Veo 3.1 Vídeo: Múltiplas Referências para Resultados Consistentes

Três imagens de referência só ajudam quando cada uma tem uma função.O recurso Ingredientes para Vídeo do Veo 3.1 não se trata de enviar mais imagens, mas sim de separar as referências de identidade, produto e ambiente para que o modelo não precise adivinhar quais detalhes são importantes.

A demonstração oficial do Google DeepMind é uma boa introdução a essa ideia. Ela mostra múltiplas referências orientando os personagens, objetos e o estilo de uma cena gerada, em vez de forçar uma única imagem a definir tudo.

O que conta como ingrediente no Veo 3.1

Um ingrediente é uma imagem de referência que informa ao modelo como um elemento visual importante deve parecer. É diferente de uma imagem inicial que se torna o primeiro quadro. Uma imagem de referência pode orientar o conteúdo sem forçar o quadro gerado inteiro a copiar sua composição.

Um conjunto prático de ingredientes pode incluir:

• Uma referência de personagem com rosto e roupa bem definidos.
• Uma referência de produto com forma legível, embalagem e materiais.
• Uma referência de localização ou estilo que define o ambiente ou a linguagem visual.

Você também pode usar várias imagens do mesmo sujeito quando a identidade é o principal desafio, mas lembre-se de que a API atualmente permite até três imagens de referência. O conjunto deve ser curado intencionalmente.

Se seu objetivo é uma simples animação a partir de uma única imagem em vez de controle com múltiplas referências, um fluxo de trabalho padrão de imagem para vídeo pode ser mais rápido. Os ingredientes se tornam valiosos quando vários elementos visuais precisam sobreviver juntos à geração.

Dê a cada referência uma função clara

A maneira mais fácil de criar um pacote de referências confuso é enviar três imagens bonitas que cada uma implica uma cena diferente. Em vez disso, anote a função de cada imagem antes de enviá-la.

Para um vídeo de produto de moda, as funções podem ser:

1. Identidade do personagem: o rosto, o cabelo e as proporções corporais do modelo.
2. Identidade do produto: a bolsa exata, incluindo forma, alças, ferragens e cor.
3. Ambiente: um terraço de hotel mediterrâneo iluminado pelo sol, com pedra clara e mar ao fundo.

Agora o prompt de texto pode focar na ação: o personagem caminha pelo terraço carregando a bolsa, se vira para a câmera, apoia uma mão no corrimão e a câmera se move de um plano médio de acompanhamento para um enquadramento mais próximo focado no produto.

Isso é mais limpo do que usar três fotos de lifestyle onde a pessoa, a bolsa, o fundo e a iluminação mudam de imagem para imagem.

Prepare as imagens de referência antes de gerar

A qualidade da referência afeta o que o modelo precisa inferir. Use imagens onde o sujeito importante seja grande o suficiente para ser inspecionado e não esteja escondido atrás de efeitos pesados.

Para pessoas, escolha um rosto nítido, com iluminação uniforme e não distorcido por uma lente extrema. Se o guarda-roupa importa, inclua corpo suficiente para mostrá-lo. Para produtos, use uma foto limpa do produto ou uma foto realista onde o logotipo, rótulo, fechos, textura e proporções gerais sejam legíveis. Para uma locação, evite uma imagem tão carregada que os elementos arquitetônicos pretendidos fiquem pouco claros.

Não misture uma referência de personagem em cartoon com um produto fotorrealista e um ambiente altamente estilizado em pintura a óleo, a menos que esse contraste seja intencional. O prompt não deve precisar resolver um conflito de estilo acidental.

Você também pode preparar referências no Media.io antes da geração. Por exemplo, use Image AI para criar ou refinar uma imagem de referência consistente e, em seguida, traga o ativo aprovado para o fluxo de trabalho de vídeo.

Escreva um prompt de ingrediente que separe os invariantes da ação

Um prompt forte de Ingredientes do Veo distingue entre o que deve permanecer estável e o que deve acontecer durante o clipe.

Comece com os invariantes de identidade e cena:

"Use a mulher fornecida como o mesmo personagem, a bolsa de couro vermelho fornecida como o produto exato e o terraço do hotel fornecido como o ambiente. Preserve a forma da bolsa, a cor, os ferragens douradas, o comprimento das alças e a colocação visível do logotipo."

Em seguida, descreva a ação e a câmera:

"A mulher caminha lentamente pelo terraço, segurando a bolsa naturalmente ao seu lado. Ela para perto do corrimão e vira a bolsa para a câmera. A câmera a acompanha ao nível da cintura, depois faz um movimento lento de aproximação para um enquadramento médio focado no produto. Luz quente do final da tarde, movimento natural de tecido e cabelo."

Por fim, adicione indicações de áudio somente quando necessário. O Veo 3.1 pode gerar áudio nativo, então um prompt pode incluir ambiente, diálogo ou detalhes de som. Para uma foto de produto, um ambiente simples pode ser melhor do que uma paisagem sonora carregada.

Use múltiplas referências para consistência de personagem e produto

A geração com múltiplas referências é particularmente útil quando o vídeo precisa de uma pessoa reconhecível e de um produto reconhecível. Um prompt somente em texto pode produzir a categoria correta de objeto, mas alterando pequenos detalhes comerciais. Uma imagem ingrediente fornece ao modelo um alvo mais concreto.

Ainda assim, a orientação por referência não é uma garantia legal de reprodução exata. Trate o conteúdo de marca gerado como um rascunho que requer QA visual. Verifique rótulos, logotipos, geometria da embalagem e cor do produto em resolução total. Se um logotipo se tornar ilegível quando o produto girar, reduza a rotação, mostre o rótulo em uma tomada separada ou use uma imagem estática limpa do produto durante o momento mais sensível para a marca.

Para personagens recorrentes, combine as referências de ingredientes com as ideias de planejamento mais amplas do guia de consistência de vídeo com IA do Media.io. A consistência melhora quando você reutiliza referências aprovadas, lógica de câmera, definições de guarda-roupa e regras de iluminação, em vez de criar uma nova especificação visual para cada clipe.

Crie vídeos nativos em 9:16 em vez de cortar o formato paisagem depois

Uma das atualizações úteis dos Ingredientes do Veo 3.1 é a geração nativa em 9:16. Isso importa porque a composição vertical não é simplesmente um recorte do formato paisagem. Um personagem enquadrado corretamente para 16:9 pode ficar muito pequeno ou perder ações importantes das mãos e do produto após o corte.

Ao gerar para Shorts, Reels ou TikTok, projete os ingredientes e o prompt para o espaço vertical:

• Mantenha o rosto e o produto dentro da área central segura.
• Deixe espaço suficiente acima da cabeça para movimento sem criar uma metade superior vazia.
• Evite bloqueios horizontais amplos entre duas pessoas, a menos que ambas possam permanecer legíveis.
• Reserve espaço na parte inferior da tela se legendas ou texto de CTA forem adicionados posteriormente.
• Use movimentos para frente, para cima ou baseados em profundidade que funcionem bem em uma tela alta.

O Media.io também tem exemplos de prompts para o Veo que podem ajudá-lo a entender como a linguagem de câmera e cena é expressa nos prompts do modelo.

Planeje o diálogo e o áudio como parte da cena

O Veo 3.1 suporta áudio gerado nativamente, e o Google trouxe o áudio para os fluxos de trabalho de Ingredientes para Vídeo. Isso significa que o planejamento de referências visuais e o planejamento de áudio podem acontecer na mesma geração.

Para diálogos, mantenha a fala compatível com a duração do clipe. Especifique quem fala e quando. Se o personagem diz uma frase enquanto manuseia um produto, evite também pedir vários movimentos de câmera dramáticos. Quanto mais restrições simultâneas você adicionar, mais modos de falha você criará.

Para ambiente sonoro, descreva sons que pertencem a eventos visíveis: surf suave do oceano no terraço, uma xícara sendo colocada sobre uma mesa, tráfego distante da cidade, movimento de tecido ou tom de sala. Evite adicionar efeitos sonoros simplesmente porque o sistema pode gerá-los.

Quando o áudio for importante para a edição final, ouça separadamente da imagem. Verifique a clareza da fala, a continuidade do fundo, mudanças musicais indesejadas e se o som começa ou termina de forma antinatural nas bordas do clipe.

Use o upscaling para 1080p e 4K na finalização, não para corrigir identidade ruim

Nota sobre resolução: O Google agora oferece opções de maior fidelidade em 1080p e 4K para a saída do Veo 3.1. Uma resolução mais alta é útil para edição, telas maiores, detalhes do produto e entrega final mais limpa. Ela não corrige um erro de referência ou um rosto que muda.

Resolva os problemas criativos antes do upscaling. Se a forma do produto estiver errada, regenere com referências melhores ou movimento mais simples. Se o rosto mudar, reduza as entradas conflitantes. Se a composição estiver fraca, corrija o enquadramento. O upscaling deve ser a etapa de finalização após você ter selecionado uma geração estruturalmente correta.

Uma ordem de revisão útil é: identidade primeiro, movimento segundo, composição terceiro, áudio quarto, depois resolução e finalização. Isso evita que as equipes gastem tempo polindo um clipe que deveria ter sido rejeitado anteriormente.

Saiba quando usar ingredientes, primeiro e último quadros, ou uma única imagem

Esses controles resolvem problemas diferentes.

Use Ingredientes para Vídeo quando precisar de várias referências visuais para definir personagens, objetos, produtos, texturas ou ambientes. Use o primeiro e o último quadros quando os estados de abertura e encerramento precisarem ser fixos. Use uma única imagem inicial quando quiser uma composição inicial forte com mais liberdade criativa depois.

O Veo 3.1 suporta tanto imagens de referência quanto geração específica por quadro, mas isso não significa que todo projeto deva usar todos os controles ao mesmo tempo. Escolha a restrição que aborda o maior risco.

Se a identidade do produto é o risco, priorize os ingredientes de referência do produto. Se o encerramento precisa chegar a uma foto de produto precisa, priorize o quadro final. Se você precisa de um retrato animado simples a partir de uma única imagem, uma só imagem pode ser suficiente.

Corrija falhas comuns nos Ingredientes do Veo

O personagem parece próximo, mas não idêntico

Use uma referência de identidade mais nítida, remova conflitos de estilo e evite referências que mostrem idades, maquiagem, penteados ou ângulos faciais muito diferentes. Reutilize o mesmo conjunto de referências aprovadas em clipes relacionados.

O produto está correto em um quadro e errado em outro

Simplifique a interação, reduza a rotação extrema e a oclusão, e dê ao produto tamanho de tela suficiente para permanecer legível. Separe os detalhes do produto da ação complexa do personagem quando necessário.

A locação domina o sujeito

Sua referência de ambiente pode ser visualmente muito forte ou o prompt pode enfatizá-la demais. Torne o sujeito e a ação mais explícitos e use linguagem de enquadramento que dê prioridade ao personagem ou produto.

O resultado parece uma colagem das referências

Pare de descrever cada referência como uma lista de objetos separados. Descreva uma cena coerente e explique como os ingredientes se encaixam espacialmente.

O vídeo vertical parece apertado

Planeje para 9:16 antes da geração. Reduza o posicionamento lado a lado amplo e mova as interações importantes para o centro do quadro.

Crie e finalize um vídeo baseado em ingredientes com o Media.io

O Media.io pode apoiar o fluxo de trabalho ao redor mesmo quando o modelo de geração muda. Prepare primeiro suas imagens aprovadas de pessoa, produto e cena. Em seguida, use a página do modelo Veo relevante ou o Video AI para testar o conceito visual. Mantenha um registro de qual conjunto de referências produziu o resultado aprovado para que clipes futuros não comecem acidentalmente com um pacote de identidade diferente.

Depois de selecionar o melhor vídeo, continue com a edição normal, legendas, redimensionamento ou cenas adicionais. Para equipes de produção, o conjunto de referências deve ser tratado como ativos criativos reutilizáveis, não como anexos de prompt descartáveis.

Lista de verificação de QA dos Ingredientes do Veo 3.1

Antes de exportar, confirme que:

• Cada imagem de referência tem uma função definida.
• A identidade do personagem permanece estável ao longo do clipe.
• A forma do produto, embalagem, cores e detalhes importantes permanecem corretos.
• O ambiente apoia em vez de sobrecarregar o sujeito.
• O prompt separa os fatos visuais fixos da ação e do movimento de câmera.
• As composições em 9:16 são projetadas verticalmente em vez de cortadas posteriormente.
• O diálogo se encaixa na duração do clipe e o personagem correto aparece para falar.
• A ambientação de áudio corresponde aos eventos visíveis.
• O upscaling é aplicado somente após o resultado criativo passar pelo controle de qualidade.

Perguntas frequentes sobre Ingredientes para Vídeo do Veo 3.1