Vidu Q4 image to video: anime uma imagem com som e fala

A maioria dos modelos de imagem para vídeo entrega um clipe mudo e deixa o som com você. O Vidu Q4 Preview image to video não: ele recebe uma imagem e um prompt e, por padrão, escreve o áudio junto com o movimento. Num dos exemplos da página dele, uma tenista olha para a câmera depois de uma partida e diz uma frase, e a boca acompanha as palavras. É por isso que se escolhe esse modelo. Se você só precisa de alguns segundos de nuvens sobre uma paisagem, um vizinho mais barato na página de modelos faz o mesmo.

O que você entrega

• Uma imagem (obrigatória). Ela vira o primeiro quadro, então composição, luz e rostos são decididos aqui.
• Um prompt (obrigatório). Descreva o que acontece depois, não o que já está na imagem.
• Resolução. Uma lista que vai de um tamanho leve de teste até um tamanho final grande, com um meio-termo sensato como padrão.
• Duração. Um controle deslizante em segundos inteiros. O padrão é curto; o topo dá para uma frase falada inteira e uma reação.
• Generate audio. Ligado por padrão. Desligue quando o clipe for ficar sob a sua própria música.
• Advanced: expansão do prompt (desligada por padrão) e uma seed.

Onde ele brilha

Retratos falantes e cenas pequenas com uma fonte de som. Um personagem que diz uma frase, uma chaleira que começa a apitar, chuva na janela que dá para ouvir. Como som e imagem saem da mesma execução, o tempo costuma bater: a porta fecha quando você ouve o barulho. Dê ao modelo um quadro inicial limpo e bem iluminado, com o sujeito grande no enquadramento, e ele mantém rosto e roupas perto da sua imagem em vez de se desviar dela.

Três prompts para começar

O vocabulário é o mesmo de qualquer modelo de imagem para vídeo: um movimento de câmera, uma ação do sujeito, uma atmosfera. O glossário de prompts de movimento traz as palavras que funcionam e as que derretem a imagem. A novidade aqui é o espaço do som: nomeie o som que você quer, e nomeie uma vez.

Truques

• Deixe a expansão do prompt desligada se você escreveu o prompt com cuidado. Ela reescreve um prompt curto em um longo, o que ajuda uma ideia de uma palavra e atrapalha uma precisa, principalmente uma fala que você quer palavra por palavra.
• Fixe a seed enquanto ajusta. Defina o seu próprio número de seed antes de mexer no prompt, assim cada mudança é a única mudança. A explicação sobre seed mostra por que isso economiza execuções.
• Combine a duração com a ação. Um clipe curto para uma piscada ou um gole, um mais longo para uma frase. Um clipe longo com uma ação mínima preenche o resto com movimento que você não pediu.

A limitação honesta

É um modelo preview, e isso aparece na fala. Frases curtas com palavras claras saem bem; monólogos longos, nomes e números falados em voz alta são onde lábios e palavras começam a se separar. Mantenha o diálogo em uma frase por clipe e divida falas longas em vários clipes que comecem do último quadro do anterior. E o quadro inicial continua mandando: mãos e textos pequenos na imagem não melhoram ao se mexer, então corrija antes (o guia passo a passo de foto para vídeo explica como preparar o quadro).