O que este capítulo aborda
A geração de vídeos com IA é uma tecnologia que cria novos vídeos usando texto, imagens ou vídeos existentes como entrada. Enquanto a geração de imagem produz uma única imagem estática, a geração de vídeo cria uma sequência de dezenas ou centenas de frames, mantendo a consistência temporal.
Neste capítulo, você aprenderá:
- Os cinco tipos de geração de vídeo com IA (T2V, I2V, FLF2V, V2V)
- A estrutura básica do pipeline de vídeo e suas diferenças em relação ao pipeline de imagem
- Como escolher um modelo adequado à finalidade e ao ambiente
Tipos de geração de vídeo
A geração de vídeos com IA pode ser dividida em vários tipos, dependendo dos dados de entrada.
Para os modelos de vídeo, usamos como referência o Wan 2.2, um dos modelos mais representativos.
Wan 2.2 14B - Text to Video
Gera um vídeo usando apenas um prompt de texto. Ao descrever uma cena, como “A cat walking through a garden”, a IA cria um vídeo em movimento.
- Oferece o maior grau de liberdade, mas pode ser difícil controlar o resultado desejado com precisão
- A maioria dos modelos de vídeo oferece suporte básico a T2V
Wan 2.2 14B - Image to Video
Recebe uma única imagem estática como entrada e gera um vídeo em que essa imagem ganha movimento. Por exemplo, é possível fazer uma pessoa em uma foto caminhar ou adicionar o efeito do vento a uma paisagem.
- Mantém o frame inicial com precisão, proporcionando maior consistência
Wan 2.2 14B - First-Last Frame to Video
Ao fornecer duas imagens, uma inicial e outra final, gera um vídeo que conecta as duas de forma natural.
- Permite controlar com precisão o início e o fim, sendo adequado para trabalhos baseados em storyboard
Qual modelo escolher?
Recomendações por finalidade
| Finalidade | Modelo recomendado | Motivo |
|---|---|---|
| Para começar | Wan 2.1 T2V (1.3B) | Leve e rápido, ideal para entender o pipeline básico |
| Alta qualidade para uso geral | Wan 2.2 14B (Turbo) | A velocidade do modo Turbo de 4 steps com a qualidade de um modelo 14B |
| Imagem→vídeo | Wan 2.2 I2V | Resultados de I2V estáveis |
| Controle de vídeo (V2V) | Wan 2.2 Fun Control | Controle de movimento baseado em Canny e transformação de estilo |
| Controle dos frames inicial/final | Wan 2.2 FLF2V | Permite definir com precisão o início e o fim |
Recomendações por ambiente
| VRAM | Modelo recomendado | Observações |
|---|---|---|
| 8~12GB | Wan 2.1 T2V (1.3B) | Modelo leve, baixa resolução/poucos frames |
| 12~16GB | Wan 2.2 5B, Wan 2.1 14B | Modelos médios, com quantização fp8 |
| 16~24GB | Wan 2.2 14B (Turbo) | Executa a maioria dos workflows de vídeo |
| 24GB+ | Todos os modelos | Permite gerar em alta resolução e com muitos frames |
Resumo dos pontos principais
O que você deve lembrar
- O nível de controle aumenta na ordem T2V → I2V → V2V. Se apenas o texto não for suficiente, use uma imagem como entrada; se precisar de um controle mais preciso, use um vídeo.
- O Wan 2.2 oferece suporte a vários tipos de geração de vídeo.
- A geração de vídeo exige muito mais VRAM e tempo do que a geração de imagem. Comece com baixa resolução e poucos frames.