Quando o texto para vídeo supera o foto para vídeo
Texto para vídeo é para cenas que ainda não existem: um estádio ao anoitecer, um campo de treinamento, uma caminhada no túnel, uma multidão reagindo. Não há rosto para preservar, então o modelo pode dedicar toda a sua atenção ao local e à câmera.
Se a cena precisar de uma pessoa específica, use foto para vídeo. Um prompt apenas de texto não consegue reproduzir de forma confiável um rosto real, e um rosto gerado não é a pessoa que você queria.
Escreva a cena como uma cena
O prompt funciona melhor quando nomeia o local, o assunto, a ação e a câmera. Um adjetivo de humor é opcional; uma instrução de câmera não é. “Cinemático” diz quase nada ao modelo; “a câmera segue o jogador na altura do ombro” diz onde ela deve estar.
- Local: um estádio iluminado, um túnel, um campo de treinamento encharcado de chuva.
- Assunto: um jogador, uma multidão, um gol vazio, uma bola no ponto.
- Ação: sai, chuta a bola, vira-se para a câmera.
- Câmera: segue por trás, estática ampla, zoom lento, ângulo baixo.
- Luz: holofotes, anoitecer, névoa âmbar, túnel azul frio.
Mantenha a cena pequena o suficiente para renderizar
Um clipe de doze segundos não é um curta-metragem. Um local, um assunto e um movimento de câmera é a forma confiável. Se precisar de um corte, renderize dois clipes e junte-os em um editor; o modelo não é uma linha do tempo.
Multidões são o ponto de falha comum. Cem rostos ao fundo podem se transformar em borrões. Descreva a multidão como atmosfera — luzes piscando, névoa, uma parede de som — em vez de indivíduos.
Custo e iteração
Uma renderização de 480p · 12 segundos custa 5 créditos, 720p custa 10 e 1080p custa 30. Clipes mais curtos custam menos. Uma renderização falha é reembolsada automaticamente, então um prompt rejeitado não custa a renderização.
Itere em 480p. Uma vez que a composição funcione, renderize novamente o prompt vencedor em 720p ou 1080p. Isso é mais barato do que descobrir um problema de enquadramento na resolução mais alta.
Receita de prompt
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.Este é o prompt exato em inglês que o modelo recebe. Edite-o no estúdio acima; o custo do crédito depende da resolução e do comprimento, não do prompt.
Perguntas, respondidas
Preciso de uma foto para texto para vídeo?
Não. Mude o estúdio para o modo de texto e descreva a cena. Uma foto só é necessária quando você quer o rosto de uma pessoa específica no clipe.
Posso gerar uma pessoa real a partir de texto?
Não. O modelo gera um rosto original. Para manter a semelhança de uma pessoa real, carregue a foto dela e use o modo de foto; use apenas fotos que você tem o direito de usar.
Qual a duração máxima do clipe?
Escolha 4, 8 ou 12 segundos. O modelo renderiza uma cena contínua; ele não corta entre cenas.
Posso adicionar áudio?
O estúdio renderiza MP4s silenciosos. Adicione música ou narração em um editor após o download.
E se a multidão parecer errada?
Descreva a multidão como atmosfera em vez de indivíduos, e mantenha a câmera mais próxima do assunto. Cem rostos gerados é uma cena difícil para qualquer modelo.
