano leva de menos de um minuto a vários minutos, conforme o modelo, a duração, a resolução e o som.
O que acontece com a foto que eu envio para imagem para vídeo?
A foto que você envia para imagem para vídeo fica no seu navegador até você gerar um clipe. Depois, ela é usada para gerar esse clipe e nada mais, e é removida do armazenamento da ferramenta depois de 7 dias, junto com o resultado; um resultado que você guarda na sua biblioteca fica enquanto você quiser. O MP4 leva um rótulo nos dados do arquivo dizendo que foi feito com IA no DreamBench, sem nada desenhado sobre a imagem.
Relacionados
Ferramentas do DreamBench
- Imagem para vídeo com IAUma foto vira um clipe de cinco segundos com movimento natural e som, pedindo os mesmos rostos.
- Animador de fotos antigasUma foto antiga de família ganha vida com delicadeza num clipe de cinco segundos: uma piscada, uma respiração, um leve sorriso.
- Criador de vídeos de produtoUma foto de produto vira um clipe de cinco segundos com som: um giro, uma aproximação, uma órbita ou uma passagem de luz.
- Animador de logoUma animação de cinco segundos do seu logo que termina no próprio logo, limpo: doze estilos, três formatos, HD com som.
Páginas de modelos
- Seedance 2.5Conte uma história curta em um clipe de até 30 segundos, dividido em planos encadeados, com som criado junto com a imagem.
- Veo 3.1Dê forma a cenas realistas em widescreen ou na vertical, com diálogos e som, no Veo 3.1, no Fast ou no Lite.
- Kling 3.0Coloque o movimento em foco, de esportes e dança a veículos, com diálogo em sincronização labial em 5 idiomas.
Termos
- Texto para vídeoIA que transforma um prompt escrito em um clipe de vídeo, com cada quadro inventado a partir das palavras.
- Consistência temporalO quanto um vídeo com IA mantém as coisas iguais de um quadro para outro, sem cintilação nem desvio.
- OutpaintingEstender uma imagem além das bordas com conteúdo novo que combina com a cena.
Fontes
- Wan: Open and Advanced Large-Scale Video Generative Models, §5.1 Image-to-Video GenerationarXiv, consultado em
O DreamBench é uma plataforma independente e não é afiliado às empresas citadas nesta página nem endossado por elas.