Guia de uso
Criando vídeos curtos no HiAPI com o vídeo de referência do vidu-q3-mix
Um fluxo de trabalho para desenvolvedores: clipes com personagens consistentes, narração com referência de voz e ritmo de pós-produção
Nesta página
O que a tarefa de vídeo de referência do vidu-q3-mix oferece
A tarefa vidu-q3-mix/reference-to-video no HiAPI é uma etapa de geração, não uma etapa de vídeo finalizado. Você envia materiais de referência — imagens que definem a aparência de personagens ou cenários, além de um texto de prompt que descreve a ação — e recebe um clipe. Em um pipeline de vídeos curtos, ela fica no meio: a montante estão a preparação dos materiais de referência e o design dos prompts; a jusante estão a revisão dos clipes, o corte e a montagem.
Um modelo mental útil é o de três canais de entrada convergindo para uma saída:
O que entra
- Imagens de referência. Um ou mais quadros estáticos que ancoram a aparência: rosto, penteado, figurino, paleta de cores, ambiente.
- Prompt. Descrição em linguagem natural do que deve acontecer na cena — sujeito, ação, sensação de câmera, clima.
- Referência de voz opcional. Uma amostra de áudio usada quando você quer que a narração tenha um timbre específico.
O que sai
Um clipe gerado. Trate-o como material bruto. O modelo não é um editor de linha do tempo: ele não corta seu vídeo no ritmo, não sobrepõe legendas e não garante que o quarto plano seja idêntico pixel a pixel ao primeiro. Esse é o seu trabalho na pós-produção.
Onde ele se encaixa
Um vídeo curto costuma ser construído a partir de vários clipes gerados separadamente, que depois são ordenados e combinados. A tarefa reference-to-video é a unidade repetível desse processo de construção: uma chamada, um plano, um produto final que exige várias chamadas. Planejar em torno dessa unidade é o que mantém o projeto controlável e as expectativas calibradas. Não espere que uma única geração produza um vídeo completo, com narração, legendas e ritmo. Deixe-a produzir um bom plano e depois monte os planos.
Como a geração é feita por clipe, o custo varia conforme a quantidade de planos produzidos e a duração de cada plano; portanto, faça o orçamento com base no número de planos e na duração da saída, e não nos minutos do vídeo finalizado. Antes de definir o tamanho do lote, consulte o painel de preços da plataforma para ver as tarifas atuais.

Planeje os planos do vídeo curto em torno das imagens de referência
Vídeos curtos são decididos nos primeiros dois segundos, então escreva o plano de planos antes de chamar a API. Primeiro divida a peça em planos, no papel, e depois decida quais materiais de referência cada plano precisa.
Escreva a lista de planos
Cada item deve responder a quatro coisas: o que o espectador vê, o que o sujeito está fazendo, quanto tempo esse momento precisa para ser compreendido e se há narração por cima. Uma peça de 30 segundos pode ter de cinco a oito planos. Menos planos e mais longos são mais fáceis de manter consistentes; mais planos e mais curtos dão mais controle de ritmo, mas também mais chance de deriva visual.
Escolha os materiais de referência por plano, não por projeto
Um erro comum é achar que um único conjunto de materiais de referência cobre tudo. Na prática, os materiais de referência devem ser escolhidos a dedo para cada plano:
- O sujeito está em cena e é reconhecível — forneça uma imagem nítida do rosto do personagem de frente e, se o plano envolver movimento ou giro, mais um ou dois ângulos auxiliares ou expressões.
- O sujeito não está em cena ou aparece muito pequeno — o ambiente importa mais do que o rosto; use como referência o local, o figurino ou o objeto.
- Um novo personagem entra — decida se ele terá seu próprio conjunto de referências e mantenha a consistência desde a primeira aparição.
Mantenha os materiais de referência limpos e consistentes
Use imagens do sujeito sem obstruções, bem iluminadas e que não conflitem estilisticamente com os outros materiais de referência do mesmo personagem. Misturar iluminação ou estilos artísticos conflitantes entre as referências empurra a saída para o ruído visual. Se um personagem aparece tanto em exteriores claros quanto em interiores escuros, prefira o mesmo conjunto de referências e deixe o prompt descrever a iluminação, em vez de trocar por referências que parecem outra pessoa.
Versione os materiais de referência
Armazene os materiais de referência em uma estrutura previsível — nome do personagem, ângulo, variante — e registre qual conjunto de referências gerou qual plano aprovado. Quando um plano deriva, você precisa saber exatamente o que mudou entre a execução que deu certo e a que deu errado. Essa pequena disciplina economiza uma tarde inteira.
Mantenha a consistência dos personagens entre vários planos
Manter a consistência entre clipes gerados separadamente é a parte mais difícil do fluxo de trabalho guiado por referência, e isso é principalmente uma questão de disciplina, não de truque de prompt.
Reutilize o mesmo conjunto de referências em toda a sequência
Uma vez definido o conjunto de referências do personagem, use exatamente esse material em todos os planos em que ele aparece. Não recalcule as referências a cada plano, não recorte novas referências no meio do projeto — a menos que você queira deliberadamente redefinir a linha de base de toda a sequência — e não misture material de conjuntos de referência de outros personagens. Seu sinal mais forte de unidade é a consistência da entrada.
Padronize as convenções de prompt
Escreva os prompts com uma estrutura fixa, para que o modelo veja o mesmo tipo de descrição a cada vez: descrição do sujeito, depois a ação, depois a câmera, depois o clima. Mantenha a descrição do sujeito literalmente igual entre os planos — as mesmas palavras para o mesmo personagem, os mesmos termos para o mesmo figurino. A variação deve ficar nos campos de ação e câmera, não na forma como você descreve quem é o personagem.
Gere em lotes correspondentes
Concentre a geração de planos relacionados na mesma sessão de trabalho e revise-os lado a lado, em vez de um por um. Pequenas diferenças invisíveis ao assistir a um clipe isolado ficam evidentes quando dois planos são comparados lado a lado. Avalie cada clipe em relação aos planos vizinhos, não isoladamente em relação ao prompt.
Aceite a imperfeição de propósito
Buscar consistência perfeita quadro a quadro entre gerações independentes não é realista. Planeje para isso:
- Esconda as emendas com a estrutura. Corte em movimentos, mudanças de ângulo ou batidas de narração, para que o olho não compare dois rostos diretamente.
- Reduza o número de aparições. Um personagem que aparece em três planos é mais fácil de manter coerente do que um que aparece em oito.
- Isole os planos problemáticos. Se um clipe continua derivando, mude o enquadramento (mais aberto, por cima do ombro, parcialmente obstruído) em vez de regerar sem parar.
Regere com propósito
Quando um clipe não está certo, antes de rodar de novo determine qual variável você vai mudar: materiais de referência, redação do prompt ou enquadramento. Mudar várias variáveis ao mesmo tempo torna cada resultado irreprodutível e redefine silenciosamente sua linha de base de consistência.

Produza a narração com referências de voz
A referência de voz molda as características da narração — timbre, tom e sensação geral. Ela não entrega uma mixagem de áudio pronta nem sabe quanto tempo seu plano dura.
Mantenha a amostra focada
Forneça uma amostra limpa da voz que você quer, sem música de fundo, reverb pesado ou várias pessoas falando. Um áudio curto, claro e com uma única pessoa falando dá ao modelo o sinal mais compacto sobre a voz desejada. Guarde a amostra escolhida junto com o conjunto de imagens como parte dos materiais de referência fixos do projeto.
Escreva de acordo com a duração falada
A duração da narração é um problema de texto resolvido antes da geração. Leia o roteiro em voz alta no ritmo desejado e cronometre. A narração de vídeos curtos costuma ser compacta: algumas palavras por plano é normal. Se uma fala não couber na duração planejada para o plano, corte a fala — não peça que o clipe dure mais para encaixá-la.
Planeje a posição da voz em relação aos planos
Para cada plano, decida se a narração atravessa o clipe inteiro, cai em uma única batida ou não aparece. Um padrão útil para vídeos curtos é alternar: uma fala de gancho no plano de abertura, silêncio enquanto a ação é compreendida visualmente e uma fala de fechamento na última batida. Escrever esse ritmo como uma coluna na lista de planos transforma a narração de algo adicionado depois em uma ferramenta de ritmo.
Faça o trabalho de áudio fora da chamada do modelo
A modelagem da voz é apenas uma entrada; a mixagem é com você. Espere lidar com ajuste de níveis, redução de ruído, fades, leito musical e ducking na ferramenta de edição. Mantenha a narração em uma faixa separada, capaz de deslizar em relação à imagem em vez de embutida em qualquer clipe individual, para que você possa reajustar o tempo das falas quando os planos forem cortados. Se uma fala sair com um defeito ou uma leitura estranha, regere apenas aquela fala, não a sequência inteira.
Trate a referência de voz como uma ferramenta de consistência das características da narração, não como um serviço de temporização ou mixagem.
Monte o ritmo e a pós-produção
Depois que os clipes são gerados, o trabalho passa para a linha do tempo. É aí que o material gerado se torna um vídeo curto e onde grande parte da qualidade percebida é conquistada.
Corte com rigor
Clipes gerados costumam conter um núcleo utilizável, com excesso nas duas pontas. Corte até o momento que se compreende: a ação que começa, a batida que aterrissa. A maioria das montagens iniciais fica visivelmente longa demais, e apertar quase sempre é a escolha certa para o ritmo de vídeos curtos. Mire em não ter quadros mortos — o espectador deve sentir desde o primeiro segundo que a peça avança.
Ordene pelo ritmo
Assista ao corte no mudo primeiro e distribua os planos. Se a sequência visual não prender a atenção sem som, a narração não a salvará. Depois, varie o comprimento dos planos de forma consciente: cortes mais rápidos criam impulso, um plano mais longo reajusta a atenção. Alinhe os principais pontos de corte às batidas da narração sempre que possível, para que ouvido e olho mudem juntos.
Trate as legendas como elemento de primeira classe
Vídeos curtos são frequentemente assistidos no mudo, então as legendas carregam a narração. Coloque as legendas depois que a imagem estiver fechada, deixe-as na tela tempo suficiente para uma leitura confortável e quebre as linhas em fronteiras de frases naturais, não no meio de uma ideia. Se as legendas conflitarem com a composição, ajuste o enquadramento ou reposicione, em vez de encolher o texto até ficar ilegível.
Alinhe e misture o áudio
Coloque a narração em uma faixa separada, deslize cada fala até sua batida e verifique se nenhuma fala foi cortada por um ponto de corte. Ao adicionar qualquer leito musical, mantenha o volume baixo o suficiente para que a voz permaneça clara e inteligível. Assista à sequência final do início ao fim usando fones de ouvido — isso captura problemas de timing que a visão da linha do tempo esconde.
Revise em relação ao plano
Releia sua lista de planos e confirme que cada um entregou o que planejava entregar. Se um plano não vale a pena manter, corte-o; uma montagem apertada de seis planos supera uma montagem frouxa de nove. Quando estiver satisfeito, trave a linha do tempo e exporte.
Mantenha o projeto reproduzível
Os materiais de referência, as convenções de prompt e os clipes aprovados do projeto são sua fonte da verdade. Arquite-os junto com o corte final, para que revisões posteriores — novo gancho, novo final, duração diferente — possam ser feitas sem reconstruir todo o pipeline do zero.
Para conhecer a faixa completa de parâmetros dessa tarefa, antes de montar tarefas em lote, consulte o guia da plataforma para confirmar os campos da requisição.

Checklist de fluxo de trabalho repetível
A seguir está o checklist do processo de ponta a ponta, que você pode reutilizar em cada novo vídeo curto.
Planejamento
- Escreva a peça como uma lista de planos: sujeito, ação, duração e batidas de narração de cada plano.
- Cronometre a narração em voz alta e corte falas do roteiro para caber na duração planejada.
- Decida o padrão de ritmo — plano de gancho, batidas de ação, fala de fechamento.
Preparação dos materiais de referência
- Organize com cuidado um conjunto fixo de imagens de referência para cada personagem; salve com nomes claros.
- Escolha uma referência de voz limpa, com uma única pessoa falando, para a narração.
- Registre quais materiais de referência pertencem a qual versão do projeto.
Geração
- Chame
vidu-q3-mix/reference-to-videouma vez por plano. - Em cada plano em que o personagem aparece, use o mesmo conjunto de referências e exatamente a mesma redação do sujeito.
- Varie a ação e a linguagem de câmera, não a linguagem de identidade.
- Gere planos relacionados na mesma sessão, para facilitar a revisão lado a lado.
Revisão
- Compare os clipes como um conjunto, não individualmente.
- Regere mudando uma variável por vez e registre qual variável foi alterada.
- Reenquadre planos que derivam continuamente, em vez de entrar em loop de regeração.
Montagem
- Corte cada clipe até o núcleo utilizável; remova quadros mortos.
- Ordene primeiro pelo ritmo no mudo e depois alinhe às batidas da narração.
- Adicione legendas depois que a imagem estiver fechada; verifique a legibilidade.
- Misture a narração como faixa separada e depois adicione a música; confira com fones de ouvido.
Arquivamento
- Guarde juntos os materiais de referência, as convenções de prompt, os clipes aprovados e a linha do tempo final.
- Registre quaisquer exceções no nível do plano para revisões futuras.
Este checklist é deliberadamente curto. A maioria das falhas em vídeos curtos guiados por referência vem de pular uma etapa, não da chamada de geração em si — fixe as entradas, mantenha o plano apertado e deixe a pós-produção cuidar do ritmo.
Artigos relacionados
Ver todos os artigos →-
Guia de uso
Guia de introdução ao gpt-6.2-sol: limites de capacidade, integração via API e noções de precificação por token
Decisões de integração e pontos práticos para equipes de engenharia
-
Guia de uso
Guia de introdução ao gpt-6.2-astra: limites de capacidade do modelo de texto, pontos de integração e controle de custos
-
Guia de uso
Guia de introdução ao Tripo H3.1: três modos de entrada, parâmetros e como escolher o preço
Decisão de integração e controle de custos na geração 3D para desenvolvedores