Continuidade de planos
Vídeo com IA de primeiro a último frame: transições generativas no canvas
Entenda como funcionam as transições generativas entre o primeiro e o último frame no vídeo com IA, evite deformações, crie prompts de movimento e encadeie planos no canvas do Say Action.
Nesta página
- Interpolação vs transições generativas: entendendo a diferença mecânica
- O contrato visual entre o quadro A e o quadro B
- Encadeamento de sequências de planos no canvas do Say Action
- Como escrever o prompt de movimento entre duas âncoras visuais
- Como detectar deformações e gerenciar o orçamento de regerações
- Conecte suas APIs e serviços de intermediação
Interpolação vs transições generativas: entendendo a diferença mecânica
Muitos criadores que estão começando na produção audiovisual com IA confundem a interpolação tradicional de frames com as transições generativas de primeiro a último frame (FLF2V, First/Last Frame to Video). Algoritmos clássicos de interpolação, baseados em fluxo óptico ou redes como RIFE e FILM, operam sobre vídeos que já foram gravados. O único papel deles é sintetizar quadros intermediários em intervalos de milissegundos para suavizar o movimento (como converter 24 fps em 60 fps ou criar câmera lenta), acompanhando vetores de pixels preexistentes. Por outro lado, a geração de vídeo a partir de primeiro e último frame parte de duas imagens estáticas completamente independentes: o Quadro Inicial A e o Quadro Final B. O modelo de difusão não faz mero retoque de pixels; ele precisa calcular no espaço latente a profundidade tridimensional, a cinemática esquelética e a física dos objetos para criar do zero segundos inteiros de narrativa em movimento.
Compreender essa diferença mecânica é crucial para evitar falhas graves ao estruturar planos de uma mininovela vertical. Tratar a geração por IA como simples interpolação resulta em deformações visuais desastrosas. Ao receber o Quadro A e o Quadro B, o modelo busca uma trajetória contínua no espaço latente que atenda a ambos os limites. Se a distância composicional ou a mudança de postura entre os dois extremos for excessiva para a capacidade temporal do modelo, a rede não consegue encontrar um caminho fisicamente verossímil. Em vez de simular um personagem girando e dando passos naturais, o modelo gera aberrações visuais, membros duplicados e rostos que se derretem (melting artifacts). Planejar uma transição generativa exige olhar de diretor: os quadros A e B não são ilustrações soltas, mas as coordenadas exatas de início e fim de um único plano contínuo.
Em um fluxo de trabalho profissional, as transições generativas constroem a ponte definitiva entre o storyboard estático e as cenas prontas para edição. Diferente da geração às cegas apenas por texto, na qual o enquadramento final fica ao acaso, o controle por âncoras duplas traz previsibilidade à entrada e saída de cena. No canvas do Say Action, esse mecanismo se conecta diretamente ao roteiro e às linhas da decupagem de planos. Ao definir com exatidão o que a câmera enquadra no início e fixar a composição final do plano, você elimina o desvio acumulativo de câmera e produz clipes que se encaixam perfeitamente na linha do tempo externa.
O contrato visual entre o quadro A e o quadro B
Para que uma transição generativa ocorra com naturalidade e sem deformações bizarras, o Quadro A e o Quadro B precisam respeitar o que o cinema chama de contrato de continuidade visual. Como os modelos de difusão calculam vetores de movimento no espaço latente, as constantes físicas do ambiente devem ser rigorosamente compatíveis entre as duas imagens. O primeiro pilar desse contrato é a iluminação: a direção da luz principal, a intensidade do preenchimento, a temperatura de cor e as sombras projetadas devem coincidir. Se o Quadro A tiver iluminação quente de fim de tarde vinda da esquerda e o Quadro B tiver luz fluorescente branca vinda de cima, o modelo não conseguirá deduzir uma transição física verossímil e gerará oscilações cromáticas ou manchas luminosas estranhas.
O segundo pilar é a consistência anatômica, de figurino e de cenário. O corte de cabelo, os detalhes da roupa, os acessórios, os traços faciais e a arquitetura do espaço precisam estar perfeitamente alinhados em ambos os quadros. Se o protagonista veste um casaco aberto no Quadro A, ele não pode aparecer abotoado no Quadro B, a menos que o prompt descreva esse gesto e haja tempo suficiente para a ação ocorrer. Além disso, a distância focal e a perspectiva da lente devem ser harmônicas. Mudar bruscamente de uma grande-angular de 24 mm com distorção de borda no Quadro A para uma teleobjetiva de 85 mm no Quadro B quebra a perspectiva do modelo. É essencial preparar ambos os quadros no canvas usando nós de referência de personagem e estilos consistentes antes de conectá-los ao nó de vídeo.
O terceiro pilar é a proporção entre o deslocamento físico e a duração em segundos do clipe. No mundo real, uma pessoa sentada em uma escrivaninha não consegue se levantar, atravessar uma sala de cinco metros e abrir uma porta em apenas três segundos. Exigir um movimento longo em poucos frames força o modelo a acelerar a velocidade a níveis absurdos, gerando membros borrachudos e rostos deformados. Aplique a regra da ação única: o Quadro A define a postura inicial de um gesto específico (como estender a mão para pegar uma xícara) e o Quadro B mostra a conclusão desse mesmo gesto (a xícara já próxima aos lábios). Se a cena exige várias ações consecutivas, divida o momento em planos menores em vez de sobrecarregar uma única transição.
Encadeamento de sequências de planos no canvas do Say Action
Em mininovelas verticais formadas por planos sequenciais, manter a fluidez entre cenas exige um ambiente onde os materiais visuais circulem sem atrito. No canvas do Say Action, essa continuidade é estruturada pelo encadeamento visual de nós (Node Chaining). Não é necessário exportar arquivos de vídeo, pausar em reprodutores externos para salvar o último frame e subir imagens de novo em outra ferramenta: tudo é resolvido diretamente no canvas infinito. Você conecta a linha da decupagem ao nó de imagem inicial e ao nó de geração de vídeo (como o Seedance 2.5). Assim que o plano 1 termina de renderizar e o movimento agrada, o frame final pode ser aproveitado de imediato.
O processo para extrair o frame final é bastante intuitivo. No reprodutor do nó de vídeo do plano 1, acesse o menu de opções no canto superior direito e selecione «Extrair último frame» (Extract Last Frame). O sistema captura o frame de encerramento na resolução nativa do vídeo e o transforma em um novo nó de imagem independente no canvas. Esse nó passa a ser uma referência visual fundamental para o plano 2. Ao conectar a saída dessa imagem ao slot «First Frame» (primeiro frame) do nó de vídeo do plano 2, usar o último frame do plano anterior como primeiro frame do seguinte melhora consideravelmente a continuidade visual e reduz discrepâncias de iluminação, figurino ou posicionamento; contudo, o resultado final depende do modelo de vídeo adotado e segue exigindo revisão cuidadosa.
Vale lembrar que os modelos de vídeo disponíveis no canvas possuem capacidades distintas de entrada. Por exemplo, os canais Seedance oferecem suporte nativo a slots duplos de primeiro e último frame, sendo perfeitos para transições em que início e fim precisam ser travados. Em contrapartida, os adaptadores atuais do Gemini Veo e Novita aceitam apenas uma imagem de início, e o MiniMax H3 proíbe por API o uso simultâneo de primeiro/último frame com imagens de referência de personagens. Ao montar cenas complexas no Say Action, direcione os planos que exigem travamento duplo para o Seedance e reserve modelos de imagem única para planos de reação e closes mais soltos.
Como escrever o prompt de movimento entre duas âncoras visuais
Quando um vídeo é gerado a partir de um frame inicial e um frame final, o papel do prompt muda radicalmente em relação ao texto puro. O erro mais frequente entre iniciantes é redcrever todo o cenário e o personagem, usando frases como «um jovem detetive de sobretudo bege em um beco com neblina». Como o Quadro A e o Quadro B já fixam o rosto, o figurino, a luz e o ambiente em nível de pixel, repetir detalhes estáticos confunde o codificador de texto e enfraquece o condicionamento visual. Em um fluxo de primeiro e último frame, o prompt deve funcionar estritamente como uma «ponte de movimento» (Motion Bridge), descrevendo como o mundo se desloca da Âncora A até a Âncora B.
Um prompt de ponte de movimento eficiente é composto por três elementos estruturados: vetor de câmera, ação do personagem e dinâmica ambiental secundária. A sintaxe recomendada segue o formato de direção: `[Câmera: vetor e velocidade] + [Personagem: ação de transição específica] + [Ambiente: sutil movimento de cena]`. Por exemplo, se o Quadro A for um plano médio de um homem olhando para o celular e o Quadro B for um plano sobre o ombro mostrando a tela iluminada, o prompt ideal seria: «A câmera avança em travelling frontal suave e constante, subindo levemente em direção ao ombro direito do sujeito. O sujeito abaixa o olhar e inclina o celular em direção à lente. A luz da tela ilumina sutilmente o queixo, movimento cinematográfico firme e sem trepidação». Não se perde tempo descrevendo a aparência do ator, focando apenas no movimento.
As palavras usadas para definir o ritmo e a velocidade no prompt influenciam diretamente a fluidez do clipe. Termos de estabilização como «velocidade constante» (steady velocity), «desaceleração suave» (smooth easing) ou «foco firme no personagem» ajudam o modelo a manter o controle. Por outro lado, comandos caóticos como «chicote de câmera violento e giro rápido» provocam rotações bruscas que desconfiguram o rosto nas etapas intermediárias. Caso a narrativa exija movimentos dinâmicos, utilize termos cinematográficos padronizados (como Dolly-In, Pedestal ou Orbit Arc) para oferecer um corredor de movimento limpo e seguro ao modelo.
Como detectar deformações e gerenciar o orçamento de regerações
Mesmo com prompts estruturados e frames bem escolhidos, transições generativas podem apresentar imperfeições ocasionais. A falha mais comum é o derretimento no espaço latente (morphing): o personagem permanece estável no início e no encerramento, mas no meio do clipe seus traços faciais ou dedos sofrem distorções antes de se recomporem no último instante. Isso ocorre quando a distância matemática entre a Âncora A e a Âncora B ultrapassa a capacidade de atenção espaço-temporal do modelo. Ao revisar os clipes gerados no canvas, avance quadro a quadro no terço central do vídeo; se notar dedos duplicados, olhos desalinhados ou tecidos flutuando, a transição atingiu o limite da física calculável.
Para solucionar essas deformações de forma metódica, siga um roteiro em três etapas. Primeiro, ajuste a duração no nó de vídeo: aumentar o tempo de renderização de 3 ou 4 segundos para 5 ou 6 segundos dá ao modelo o respiro necessário para calcular uma transição suave. Segundo, examine o ângulo de rotação corporal entre A e B; se o personagem girar mais de 90 graus ou se deslocar muito no eixo de profundidade, divida a linha da decupagem em dois planos menores, inserindo um frame intermediário (de A para A.5 e de A.5 para B). Terceiro, verifique se a física do ambiente não contém direções conflitantes, como cortinas balançando para a esquerda em A enquanto o prompt pede vento para a direita.
Na produção de mininovelas com dezenas de planos, controlar o consumo de créditos e as regerações é vital para o orçamento. Quando ocorrem instabilidades técnicas nos serviços upstream, o Say Action protege os créditos do criador: Quando o provedor confirma a falha da geração, os créditos reservados são devolvidos. Se uma interrupção de conexão deixar o resultado ou a cobrança incertos, a tarefa fica aguardando análise para evitar uma liquidação duplicada. Já nos casos em que o vídeo foi gerado com sucesso, mas o movimento não agradou à direção, regerar a cena constitui uma nova tarefa com estimativa prévia de créditos exibida antes do envio. Para não desperdiçar recursos, evite testar transições arriscadas diretamente em clipes de 10 segundos; valide primeiro a continuidade com tomadas econômicas de 4 segundos e reserve durações maiores apenas para a renderização final.
Conecte suas APIs e serviços de intermediação
Nas configurações do canal, informe a Base URL e a chave API. Defina o protocolo, os IDs dos modelos e os cabeçalhos conforme a documentação do provedor. Confira os modos de imagem e vídeo antes de gerar. Endereços, resoluções e entradas de quadro inicial e final dependem do canal conectado. Solicitar a adaptação de um canal não garante sua compatibilidade.
O BYOK permite configurar o endereço da API, a chave do modelo e cabeçalhos personalizados. Ao usar OneAPI, NewAPI ou outro intermediário, selecione o protocolo OpenAI, Gemini ou Claude correspondente à API e confira os IDs dos modelos e o suporte às APIs de imagem e vídeo. Nem todo serviço ou protocolo privado funciona automaticamente. Chamadas BYOK não têm acréscimo da plataforma sobre o custo dos modelos nem descontam créditos de geração da plataforma; o espaço de trabalho e o uso do provedor são cobrados separadamente.
Conecte apenas provedores de confiança e use HTTPS em produção. As solicitações passam pelo backend autenticado e utilizam os prompts, as referências e as credenciais necessários. Não coloque chaves API, senhas ou cabeçalhos com segredos em canvases públicos, capturas de tela ou pedidos de suporte.
Perguntas frequentes
Dá para fazer uma transição entre dois cenários completamente diferentes usando primeiro e último frame?
No vídeo com IA generativa, fornecer dois frames com luz, ambiente ou personagens totalmente distintos faz com que o modelo produza uma deformação bizarra (morphing) no meio do clipe. Embora esse efeito possa ser usado de forma intencional em videoclipes abstratos, em uma mininovela narrativa ele destrói a imersão da história. Para mudanças de cenário ou saltos no tempo, o recomendado é usar cortes secos tradicionais, cortes por elemento em primeiro plano ou match cuts, em vez de forçar uma interpolação generativa entre ambientes incompatíveis.
Todos os modelos de vídeo no Say Action aceitam o último frame (Last Frame)?
Não. Cada modelo e canal upstream possui esquemas de parâmetros e adaptadores específicos. No canvas do Say Action, os canais Seedance aceitam nativamente slots duplos de primeiro e último frame, enquanto os adaptadores atuais do Gemini Veo e Novita aceitam apenas uma imagem de início. Além disso, o MiniMax H3 proíbe misturar o modo de primeiro/último frame com imagens de referência de personagens. Sempre confira os slots disponíveis no nó do modelo antes de estruturar sua sequência de planos.
Como faço para extrair o último frame de um vídeo gerado no canvas do Say Action?
Quando um nó de vídeo gerar um plano aprovado, abra o menu de opções no canto superior direito do player e clique em «Extrair último frame» (Extract Last Frame). O sistema captura o frame final na resolução nativa do vídeo e o insere no canvas como um novo nó de imagem independente. Em seguida, basta puxar a linha de conexão desse nó até o slot «First Frame» do nó de vídeo seguinte para garantir continuidade visual perfeita.
O que fazer se o movimento entre o primeiro e o último frame ficar rápido demais ou deformado?
Quando o movimento parece apressado ou a anatomia se distorce, geralmente é sinal de que o tempo do vídeo é curto demais para o deslocamento físico entre as duas poses. Nas configurações do nó de vídeo, aumente a duração da geração (por exemplo, de 4 para 6 segundos) para dar tempo de o modelo calcular a movimentação com suavidade. Se a distorção continuar, a distância física entre as poses é grande demais; insira um frame intermediário no canvas e divida a ação em dois planos menores e naturais.
Posso conectar OneAPI, NewAPI e cabeçalhos personalizados?
O BYOK permite configurar o endereço da API, a chave do modelo e cabeçalhos personalizados. Ao usar OneAPI, NewAPI ou outro intermediário, selecione o protocolo OpenAI, Gemini ou Claude correspondente à API e confira os IDs dos modelos e o suporte às APIs de imagem e vídeo. Nem todo serviço ou protocolo privado funciona automaticamente. Chamadas BYOK não têm acréscimo da plataforma sobre o custo dos modelos nem descontam créditos de geração da plataforma; o espaço de trabalho e o uso do provedor são cobrados separadamente.