Blogue

Avaliação comparativa

Vidu Q3 Mix reference-to-video em comparação lateral: como escolher um modelo de geração de vídeo por referência

Nov 13, 2026
Sobre um fundo em tom areia quente, faixas horizontais em degraus de vermelho-ocre e marrom-terra descem camada por camada da esquerda para a direita, com bordas retas como em um registro de impressão; é a imagem de capa do artigo.
Nesta página

Por que a geração de vídeo por referência exige uma seleção separada

Tratar o reference-to-video como «texto para vídeo com uma imagem extra» é o erro de julgamento mais comum. Os contratos de entrada dos três são completamente diferentes: texto para vídeo consome apenas o prompt de texto, imagem para vídeo consome «uma imagem inicial + texto», enquanto o reference-to-video consome um conjunto de materiais de referência — o modelo precisa extrair de várias imagens de referência os elementos visuais reutilizáveis (aparência do personagem, cores do figurino, tonalidade estilística) e então transferir esses elementos para o vídeo recém-gerado. Quando o formato de entrada muda, os critérios de avaliação precisam mudar junto.

Continuar usando o método de avaliação dos modelos antigos leva a duas armadilhas. Primeiro, a qualidade de um único quadro deixa de ser o indicador decisivo: por mais nítida que seja uma imagem de referência, isso não significa que o modelo consiga «memorizá-la» de forma estável e manter a aparência consistente ao longo de vários segundos de vídeo. Segundo, o denominador da taxa de sucesso muda: as falhas na geração por referência muitas vezes não são degradação da qualidade de imagem, mas sim elementos de referência não herdados corretamente (troca de rosto, troca de roupa, deriva de estilo), o que não é visível nas pontuações tradicionais de qualidade de imagem.

Por isso, a geração de vídeo por referência precisa de uma seleção separada, e a ordem central de julgamento deve ser: primeiro confirmar se o formato de entrada de referência exigido corresponde ao seu acervo de materiais, depois verificar consistência e controlabilidade, e só então qualidade de imagem e custo. Inverter a ordem facilita escolher um modelo «com bom resultado mas impossível de alimentar».

Primeiro alinhe a entrada, depois discuta o resultado

No trabalho prático, recomenda-se escrever item por item os requisitos de entrada dos modelos candidatos: quantas imagens de referência são necessárias, se aceita múltiplos sujeitos, quem tem prioridade quando imagem de referência e prompt aparecem juntos, se há restrições à composição dos materiais de referência. Essas respostas determinam se o seu pipeline de materiais precisa ser refeito, e o custo de reformular o pipeline de materiais geralmente é muito maior que o custo da própria chamada ao modelo.

Os três tipos de entrada formam caminhos próprios: a estrutura em múltiplas camadas do ramo do conjunto de referência é justamente o que os critérios de avaliação antigos não cobrem.

Limites de capacidade e modelo de cobrança do Vidu Q3 Mix

O Vidu Q3 Mix é oferecido pela Vidu, com tipo de saída vídeo, e capacidade central reference-to-video. Ou seja, seu posicionamento não é texto para vídeo genérico, mas sim voltado para a necessidade de «controlar o resultado da geração com materiais de referência». Na seleção, ele deve ser colocado no conjunto de candidatos de geração de vídeo por referência para comparação, e não comparado diretamente em qualidade de imagem com modelos puramente de texto para vídeo.

A cobrança é por segundos de saída; esse modelo tem um significado direto para a estimativa de orçamento: o custo é aproximadamente linear em relação à duração do vídeo. A estimativa que pode ser escrita é desta forma —

custo estimado ≈ segundos de saída × preço unitário por segundo

Ao chamar na HiAPI.ai, os segundos efetivamente produzidos por requisição são limitados pelas especificações de saída e pelo limite máximo de duração; portanto, ao fazer orçamento, não estime por «um vídeo», mas por «os segundos de um vídeo». Regerar o mesmo conteúdo com duração maior eleva o custo proporcionalmente.

Duas ações trazidas pela cobrança por segundo

Primeiro, converta o custo para um vídeo final, e não para uma chamada. Um vídeo final geralmente exige várias amostras até se escolher uma utilizável; o orçamento real deve incluir os descartes. Segundo, valide primeiro com duração curta e depois alongue a versão aprovada, evitando produzir vídeos longos antes de confirmar se a herança dos elementos de referência é estável.

O preço unitário específico e os critérios de faturamento devem ser consultados no painel de preços do site; este artigo não detalha números.

A faixa escalonada que sobe em intervalos regulares corresponde ao preço unitário fixo por segundo: ao dobrar a duração, o custo estimado cresce proporcionalmente ao longo da mesma linha reta.

Quais dimensões observar na comparação lateral

A lista abaixo pode ser usada diretamente como formulário de avaliação, preenchendo item por item para cada modelo candidato; itens que não puderem ser preenchidos são itens de risco.

1. Formato de entrada de referência

Quantas imagens de referência são necessárias, se suporta referência de múltiplos sujeitos, quem tem prioridade quando imagem de referência e prompt de texto entram em conflito, se há exigências rígidas sobre a composição da imagem de referência e a nitidez do rosto. Esta é a coluna mais crítica da geração de vídeo por referência e também a mais facilmente ignorada.

2. Especificações de saída

Resolução, proporção de aspecto, taxa de quadros, formato de contêiner. As especificações determinam se o material pode entrar diretamente no fluxo de edição e também se é necessário um processo extra de transcodificação.

3. Duração e concorrência

Duração máxima de uma geração, se suporta continuação ou concatenação, limite de concorrência no nível da conta e política de fila. O limite de duração determina diretamente o teto de custo por vídeo, e a concorrência determina se as tarefas em lote conseguem terminar no prazo.

4. Unidade de cobrança e cobrança em falhas

Cobrança por segundo ou por chamada, se requisições com falha são cobradas, como são tratados timeout e interrupção. Para modelos com cobrança por segundo, o custo de descartes é naturalmente maior que na cobrança por chamada; isso deve ser explicitado na tabela comparativa.

5. Consistência e controlabilidade

Se a aparência do sujeito é estável em vídeos de vários segundos, se é possível controlar movimento de câmera e troca de cena por prompt. Este item só pode ser avaliado com amostras, não pode ser julgado por tabela de parâmetros.

Campos ausentes na tabela de parâmetros devem ser confirmados com a plataforma, e não presumidos por experiência — especialmente limite de duração e limite de concorrência; uma suposição errada leva diretamente a erro de cronograma.

Lista de comparação lateral: linhas e colunas formam a matriz de dimensões a preencher; células vazias lembram o desenvolvedor de verificar item por item.

Seleção por cenário: quando usar

Mapear a necessidade para o formato de modelo é muito mais rápido do que testar modelo por modelo.

Cenários em que a geração de vídeo por referência deve ser priorizada

  • Alta exigência de consistência de personagem: o mesmo personagem precisa manter aparência uniforme em vários vídeos; a imagem de referência é o meio de controle mais direto.
  • Já existe um conjunto completo de materiais visuais: você já tem imagens de produto, pranchas de design de personagem, referências de estilo, e deseja que o resultado gerado adira ao sistema visual existente.
  • Produção em lote de materiais com o mesmo estilo: vitrines de e-commerce, séries de personagens, conteúdo seriado; reutilizar um conjunto fixo de referências é mais estável do que reescrever prompts a cada vez.

Cenários em que outros formatos continuam mais vantajosos

  • Exploração puramente conceitual: quando a direção visual ainda não está definida, texto para vídeo itera mais rápido e o erro é mais barato.
  • Transformar um único enquadramento em movimento: você tem apenas uma imagem e só quer fazê-la se mover; a restrição de entrada do imagem para vídeo é mais simples, não é preciso passar pelo fluxo de conjunto de referência.
  • Longas-metragens extremamente sensíveis à duração: com cobrança por segundo, o custo de vídeos longos cresce linearmente; se o vídeo final exigir longa duração, avalie se a geração segmentada seguida de concatenação é mais controlável.

O critério de decisão pode ser resumido em uma frase: se você consegue explicar «quais elementos dos materiais de referência devem ser preservados», use geração de vídeo por referência; se não consegue, use primeiro texto para vídeo para testar a direção.

Forma de integração e fluxo de teste de custo

Recomenda-se avançar na seguinte ordem, com pontos claros de interrupção em cada etapa.

Passo 1: confirmar a interface e a superfície de parâmetros

Ao usar o modelo na HiAPI.ai, no contexto de interface unificada, primeiro confirme os parâmetros disponíveis: como os materiais de referência são passados, o campo de prompt, as especificações de saída e os parâmetros de duração. Campos ausentes devem ser confirmados com a plataforma, não presuma.

Passo 2: rodar um pequeno lote de amostras de curta duração

Use de 3 a 5 conjuntos de materiais de referência reais, gerando amostras de curta duração para cada conjunto. O objetivo é verificar se a herança dos elementos de referência é estável, e não buscar qualidade final. O ponto-chave desta etapa é usar os seus próprios materiais; imagens de exemplo públicas não expõem problemas do seu pipeline de materiais.

Passo 3: converter o custo por vídeo final

Inclua a taxa de descartes da fase de amostras:

custo por vídeo final ≈ segundos de saída por vídeo × preço unitário por segundo × (1 + taxa de descartes)

A taxa de descartes deve ser medida nas amostras, não estimada de cabeça. A taxa de descartes de amostras curtas costuma ser menor que a de vídeos longos; ao estimar orçamento, deixe espaço para aumento.

Passo 4: alongar e escalar gradualmente

Aumente a duração das combinações de materiais aprovadas e, após confirmar que não há degradação evidente de consistência em vídeos longos, escale. Na fase de escala, acompanhe o limite de concorrência e o tempo de fila; esses dois itens afetam diretamente o ritmo de entrega.

O princípio de todo o fluxo é: validação de resultado com amostra pequena, validação de custo com duração curta, validação de escala por último.

Cuidados na migração e substituição

Migrar de um modelo de vídeo existente para geração de vídeo por referência não é só trocar um endpoint; há três blocos a refazer.

Os prompts precisam ser reescritos

Os prompts usados no modelo antigo para «descrever aparência» devem ser substituídos pela imagem de referência na geração por referência. Continuar acumulando descrições de aparência no prompt pode, ao contrário, entrar em conflito com os materiais de referência. A direção de reescrita é: o prompt fica responsável por ação, câmera, cena e ritmo, e a aparência fica com os materiais de referência.

Os materiais de referência precisam ser reorganizados

A lógica de seleção do conjunto de referência é diferente da de uma única imagem inicial. É preciso definir qual imagem carrega a aparência do sujeito, qual carrega o estilo, e como distinguir em casos de múltiplos sujeitos. Recomenda-se também padronizar a nomenclatura e o versionamento dos materiais; caso contrário, na geração em lote fica difícil rastrear qual conjunto de referência causou o problema.

Manter o controle A/B

Durante a migração, rode o modelo novo e o antigo em paralelo na mesma leva de demandas, comparando com o mesmo critério de avaliação: taxa de herança de elementos de referência, taxa de descartes, custo por vídeo final, tempo ponta a ponta. Só com o ganho da substituição quantificado há base para a troca gradual. Recomenda-se trocar primeiro uma linha de negócio de baixo risco e expandir após estabilizar.

Na estratégia de implantação gradual, pode-se trocar por tipo de conteúdo em lotes, começando pelos cenários com maior exigência de consistência — esses cenários evidenciam melhor o valor da geração por referência e também expõem mais facilmente problemas de migração.

Perguntas frequentes e lista de decisão

Perguntas frequentes

P: Quanto mais imagens de referência, melhor o resultado? Não. O conjunto de referência deve cobrir os elementos que você realmente quer preservar; imagens redundantes ou conflitantes introduzem ruído. O critério é «elementos completos e mutuamente consistentes», não quantidade.

P: Cobrança por segundo é necessariamente mais cara que por chamada? Depende da distribuição de duração. Em cenários de vídeos curtos, o custo por vídeo pode ser menor; em vídeos longos, o crescimento linear fica mais evidente. Só há um método de julgamento: fazer a conversão com a sua própria distribuição de duração.

P: Uma pontuação alta de qualidade de imagem indica que o modelo é melhor? Na geração de vídeo por referência, não. Consistência, controlabilidade e taxa de descartes são os indicadores dominantes; a qualidade de imagem é item de qualificação, não de diferenciação.

P: O que fazer com campos que não estão na tabela de parâmetros? Confirme com a plataforma. Campos como limite de duração, limite de concorrência e política de cobrança em falhas, se presumidos errado, comprometem diretamente orçamento e cronograma.

Lista final de decisão

  • Meus materiais conseguem atender aos requisitos de entrada de referência do modelo?
  • A duração de que preciso está dentro do limite, e em caso de excesso é necessário segmentar?
  • Após a conversão por segundo, o custo por vídeo final (incluindo descartes) está dentro do orçamento?
  • O limite de concorrência consegue sustentar meu cronograma em lote?
  • O critério de cobrança de requisições com falha já foi confirmado?
  • Já rodei amostras de curta duração com materiais próprios e quantifiquei a taxa de descartes?
  • O plano de migração inclui reescrita de prompts e controle A/B?

Com as sete respostas claras, avance para a fase de escala. Quando precisar de uma comparação prática, você pode usar diretamente a capacidade reference-to-video do Vidu Q3 Mix na HiAPI.ai para rodar um lote de amostras com materiais próprios e concluir a última etapa de decisão com dados.

Artigos relacionados

Ver todos os artigos →

Comece a criar com artefactos de IA persistentes

Obtenha a sua chave de API e chame modelos de imagem, vídeo e áudio através de uma única API baseada em tasks.

Ler a documentação da API