Muitos usuários se perguntam por que, embora o preço unitário da geração de vídeo tenha caído bastante em relação ao ano passado, o custo de gerar um vídeo de 10 minutos não diminuiu. Aqui, gostaria de compartilhar ideias e soluções para otimização de custos, na esperança de que todos possam criar mais vídeos de qualidade.
A seguir, com base em meus testes de geração e nas retrospectivas de criadores públicos, apresento algumas práticas para reduzir o retrabalho e controlar custos.
1. A conta deve considerar os planos realmente utilizáveis
Primeiro, é preciso deixar claro que o maior custo da criação de vídeo é a necessidade de gerar repetidamente para obter um trecho utilizável. Um criador compartilhou anteriormente sua experiência: um curta de IA de doze minutos custou cerca de mil e duzentos dólares, gerou mais de novecentos clipes e apenas cerca de duzentos foram usados no final. Para vídeos de média e longa duração, a taxa de aproveitamento do material não é alta.
O custo real da geração de vídeo geralmente depende de quantas tentativas são necessárias para obter um plano utilizável. Por exemplo, se um plano precisa ser gerado três vezes antes de se escolher uma versão utilizável, seu custo de geração é três vezes o preço unitário. Se apenas metade da duração do material selecionado puder ser usada no corte final, o custo calculado por segundo final adotado dobrará ainda mais. Essas proporções são apenas exemplos de cálculo, não médias do setor. O número real de tentativas necessárias varia conforme o modelo, a dificuldade do plano, o material de referência e os critérios de aceitação. Portanto, em vez de comparar apenas o preço de geração única, é mais valioso registrar o custo total de geração, o número de tentativas e os segundos finais adotados, para calcular com precisão quanto custa cada segundo do produto final.
2. Primeiro, projete seu corte bruto de storyboard
Como mencionado, é preciso escolher o modelo e alocar o orçamento de acordo com a complexidade do plano. Mas há uma premissa: você precisa primeiro determinar quais planos essa cena realmente exige, o que cada plano deve expressar e se eles funcionam juntos na edição. Se esses problemas só forem descobertos após a geração do vídeo, o que se exclui é material já pago, e refazer ou modificar gera mais custos.
Portanto, recomendo que, antes de gerar oficialmente o vídeo, faça primeiro um design de storyboard: o que cada plano deve expressar, quantos personagens estão envolvidos, se há ações complexas. Depois de obter o storyboard, marque os planos comuns e os planos-chave. Planos de ambiente vazios e transições simples podem ser testados primeiro com modelos de baixo custo; cenas de diálogo com várias pessoas, ações complexas e atuações-chave devem priorizar a verificação de modelos de alta qualidade para reduzir o retrabalho. A adequação do modelo deve ser julgada pela taxa real de aprovação, não apenas pelo comprimento do prompt.
Esta etapa não é pensar na geração, mas projetar antecipadamente, permitindo que você gerencie melhor quais modelos seu vídeo precisa e onde investir mais tokens. Se for difícil descrever claramente o prompt em texto, o modelo de vídeo também terá dificuldade em entender sua intenção, então não hesite sobre qual modelo usar nesse ponto. O corte bruto estático também não pode validar todas as ações e atuações, mas escrevê-lo ajuda a eliminar antecipadamente uma série de gerações desnecessárias. Primeiro, use baixo custo para esclarecer a finalidade e a ordem dos planos; depois, pague para fazê-los se mover.
Ao misturar modelos na mesma cena, também é preciso verificar se as imagens se conectam. Use as mesmas referências de personagem e descrições de cena para comparar diferenças de personagem, material, iluminação e expressão; se o pós-processamento exigir muitos reparos, a economia da geração única pode ser anulada. A escolha do modelo e a alocação de orçamento devem ser definidas juntas nesta etapa.
Para experimentar esse processo no Arcloop, comece com um roteiro ou uma ideia no gerador de dramas curtos com IA. Use seu plano de filmagem para revisar as cenas e decidir o que precisa de uma nova versão.
Exemplo: reserve tempo para diálogo e reação
Abaixo está um exemplo de plano de storyboard para uma cena curta de 18 segundos. Primeiro determine a tarefa de cada plano e depois reserve tempo para o diálogo e a reação do personagem; essas durações são metas de design que precisam ser validadas com som temporário e corte bruto.
| Plano | Finalidade | Faixa de edição | Duração |
|---|---|---|---|
| 01 | Estabelecer a espera | 00:00–00:04 | 4s |
| 02 | Dar espaço para a fala | 00:04–00:10 | 6s |
| 03 | Revelar a chegada | 00:10–00:13 | 3s |
| 04 | Deixar a reação assentar | 00:13–00:18 | 5s |
Tomando o segundo plano como exemplo, os seis segundos podem ser divididos em três fases: preparação, fala e pausa:
Camera: Eye-level medium close-up, locked off.
0–1 seconds: Maya looks down at her phone and takes a small breath.
1–5 seconds: She says quietly: If you are coming, this is your last chance.
5–6 seconds: She holds still, eyes on the phone. End before she looks up.
Sound: Temporary dialogue over low station ambience.
Primeiro grave um diálogo temporário para verificar se seis segundos são suficientes para falar naturalmente e, em seguida, veja se o plano de reação dos últimos cinco segundos consegue sustentar a emoção. Se o diálogo estiver apressado ou a reação for curta demais, ajuste primeiro o storyboard e a duração da edição antes de prosseguir para a geração de vídeo.
3. Use o storyboard para prova visual
O corte bruto do storyboard determina a finalidade e a ordem dos planos; o storyboard desenha essas ideias. Onde os personagens estão, para onde olham, se dois quadros consecutivos se conectam — geralmente é mais fácil julgar quando colocados juntos. Ele é adequado para fazer uma prova visual antes da geração de vídeo, verificando primeiro a composição, as relações espaciais e as mudanças emocionais.
Ao escrever o prompt do storyboard, primeiro especifique claramente os requisitos do Grid: quantas linhas e colunas, ordem de leitura, proporção de cada quadro e que cada quadro apresente apenas um instante estático. Os personagens devem manter apenas as características de identificação necessárias; depois, escreva claramente o enquadramento e o estado-chave de cada quadro. O texto não deve ser muito complexo; quanto mais detalhes de aparência, fundo, ação e restrições forem empilhados, mais difícil será para o modelo de imagem cumpri-los simultaneamente, e as informações realmente importantes podem ser perdidas.
O storyboard também adiciona uma camada de trabalho de produção. O modelo de imagem precisa lidar simultaneamente com o layout dos quadros, a consistência dos personagens e a continuidade da cena, podendo errar um quadro ou fazer com que os detalhes entre quadros não correspondam. Na produção real, é melhor usar ferramentas profissionais de storyboard ou ferramentas de imagem que suportem imagens de referência, edição local e exportação de quadros individuais, separando o layout, a geração e a modificação.
Se você quiser modificar apenas um quadro, recomendo primeiro recortar esse quadro e, junto com as referências necessárias de personagem ou cena, editá-lo ou regenerá-lo separadamente; depois de confirmar, coloque-o de volta na posição original. Isso preserva os outros quadros já satisfatórios e facilita a comparação entre antes e depois da modificação. Quando precisar usar como primeiro quadro do vídeo, recorte primeiro a imagem correspondente e verifique a nitidez e o estado inicial.
Exemplo: use seis quadros para verificar a mesma cena
Continuando o caso da estação da Parte 2, os seis quadros mostram sucessivamente: espera, close do celular, fala, aparição da pessoa, levantar a cabeça e sorriso. O último quadro coloca Maya em primeiro plano à esquerda e a pessoa que chega na entrada ao fundo à direita, mostrando simultaneamente sua reação e o objeto do olhar. Abaixo, o prompt é encurtado, mantendo apenas o layout, a identificação dos personagens e a imagem-chave de cada quadro.
Create a six-panel storyboard: 3 columns × 2 rows, six equal landscape panels with narrow white gutters. Read left to right, top row then bottom row. One still moment per panel.
Style: Black-and-white pencil storyboard, simple lines and light gray shading.
Character: Maya is an adult Western woman with shoulder-length blonde hair and a dark coat. Her phone stays in her right hand.
Setting: Night train platform. Maya is on the left; the lit entrance is on the right, on the same platform. Keep the character and station layout consistent.
GRID01 (top-left): Wide shot. Maya waits beneath the station clock. The entrance on the right is empty.
GRID02 (top-center): Close-up. The phone in Maya’s right hand. Blank screen, dark coat sleeve.
GRID03 (top-right): Medium close-up. Maya looks down at her phone, lips parted as she speaks quietly.
GRID04 (bottom-left): Medium-wide shot. One person stands at the lit entrance on the right, facing left. Maya is outside the frame.
GRID05 (bottom-center): Close-up. Maya looks up toward the entrance on the right, her expression softening.
GRID06 (bottom-right): Medium-wide shot. Maya smiles in the left foreground, phone lowered in her right hand. The arriving person remains at the entrance in the right background.
No captions, panel numbers, speech bubbles, or watermarks. Do not draw the GRID labels.
Esses seis quadros são nós visuais para verificar a história; na prática, ainda podem ser organizados conforme os quatro planos da Parte 2. O último quadro da imagem é o estado final e não pode ser usado diretamente como imagem inicial de toda a cena. A imagem acima foi gerada com GPT Image 2.5 Flare; o que se mostra aqui é uma versão simplificada organizada a partir do prompt longo original, ainda não regenerada com a versão simplificada, nem submetida a teste comparativo de custos.
Exemplo de vídeo: referencie a história do storyboard e dê espaço ao modelo
Ao entregar o storyboard em seis quadros como imagem de referência ao modelo de vídeo, pode-se pedir apenas que ele siga a história e a progressão emocional, deixando-o organizar o enquadramento, o movimento de câmera, o ritmo e os movimentos sutis. A linha da história — da espera, à fala, à descoberta da pessoa, ao sorriso de alívio — deve permanecer clara. O traço em preto e branco, o claro-escuro e o layout dos quadros do storyboard não precisam ser copiados; o vídeo usa cores naturais e iluminação adequada à cena.
Esta demonstração em vídeo comprime o plano de 18 segundos da Parte 2 para 15 segundos, usando Seedance 2.0 Standard, configurado para 720p, 16:9, com som ativado. Para ações que não podem ser omitidas, é preciso explicitá-las no prompt: primeiro tirar o celular do bolso, cortar para close da mão conectando ao movimento de levantar, depois cortar para plano médio da fala; em seguida, usar plano da pessoa que chega, reação de levantar os olhos e composição de dois personagens. O enquadramento específico e a duração de cada plano ainda são deixados para o modelo. Abaixo está o prompt realmente usado:
Use Image 1 as a six-shot story guide. Keep the same woman, coat and station, with natural colors and believable lighting. Allow small changes in framing and performance.
1. Wide shot: she waits at the station, phone initially inside her right coat pocket. She reaches into that pocket and visibly pulls out the phone.
2. Cut to a hand close-up as the phone clears the pocket. Continue the same movement as she raises it and looks at the screen. Show this action clearly before the dialogue.
3. Match the movement into a medium close-up. Holding the phone in her right hand, eyes on the screen, she quietly says: "If you are coming, this is your last chance."
4. Cut to the entrance as a man arrives and pauses.
5. Cut back to her face: her eyes lift from the phone toward him, then her expression softens.
6. Finish wider, with her in the left foreground and him near the entrance on the right. She lowers the phone and smiles.
Keep the phone action continuous across cuts. Use full-screen shots, quiet station ambience, no grid or captions.
O vídeo acima foi gerado por esta versão do prompt, medido em cerca de 15.1 segundos, 1280 × 720. No início, o modelo acrescentou a ação de tirar o celular do bolso e cortar para close para verificar; depois, conectou a fala, a chegada da pessoa e a reação de levantar a cabeça. O final mantém a relação de primeiro e segundo plano entre os dois, mas o sorriso é menos evidente que na versão anterior, ainda sendo necessário verificar se a atuação atende aos requisitos do produto final. Este caso ainda não foi comparado em custo ou qualidade com geração puramente textual.
4. Primeiro preserve a capacidade do modelo, depois reduza a resolução de saída
Escolher o modelo e escolher a resolução são duas questões diferentes. A imagem em 480p tem menor nitidez, mas definir a saída do Seedance 2.5 para 480p não equivale a trocar por um modelo mais fraco. Na prova, primeiro julgue se ele entendeu a ordem dos planos, os movimentos dos personagens e as emoções; depois decida se é necessário melhorar a qualidade da imagem.
Para storyboards complexos, prefiro testar primeiro com Seedance 2.5 em 480p, em vez de escolher Seedance 2.0 para obter 1080p. A documentação oficial afirma que o 2.5 tem melhorias na aderência a instruções e no controle de produção, além de suportar organização de conteúdo por pontos de tempo em segundos inteiros. Essas capacidades são dimensões diferentes do número de pixels de saída e merecem verificação prioritária. No entanto, a afirmação de que "o 480p do 2.5 sempre entende melhor cada plano do storyboard do que o 1080p do 2.0" ainda requer comparação real com o mesmo prompt, não podendo ser garantida apenas pelo modelo e pela resolução.
Os custos também favorecem o teste em baixa resolução primeiro. Tomando como referência os preços oficiais em dólar do BytePlus ModelArk, sob as mesmas condições de 16:9, saída de 5 segundos, sem vídeo de referência de entrada:
| Modelo e resolução de saída | Custo estimado por vídeo de 5 segundos |
|---|---|
| Seedance 2.5 · 480p | $0.514 |
| Seedance 2.0 · 1080p | $1.87 |
O primeiro é cerca de 72.5% mais barato. Esta comparação considera o custo do vídeo inteiro: embora o preço por token do 2.5 seja mais alto, o 480p requer menos tokens de saída, e o total ainda é mais barato que o 1080p do 2.0. Os valores acima são exemplos de estimativa oficial, não a fatura real deste teste; vídeo de referência, duração, proporção e acréscimos da plataforma alteram o custo final.
Especificamente para uma cena, pode-se verificar primeiro em 480p: o celular foi tirado? A pessoa que chega está na posição correta? O olhar dos personagens e as ações consecutivas se conectam? O 480p ainda pode expor esses problemas; textura de pele, fios de cabelo e detalhes de plano distante são verificados na fase de alta resolução. No entanto, duas gerações independentes em baixa e alta resolução podem alterar ações e atuações, não se podendo presumir reprodução quadro a quadro.
Se a ferramenta suportar o fluxo de trabalho Seedance 2.5 Draft, pode-se gerar primeiro um rascunho em 480p, confirmar a estrutura da cena, a planejamento de câmera e as ações, e depois usar a tarefa de rascunho para gerar a versão em alta resolução. Esse fluxo é mais adequado para manter a consistência entre os resultados do que enviar novamente uma geração independente; as tarefas de rascunho e alta resolução são cobradas separadamente e devem ser incluídas no custo total da cena.
A entrada de referência também deve manter apenas o necessário. Quando a aparência do personagem e a composição estática puderem ser explicadas por imagem, use primeiro a imagem; quando for necessário referenciar ação ou movimento de câmera, adicione o clipe de vídeo relevante. Para modelos que contabilizam a duração do vídeo de entrada, adicionar mais uma referência também pode aumentar o custo, portanto, entrada e saída devem ser calculadas juntas.
Teste real: valide primeiro em 480p e depois regenere em 1080p com referência
Abaixo, usando a cena de "soldado lendo uma carta sob a árvore", mostro um processo de validação em baixa resolução seguido de regeneração em alta resolução. A versão 480p usa o vídeo original como referência, exigindo que apresente sucessivamente: sentado sob a árvore, close da carta, close da leitura e plano geral com afastamento, e que por volta do sexto segundo apareça texto manuscrito na carta.
Esta versão teve saída real de 864 × 496, cerca de 15.1 segundos. A baixa resolução já é suficiente para julgar se os quatro segmentos de plano funcionam e se a ação de leitura se conecta. O texto manuscrito também apareceu no papel, mas o modelo expandiu o "Come home safe." especificado para várias linhas, não reproduzindo com precisão o texto solicitado. Esse tipo de erro pode ser descoberto na fase de prova; se o texto precisar ser exato, é necessário continuar ajustando ou tratar na pós-produção, não bastando apenas aumentar a resolução para considerá-lo resolvido.
Em seguida, usando este vídeo 480p como referência, ainda com Seedance 2.0 Standard, a saída foi alterada para 1080p, 15 segundos. O prompt foi simplificado para manter personagem, cena, ação e ordem dos planos, reforçando iluminação natural e textura cinematográfica:
Use Video 1 as the reference. Keep the same soldier, face, uniform, tree, meadow, letter, actions and shot order. Maintain visual continuity and the original pacing. Enhance the scene with cinematic natural morning light, realistic skin and fabric detail, and restrained film color grading. Preserve the handwritten letter. No added subtitles or dialogue.
A versão em alta resolução teve saída real de 1920 × 1080, cerca de 15.1 segundos. Pelos quadros-chave, personagem, uniforme militar, árvore grande e grama permanecem em geral consistentes, e a estrutura dos quatro segmentos de plano foi preservada. Isso mostra que o vídeo em baixa resolução pode ser usado para validar ação e estrutura e depois fornecer referência para a geração em alta resolução; mas a saída em 1080p não garante que os detalhes sejam recuperados com precisão, nem que personagem e ação sejam idênticos quadro a quadro.
Os dois vídeos deste teste são tarefas de geração com referência cobradas separadamente, usando a referência de vídeo asset:// da biblioteca de ativos da Volcengine. Isso é diferente do fluxo de trabalho Seedance 2.5 Draft apresentado anteriormente. O que se mostra aqui é o processo de produção; não foi verificada a fatura em dólar, nem concluída a comparação de custos entre modelos; a tabela de preços anterior ainda é estimativa oficial, não o custo real desses dois vídeos. Somente incluindo o número necessário de tentativas e o número de gerações em alta resolução é possível julgar se todo o processo economiza dinheiro.
5. Material com falha: veja primeiro se pode ser salvo na edição
Imagine um clipe de seis segundos com uma atuação convincente nos três primeiros, mas com uma mão deformada depois disso. Antes de gerar outra versão, tente cortar antes do erro, inserir um plano de reação e manter o áudio. Talvez a parte boa ainda funcione na cena. Avalie o resultado da edição antes de decidir se precisa de mais material.
Claro, é preciso ter limites: se o rosto do protagonista estiver errado, um objeto-chave estiver errado, ou a causalidade da ação não for compreensível, esses problemas que afetam a compreensão da história pelo público não podem ser ignorados para economizar dinheiro.
Na edição, primeiro marque os trechos utilizáveis e depois decida quais planos complementar. Quando o personagem fala, pode-se cortar para a reação do ouvinte antes do erro de ação, deixando o diálogo continuar; planos de ambiente vazios também ajudam na transição. No entanto, após o corte, ainda é preciso verificar se o olhar, a ação e o som são contínuos. Esta é uma ideia de remediação, não uma garantia de que todo material com falha possa ser salvo.
Considerações finais
Controlar custos, em última análise, é controlar o retrabalho. Os preços das ferramentas continuarão caindo, mas começar a gerar sem pensar claramente fará o dinheiro ser gasto mais rápido do que a queda de preços. Primeiro pense claramente no que deseja, valide da maneira mais barata e depois coloque o orçamento nos planos que valem a pena; isso é mais eficaz do que qualquer comparação de preços.
