Texto vs imagem vs referência: como escolher a entrada certa para o seu desenho

Existe um momento, normalmente lá pela quinta ou sexta geração, em que você para de perguntar “por que isso parece errado” e começa a perguntar “por que isso parece diferente toda vez”. É a hora de parar de escrever prompts mais longos e mudar o modo de entrada.

Um criador de desenho animado moderno aceita vários tipos de material de partida, e cada um troca uma quantidade diferente de liberdade criativa por uma quantidade diferente de controle. Escolher o certo costuma ser uma alavanca de qualidade maior do que qualquer refinamento de prompt.

Os quatro modos num relance

Texto em vídeo: máxima liberdade, mínimo controle

Você descreve uma cena; o modelo inventa tudo. É o modo para explorar — quando você ainda não sabe como o vídeo deve parecer e quer ver opções.

Use quando: você não tem nenhuma arte, está testando uma ideia, quer variedade entre as gerações, ou o personagem não precisa reaparecer em lugar nenhum.

A fraqueza real é a identidade mudar. Nada fixa a aparência do personagem além das suas palavras, então duas gerações do mesmo prompt produzem dois personagens diferentes. Detalhes físicos fixos ajudam (“um olho azul e um verde, um ombro esquerdo amassado”), mas são uma orientação, não uma garantia.

Dica prática: texto em vídeo é também o único modo em que você escolhe livremente a proporção. Quando você anexa uma imagem ou um vídeo de origem, o modelo herda o formato desse arquivo.

Imagem em vídeo: o quadro de abertura é seu

Você envia uma imagem e o modelo a trata como o primeiro quadro, animando a partir dela. Tudo o que aparece nessa imagem — o design do personagem, a paleta, a composição, a luz — fica fixo no começo e tende a se manter.

Use quando: você já tem um personagem, um logotipo, a foto de um produto, uma arte conceitual ou o desenho de uma criança que quer animar. Use também quando o texto em vídeo continua acertando a ideia no estilo errado: gere uma imagem de que goste e anime essa.

O que o prompt faz aqui muda completamente. Ele não descreve mais a aparência — a imagem já fez isso. Ele descreve o que acontece. “A raposa vira a cabeça para a janela e mexe as orelhas” é um bom prompt de imagem em vídeo. “Uma raposa de desenho numa floresta” é desperdício, porque você acabou de descrever a imagem que já enviou.

Limitação para conhecer: o resultado herda a proporção da imagem. Se precisa de um vídeo vertical 9:16, recorte a imagem em 9:16 antes de enviar. Não dá para mudar a proporção neste modo.

Primeiro e último quadro: controlando o destino

Envie duas imagens — uma marcada como primeiro quadro e outra como último — e o modelo anima um caminho plausível entre elas. É o modo menos usado e o que resolve o problema mais irritante do vídeo gerado: o final.

A geração comum dá um começo que você escolheu e um final que você não escolheu. Para qualquer coisa que precise terminar em algo específico, isso é uma limitação real. Primeiro e último quadro inverte isso.

Use quando:

• Vinhetas de logotipo. Comece no caos e termine no seu logotipo, exatamente como o manual da marca desenha.
• Transformações. Lagarta em borboleta, mesa bagunçada em mesa arrumada, rascunho em arte final. O modelo inventa o meio, que é a parte difícil, enquanto você controla as duas pontas.
• Antes e depois. Demonstrações de produto em que o resultado precisa ser preciso, não imaginado.
• Loops. Use a mesma imagem como primeiro e último quadro e você tem um clipe que volta ao começo — perfeito para um fundo em loop ou um post repetido.

Limitações: a proporção é herdada da imagem do primeiro quadro, e as duas imagens precisam ter uma ligação plausível. Pedir ao modelo para ir de uma floresta em aquarela a uma nave espacial em pixel art em trinta segundos vai gerar algo incoerente — ele interpola, não teletransporta.

Referência em vídeo: identidade em muitas cenas

Em vez de um quadro, você envia um conjunto de imagens de referência — um personagem de alguns ângulos, um objeto, um lugar — e o modelo leva essas identidades para uma cena nova que nenhuma referência mostra.

É a diferença entre fazer um vídeo e fazer uma série. Com referências, o episódio quatro pode ter um personagem reconhecivelmente igual ao do episódio um, num lugar que você nunca fotografou, fazendo algo que você nunca desenhou.

Use quando: você está construindo uma marca com mascote, um elenco recorrente, um conjunto de anúncios que precisam parecer da mesma família, ou qualquer trabalho em que a consistência é o ponto.

Como preparar boas referências:

• Mostre o personagem com clareza e grande no quadro, sobre um fundo simples sempre que possível.
• Dois ou três ângulos são melhores que um. Uma vista de frente e uma de três quartos resolvem quase toda dúvida sobre um rosto.
• Mantenha a luz neutra. Uma luz colorida forte na referência é lida como parte das cores do personagem.
• Chame o personagem no prompt por um nome curto e consistente — “o gato mascote laranja” — para o texto e as imagens concordarem sobre quem é quem.

Você pode enviar várias referências numa mesma geração, então dá para mandar um personagem, uma roupa, um objeto e um ambiente juntos em vez de escolher entre eles.

Um caminho de decisão

Na prática, a maioria das pessoas deve seguir esta ordem:

1. Comece pelo texto. Faça três ou quatro gerações rápidas para encontrar o conceito e o estilo que funcionam. Isso é exploração; não refine ainda.
2. Quando uma geração estiver quase certa, tire um quadro. Pegue uma imagem de que goste e mude para imagem em vídeo, usando-a como primeiro quadro. Agora o visual está travado.
3. Se o final importa, adicione um último quadro. Principalmente para qualquer coisa que termine num logotipo, num produto ou numa pose específica.
4. Se você precisa de mais de um vídeo, monte referências. Quando tiver um personagem que quer manter, junte duas ou três imagens limpas dele e passe para o modo de referência em tudo daí em diante.

O erro que quase todo mundo comete é tentar fazer o trabalho do passo quatro com as ferramentas do passo um — escrever prompts de texto cada vez mais elaborados na esperança de fixar um personagem que só uma imagem consegue fixar. O texto descreve; a imagem especifica. Use a certa.

E se o que você quer é uma história longa, de vários minutos, não precisa montar nada disso à mão: escolha a duração no estúdio e a história inteira é planejada com o mesmo elenco do começo ao fim.

O que nenhum modo resolve

Duas limitações sobrevivem a todos os modos de entrada, e vale conhecê-las antes de planejar um projeto. Texto renderizado dentro do quadro — placas, rótulos, legendas — não é confiável em nenhum modelo atual; adicione depois num editor. E sincronia exata, quadro a quadro, com uma narração pré-gravada ainda não é algo que você consiga especificar; se o clipe precisa acertar uma batida em 00:14, planeje ajustar o áudio ao vídeo, e não o contrário.

Todo o resto agora é questão de escolher o material de partida certo. Teste a mesma ideia em dois modos diferentes no criador de desenho animado e a diferença de controle vai ficar óbvia em uma geração de cada.