Motion control e o teste do peso

Aula 12 de 22 do curso “Vídeo com IA sem flop”. Grátis, com animações e teste.

Movimento a partir de um vídeo

Tudo o que descrevemos em palavras neste nível dá para passar ao modelo direto, em vídeo real. Isso é motion control: você dá três entradas. O vídeo de referência define o movimento e o timing. A imagem define o personagem, ou seja, quem se mexe. O prompt descreve cena, luz e estilo. Segundo o guia do Kling, nesse modo o prompt não deve descrever a ação de novo: ela já está no vídeo, e o texto vai brigar com ela. Por que é poderoso: uma pessoa real na referência já se move com o peso, a antecipação e os arcos certos, e o modelo leva essa física para o seu personagem. Uma coreografia complexa que não cabe em palavras se resolve numa tomada.

Uma boa referência

O resultado depende da referência mais do que de tudo, então grave pelas regras do guia do Kling. 3–30 segundos, uma tomada contínua: cortes e movimentos de câmera confundem o sistema. Uma pessoa no quadro; com várias, o modelo pega a maior. Corpo e cabeça inteiros, com folga nas bordas para os braços não serem cortados. Movimento moderado e amplo, sem atravessar o quadro: o muito rápido e complexo transfere mal. Fundo liso e bom contraste, para braços e pernas serem fáceis de rastrear. A Mira grava as referências no celular num tripé contra uma parede branca: é grátis e funciona melhor que qualquer clipe bonito.

O enquadramento precisa bater

O erro mais comum de iniciante: um retrato bonito em close mais uma dança de corpo inteiro. O modelo não tem com o que preencher o corpo que não está na imagem, então inventa braços e pernas, e o rosto derrete. O guia do Kling avisa direto: se o vídeo é de corpo inteiro, a imagem também precisa ser. O mesmo com o ângulo: se na referência a pessoa está de três quartos e na imagem de frente, surgem tremores e “deriva” de proporções. Antes de subir, coloque a imagem e o primeiro quadro do vídeo lado a lado e compare: mesmo tamanho de plano, mesmo ângulo, corpo todo visível.

Dois modos de orientação

No Kling, o motion control tem dois modos. “Pelo vídeo” é o padrão: movimento, expressões, câmera e orientação do corpo seguem a referência, e o prompt só ajusta detalhes. É a melhor escolha quando você gravou a referência e gosta dela inteira. “Pela imagem” pega do vídeo o movimento e as expressões, mas a pose e a orientação ficam como na imagem, e a câmera você define no prompt. É útil quando você tem um quadro perfeito do personagem, tipo a Mira de três quartos na vitrine, e não quer estragar. Teste os dois modos num rascunho: a diferença aparece na hora.

Open source: Wan-Animate-2

Se você quer controle total e não pagar por cada geração, existe um caminho aberto. O Wan-Animate-2 saiu em agosto de 2026 sob a licença Apache-2.0, que permite uso comercial. O modelo anima um personagem de uma imagem com o movimento de um vídeo: o vídeo de referência entra direto no modelo, sem a etapa de «esqueleto de pose» da primeira versão. Por isso rosto e corpo derivam menos. Roda no ComfyUI, um programa grátis onde o pipeline é montado com blocos de nós, como um kit de montar. Você precisa de uma placa de vídeo forte ou de um servidor na nuvem com GPU. O lado ruim é a barreira de entrada: configurar leva uma noite, não um minuto. O lado bom: sem créditos, seu próprio hardware e todos os parâmetros sob controle.

De quem é o movimento?

O motion control transfere qualquer vídeo tão fácil que dá vontade de pegar a dança viral de outro criador e “vestir” na sua modelo. Num anúncio, é má ideia. Vídeo dos outros é conteúdo dos outros, e estar público não dá direito de usar num vídeo comercial. O autor pode denunciar na plataforma, e para uma marca isso arranha a reputação. Opções seguras: gravar você ou um amigo no tripé, usar banco de vídeos licenciado ou combinar por escrito com o autor. Sobre rostos e vozes de outras pessoas vamos falar em detalhe no nível de publicação.

O teste do peso

O final do nível é um checklist que junta tudo. Antes de postar, passe cada plano com pessoas por ele. O centro de massa está sobre o apoio, e a carga muda a postura. Os pés não deslizam, os joelhos amortecem passos e saltos. Há antecipação, arcos e continuidade no tecido e no cabelo. O mundo responde: poeira, som, sombras, marcas que ficam. E tudo checado quadro a quadro em 0,25×, não no olho. Se o plano passa nos cinco pontos, o público vai dizer “isso foi filmado”, mesmo sem saber explicar por quê. Se não, você sabe exatamente o que corrigir na próxima rodada. Agora vamos fixar com cenários.

Teste-se

1. Para o motion control, a Mira subiu uma selfie em close e um vídeo de dança de corpo inteiro. Braços e pernas saíram estranhos e o rosto derrete. Por quê?
   Resposta certa: O enquadramento não bate: dança de corpo inteiro pede imagem de corpo inteiro. O modelo não tem com o que preencher o corpo que falta e inventa. O guia do Kling exige enquadramento igual.
2. A Mira gravou a referência na mão e com dois cortes. A transferência treme. O que fazer?
   Resposta certa: Regravar numa tomada contínua no tripé. Cortes e movimento de câmera confundem o sistema. Uma tomada estável e contínua é o requisito principal.
3. No prompt do motion control, a Mira descreveu a dança de novo em detalhe. Piorou. O que o prompt deve dizer?
   Resposta certa: A cena, a luz e o estilo, e deixar a ação para o vídeo. O movimento já está na referência, e texto sobre a ação briga com ele. O prompt cuida do entorno: lugar, luz, roupa, estilo.
4. A Mira achou a dança viral de outro criador e quer passar para a modelo no anúncio do drop. O que é certo?
   Resposta certa: Gravar a própria referência ou combinar por escrito com o autor. Vídeo dos outros é conteúdo dos outros. Vídeo comercial precisa de material próprio ou permissão explícita.

← O mundo responde ao movimento O mesmo rosto no vídeo todo →