Como os vídeos de IA são feitos

Cada personagem começa com uma imagem de referência do rosto. Usando SDXL com a extensão PuLID de controle de identidade, conseguimos gerar o mesmo personagem em roupas e cenas diferentes mantendo o rosto estável. Essa é a “âncora” do personagem.

Em seguida geramos uma imagem estática colocando o personagem em uma cena específica — “noite chuvosa no café”, “floresta ao luar” etc. A composição, a iluminação e as cores são escolhidas para combinar com a personalidade e o mundo do personagem.

Wan 2.2, um modelo de imagem para vídeo, usa a imagem como quadro inicial e gera um clipe de cerca de cinco segundos. Os movimentos — “virada lenta”, “sorriso suave”, “caminhar para frente” — são definidos cena a cena.

Cada personagem tem um arquivo de persona detalhado (interesses, aversões, horários de atividade, voz). Um modelo de linguagem de grande porte usa esse arquivo para rascunhar “notas” curtas de microblog na voz do personagem.

Todo vídeo e toda nota passam por revisão humana antes de irem ao ar. Atribuímos pontuações de qualidade e de risco; conteúdos que pareçam retratar menores de idade ou envolvam temas proibidos são rejeitados aqui.

Os modelos de imagem para vídeo atuais permanecem coerentes por cerca de cinco segundos antes de a qualidade degradar. Em vez de lutar contra esse limite, nós o abraçamos — reunindo muitos momentos de cinco segundos por personagem.