Como criar um personagem consistente para vídeo com IA

Você precisa de três coisas: uma descrição escrita e curta do personagem, uma ferramenta de imagem ou uma câmera para fazer as referências, e um modelo de vídeo que aceite várias imagens de referência por pedido. Em outubro de 2026, o Kling 3.0 Omni aceita até sete imagens de referência, ou um vídeo de referência de 3 a 10 segundos mais até quatro imagens, segundo o guia do próprio Kling. O modo de referência do Veo 3.1 aceita até três imagens. Prepare-se para gastar a maior parte da primeira hora escolhendo e descartando imagens.

1. Escreva uma ficha do personagem com cinco linhas. Faixa etária e porte físico. Formato do rosto e um traço marcante, como um espaço entre os dentes ou sobrancelhas grossas. Cor, comprimento e repartição do cabelo. A única roupa que o personagem usa nesta série. Um objeto ou acessório, se houver. A ficha é para você, não para o modelo: ela evita que você aceite imagens que se contradizem.

2. Faça uma imagem âncora. Se o personagem é fictício, gere retratos com um modelo de imagem até encontrar um que bata com a ficha e pare por aí. Se é uma pessoa real, tire uma foto frontal bem iluminada, com a permissão dela. A âncora é uma vista frontal, do busto para cima, com expressão neutra, luz uniforme e fundo liso. Todo o resto será construído para combinar com ela.

3. Expanda a âncora em outros ângulos. Você precisa de uma vista frontal, uma de três quartos de cada lado, um perfil e uma foto de corpo inteiro com a roupa. Para personagens fictícios, use o modo de edição ou de referência do modelo de imagem com a âncora como entrada e peça um ângulo novo de cada vez. Para pessoas reais, fotografe os mesmos ângulos numa única sessão, com as mesmas roupas e a mesma luz. Faça mais do que precisa, porque boa parte será descartada.

4. Reduza o conjunto às imagens que concordam entre si. Coloque-as lado a lado e confira os detalhes da ficha. A repartição está do mesmo lado? A cicatriz está na mesma bochecha? As sobrancelhas têm a mesma espessura? Uma imagem com a repartição errada puxa alguns clipes para aquela versão. Um bom conjunto final tem de três a cinco imagens. Se só três realmente concordam, use três.

5. Trave o conjunto. Dê a ele o nome do personagem e da versão, como mara-v1, e nunca o edite no lugar. Se depois quiser o personagem de casaco de inverno, crie mara-v2 com um conjunto completo próprio. Misturar versões é a forma mais comum de uma série desandar ao longo de semanas.

6. Faça uma folha de testes com quatro clipes curtos. Use o mesmo conjunto e mude uma coisa por clipe: um close falando para a câmera, um plano médio andando, uma vista lateral com outra luz e um plano aberto com outras pessoas no quadro. De três a cinco segundos cada já bastam. Coloque os resultados ao lado da âncora. Se o rosto se mantém nos quatro, o conjunto funciona. Se falha numa situação, como luz lateral, adicione uma referência que cubra esse caso. Se falha em todas, volte ao passo 4.

7. Produza com prompts só de cena. Daqui em diante, o prompt nunca descreve rosto, cabelo ou roupa, porque isso vem das referências. Ele descreve onde o personagem está, o que faz e como a câmera se move. Por exemplo: "Ela está sentada numa janela de café, mexe o café e depois olha para a câmera. Aproximação lenta, luz da manhã."

Descrever o personagem no prompt e também nas referências. Quando as duas coisas divergem, mesmo que pouco, o modelo as mistura.

Usar imagens de dias diferentes ou com maquiagens diferentes. Para você é a mesma pessoa; para o modelo, são duas pessoas misturadas.

Escolher só retratos frontais lisonjeiros. O modelo então precisa inventar o perfil e inventa um diferente a cada vez.

Corrigir um clipe que desandou com mais adjetivos. A deriva costuma ser aleatória. Gere de novo com as mesmas entradas primeiro e mude as referências só se o problema se repetir.

Antes de considerar um personagem pronto: a ficha existe; a âncora é uma vista frontal limpa; o conjunto cobre frente, três quartos, perfil e corpo inteiro; todas as imagens concordam em cabelo, traços e roupa; o conjunto está nomeado e versionado; quatro clipes de teste mantiveram o rosto.

No RefVid, o conjunto travado vira um ativo de personagem de 1 a 5 imagens, com a âncora primeiro como vista principal. Cada clipe reutiliza exatamente esse conjunto no Kling 3.0 Omni, então o passo 5 é garantido pelo sistema e não depende da memória. Quatro clipes de teste de 3 segundos custam 372 créditos, a 31 créditos por segundo, e todos ficam na página do personagem para a comparação lado a lado.