Como fizemos um curta de comédia de 8 segundos com IA e dois personagens consistentes, do início ao fim - RefVid
Transforme suas próprias fotos em vídeos em minutos · Seu primeiro vídeo é grátis, sem marca d'água
Primeiro vídeo grátis, sem cartãoAo gerar, você confirma que todos na foto concordaram. Termos
Este é o making of completo do nosso curta de 8 segundos "My wife every year on November 1st": um marido pega uma bebida com toda a calma enquanto a esposa, que começa o Natal em 1º de novembro, já está decorando atrás dele.
Nossos dois personagens fixos, Leo e Mia, fazem o casal, a partir de quatro fotos de cada um. Foi uma única geração no Kling 4, aproveitada no primeiro take, e cerca de uma hora da ideia ao clipe pronto.
Abaixo está cada etapa em ordem, cada uma com uma imagem dos nossos próprios arquivos, e os prompts exatos.
Como fazer vídeos de comédia com IA: comece com uma piada de uma linha
A ideia numa linha: um marido pega calmamente uma bebida na geladeira enquanto, atrás dele, a esposa passa correndo já decorando para o Natal, porque para ela a temporada começa em 1º de novembro.
Ela veio da nossa olhada matinal no que estava subindo naquela semana, quando dois casais tinham postado essa piada em 1º de novembro; queríamos que nossos próprios personagens a fizessem.
Uma linha é o teste. Se a piada não cabe numa frase, não sobrevive a 8 segundos de vídeo. Esta ainda tem o que deixa um curta fácil de gerar: um único cômodo, ninguém fala, duas pessoas e um desfecho claro no final.
Escolhendo os personagens: como fazer vídeos engraçados com IA a partir de fotos
O elenco já estava definido. Leo e Mia são as duas pessoas que mantemos salvas no Estúdio do RefVid, com quatro fotos cada, e funcionam bem como casal.
Os mesmos rostos importam duas vezes. Dentro do clipe, quem abre a geladeira na tomada 1 tem que ser o homem que fica olhando na tomada 3, senão a piada quebra no corte. De um clipe para outro, são os personagens fixos que o público reconhece: o próximo curta com Leo e Mia parte das mesmas fotos, não de um rosto novo qualquer.
Não mudamos nada nas fotos. Nas fotos de referência Mia está de jaqueta, então o roteiro tinha que descrever o figurino dela com clareza suficiente para vencer as fotos; foi na etapa de revisão, mais abaixo, que isso foi pego.
Leo
Mia
Escrevendo o roteiro: momentos, câmera, cenário, figurino e tempo
Escrevemos um roteiro completo antes de qualquer prompt. Primeiro os momentos, lidos no original quadro a quadro: ele abre a geladeira, vira para a câmera com uma lata, ela passa correndo atrás dele por volta dos 4 segundos, e ele fica olhando na direção dela até o fim.
Depois, cada tomada ganha câmera, cenário, luz, figurino e ação. Câmera: um celular na altura do peito, num tripé, sem nunca se mexer. Cenário: uma cozinha moderna e clara, com luz do dia, armários brancos, paredes verde-sálvia, uma geladeira de inox na borda direita e bancadas vazias. Figurino: Leo com sua camisa azul-marinho; Mia com um macacão vermelho de fleece do pescoço aos tornozelos, uma tiara de chifres e uma guirlanda num ombro, arrastando luzes de Natal acesas.
Tempo: três tomadas de 2, 3 e 3 segundos, com um corte seco entre elas e algo se mexendo já no primeiro segundo. Queríamos o clipe um pouco mais rápido que o original, filmado num único take, então o momento da geladeira é curto e a corrida dela cai aos 3 segundos em vez dos 4.
O roteiro passou por três versões. A v1 foi adivinhada pela legenda, um freezer com uma árvore de Natal congelada num bloco de gelo, e confundia a piada; paramos antes de gastar qualquer coisa. A v2 tinha a piada real, tirada dos quadros. A v3 é a v2 depois de duas revisões.
| Tomada | Câmera | O que acontece |
|---|---|---|
| 1 · 0–2 s | Plano médio, altura do peito, fixa | Leo, de lado na geladeira, abre a porta de uma vez e a segura aberta |
| 2 · 2–5 s | O mesmo ponto e a mesma lente, um salto no tempo | Geladeira fechada, Leo encara a câmera com uma lata; Mia passa disparada atrás dele, as luzes ficam no chão; ele vira a cabeça de repente na direção dela |
| 3 · 5–8 s | Plano médio fechado, fixa | Leo continua olhando na direção dela, de boca entreaberta, e pisca uma vez |
Duas revisões do roteiro antes de gastar um crédito
Antes de gerar, duas sessões de IA separadas revisaram o roteiro, cada uma vendo só o roteiro e os quadros. Um diretor de vídeo com IA avaliou se o clipe conta a piada: 8 falhas, depois 2, depois nenhuma. Um engenheiro de prompts do Kling 4 avaliou se o modelo vai desenhar o que as palavras dizem: 7 falhas, depois nenhuma.
As correções que mais importaram estão abaixo. O outro post sobre este clipe traz o resto.
| Antes | Depois | Por quê |
|---|---|---|
| Tomada 2: 498 caracteres | 478 | O RefVid aceita até 480 caracteres por tomada num clipe do Kling com várias tomadas |
| Tomada 3: Leo volta a olhar para a lente | Ele continua olhando na direção dela | Olhar para a lente é outra piada |
| Tomada 2: "At 1 second Mia sprints…" | Tomada 2: "Then Mia … sprints…" | Uma marcação de tempo dentro da tomada não é uma deixa confiável |
| Tomada 2: "sprints … in a flash" | Tomada 2: "sprints fast in from frame left along the back wall" | "Flash" pode virar um clarão de luz, e não dava a ela nenhuma entrada |
| Figurino da Mia: "red fleece onesie" | Figurino da Mia: "red fleece onesie neck to ankles" | Nas fotos dela há uma jaqueta; uma descrição de figurino vaga perde para elas |
Do roteiro aos prompts das tomadas: exemplos de prompts do Kling que usamos
Cada tomada do roteiro virou um prompt: primeiro a câmera, depois o lugar, depois quem está ali e o que veste, depois a ação em ordem, terminando num estado que o modelo consiga manter. Não havia primeiro quadro, então a tomada 1 também descreve a cozinha inteira. Leo e Mia aparecem pelo nome; o Estúdio troca os nomes pelas fotos salvas de cada um.
Tomada 1, 2 s:
"Medium shot, phone camera at chest height. A bright, clean modern kitchen in daylight: white cabinets, sage-green walls, bare counters, a stainless-steel fridge at frame right, an empty open doorway in the back wall. Leo, in his navy shirt, stands alone, side-on, hand on the fridge handle. Right away, in one quick pull, he yanks the fridge door wide open, cold light spilling out, and holds it open, staring into the fridge. Fixed camera."
Tomada 2, 3 s:
"Same kitchen and shot, fridge closed. Leo, left of center, faces the camera, silver can at his chest, closed-mouth smirk. Then Mia, her reference face and copper bob, in a red fleece onesie neck to ankles, antler headband, garland on one shoulder, sprints fast in from frame left along the back wall, dragging glowing multicolor Christmas lights, out of frame right; the lit string stays on the floor. Leo snaps his head to frame right and holds. Fixed camera."
Tomada 3, 3 s:
"Medium close-up from the waist up, the same kitchen behind Leo, who stands alone. Behind him one string of glowing multicolor Christmas lights lies in a long line across the floor. Leo keeps his body toward the camera and his head and eyes turned to frame right, staring blankly, mouth slightly open, silver can at his chest, completely still. He blinks once, slowly, and keeps staring. Fixed camera."
Três hábitos valem para qualquer clipe: as mesmas palavras para a mesma coisa em todas as tomadas ("silver can", "glowing multicolor Christmas lights"), a velocidade escrita no verbo ("sprints fast") e "Fixed camera." no fim de cada tomada. Troque pelos seus próprios nomes para reaproveitar os prompts.
Configurações da geração: Kling 4, 1080p, 9:16, 8 segundos, um take
No Estúdio abrimos Leo, adicionamos Mia como segundo sujeito e colocamos os três prompts em três caixas de tomada de 2, 3 e 3 segundos. Modelo Kling 4, 1080p, 9:16, 8 segundos no total. Sem primeiro quadro e sem último quadro.
Os prompts das tomadas tinham 446, 478 e 412 caracteres, contados com os nomes já trocados por tokens de referência; um clipe do Kling 4 com várias tomadas aceita até 480 por tomada no RefVid.
Custou 688 créditos: 8 segundos de Kling 4 em 1080p, que sempre vem com som. Geramos uma única vez. No RefVid, um vídeo avulso custa a partir de US$ 2,99, um pacote de créditos a partir de US$ 9,90 e um plano a partir de US$ 10 por mês, e os créditos nunca expiram.
A conferência quadro a quadro: o que saiu diferente e por que mantivemos
Analisamos o take a 4 quadros por segundo, 32 quadros para 8 segundos, e olhamos a corrida com mais atenção. O modelo cortou onde pedimos, em 1,8 e 4,8 segundos. Os dois rostos bateram com as fotos em todas as tomadas, e não apareceu ninguém a mais.
Quatro coisas ficaram diferentes dos prompts. Mia entrou pela direita em vez da esquerda, parou para acenar e saiu de volta pelo mesmo lado. O sorrisinho de canto de Leo, de boca fechada, saiu como um sorriso aberto. Na última tomada ele começa olhando na direção dela, depois se vira devagar para a lente e pisca aos 7,3 s.
O critério para manter um take é a piada de uma linha: marido tranquilo na frente, o Natal já acontecendo atrás dele, um olhar atônito. Estava tudo lá, então ficamos com o primeiro take. Refazer teria custado mais 688 créditos pela mesma piada.
A edição: corte, legenda e som
Corte: nenhum. O olhar do final se sustentou pelos 3 segundos inteiros, então o clipe tem os 8 segundos completos, do jeito que foi gerado.
Legenda: "My wife every year on November 1st 🎄" em branco e negrito com um contorno escuro fino, em duas linhas perto do topo, dentro da área que os apps de celular deixam livre, do primeiro ao último quadro. Ela entra na edição, nunca no prompt, onde o modelo a desenharia como letras embaralhadas.
Som: o Kling 4 sempre gera o próprio áudio, e nós o tiramos. A versão desta página e do YouTube tem nosso próprio arranjo de Jingle Bells, uma melodia de domínio público. No Instagram e no X ela leva o som do clipe original, do jeito que quem conhece a piada se lembra; no TikTok, uma música de Natal da biblioteca de sons licenciados da plataforma.
A publicação e o resultado
O clipe ficou pronto às 08:15 UTC de 3 de novembro, cerca de uma hora depois da olhada daquela manhã no que estava subindo. Entre 08:26 e 08:42 ele foi publicado no YouTube Shorts, Instagram Reels, X e TikTok, sempre com a mesma frase como texto do post.
Todo clipe do RefVid também tem sua própria página de compartilhamento, com o clipe e os três prompts que o geraram, para qualquer pessoa ver como foi feito e partir dele. É para lá que os posts levam.
Faça você mesmo
- Salve uma vez três ou quatro fotos de cada pessoa como sujeito: você, um amigo, um personagem que você criou. Escreva sua piada numa linha, depois em duas ou três tomadas, com os nomes nos prompts, e gere.
- O modelo de cena de minissérie já começa com uma cena de duas pessoas em três tomadas, toda montada; troque os nomes, o lugar e a ação pela sua própria piada. Seu primeiro vídeo de 5 segundos é grátis.
Comece com um modelo
Cada um abre o estúdio com as cenas, o formato e a duração já definidos. Adicione seu próprio produto e gere.
Mais vídeos de personagens
Perguntas frequentes
Quanto tempo levou para fazer o curta?
Cerca de uma hora da ideia ao clipe pronto: analisar os quadros do original, escrever e revisar o roteiro, uma geração de poucos minutos, a conferência dos quadros e a edição. O roteiro e as duas revisões tomaram a maior parte do tempo.
Quanto custou o clipe?
688 créditos por um clipe de 8 segundos no Kling 4 em 1080p, e precisamos de um único take. No RefVid, um vídeo avulso custa a partir de US$ 2,99, um pacote de créditos a partir de US$ 9,90 e um plano a partir de US$ 10 por mês.
Dá para fazer um curta desse tipo com o meu próprio rosto?
Sim. Salve uma vez três ou quatro fotos suas, e de qualquer outra pessoa do clipe, como sujeitos, escreva as tomadas com os nomes de cada um e gere. Os rostos vêm das suas fotos em todas as tomadas, como os de Leo e Mia aqui.
Qual o tamanho máximo de um prompt de tomada no Kling 4?
No Estúdio do RefVid, um clipe com várias tomadas aceita até 480 caracteres por tomada, contados depois que os nomes dos sujeitos viram tokens de referência. Os nossos tinham 446, 478 e 412. Um clipe de uma única tomada pode ser bem mais longo.
Por que manter um take que não seguiu o prompt à risca?
Um modelo de vídeo entende o prompt como uma direção, não como um roteiro. Aqui Mia entrou pelo outro lado e Leo se virou para a lente no final, mas a piada funcionou mesmo assim, então refazer teria gastado créditos à toa. Mude uma coisa e refaça só quando a piada não funcionar.