Um personagem recorrente precisa de uma voz reconhecível, além do rosto. Este guia usa Vidu Q4 Preview no Arcloop para planejar uma cena de 12 segundos com imagem do personagem, imagem do local e gravação. Você prepara as referências, escreve o prompt e reutiliza a voz em um segundo clipe com falas novas.
A cena se passa em uma pequena oficina depois do fechamento. Uma mulher olha para a porta, reconhece alguém e relaxa a expressão. Duas frases curtas sustentam o momento. O cenário simples deixa espaço para avaliar a atuação. É um plano de produção, não um teste de voz concluído.
O que a referência de voz acrescenta
O Vidu Q4 aceita referências de voz junto das visuais. A gravação fornece um exemplo de voz; o prompt indica novas falas e direção. Semelhança da voz, palavras corretas, movimento da boca e atuação natural são verificações separadas. Acertar uma não significa acertar todas.
O fluxo serve para um personagem em outro episódio, uma reação após uma conversa fora de quadro ou uma apresentação curta. Comece com uma única pessoa falando para perceber quais instruções o modelo segue.
Como criar uma cena de diálogo com Vidu Q4 no Arcloop
Etapa 1. Escreva uma cena que combine com o diálogo
Defina a mudança emocional antes da câmera. Aqui, ela passa da incerteza ao alívio. Continua sentada, olha para a porta e evita gestos amplos.
| Tempo | Imagem e ação | Fala e som |
|---|---|---|
| 0 a 3 segundos | Ouve alguém chegar e olha para a porta. | Campainha suave e som ambiente. |
| 3 a 6 segundos | Reconhece a pessoa e baixa a guarda. | You came back. |
| 6 a 8 segundos | Faz uma pausa e respira de leve. | O ambiente continua. |
| 8 a 11 segundos | Relaxa os ombros sem desviar o olhar. | I kept the light on. |
| 11 a 12 segundos | Mantém a reação. | Deixa a última palavra assentar. |
Os intervalos indicam o ritmo desejado, não controle por quadro. Confira a pausa no resultado. As falas e os prompts permanecem em inglês para copiar diretamente.
Etapa 2. Prepare as referências de personagem, oficina e voz
Use uma imagem nítida com o rosto grande o bastante para conferir. Uma expressão neutra ajuda a comparar cabelo, rosto e jaqueta quando a personagem vira.
Referência criada fora do Arcloop com a ferramenta integrada de geração de imagens. Ela define rosto, cabelo e roupa.
Prompt da imagem da personagem
Create one photorealistic casting reference photograph of an original adult woman in her early thirties. Short dark curls, brown eyes, a narrow oval face, a small natural freckle below her left eye, rust colored canvas work jacket over a plain gray cotton shirt. Chest up framing, body turned slightly to the right, both eyes visible, relaxed mouth, neutral attentive expression. Soft daylight on a plain pale gray background. Natural skin texture, realistic hair and fabric, no beauty filter. One person, no text, no logos, no collage, no illustration or animation.
A referência do local define bancada, porta e iluminação. Não inclua pessoas para evitar outra identidade.
Criada com a mesma ferramenta externa. O assento vazio deixa lugar para a personagem; a porta orienta o olhar.
Prompt da imagem da oficina
Create one photorealistic location photograph of a small independent repair shop after closing. A worn wooden workbench in the foreground, a dark green entrance door in the right background, neatly hung hand tools on the rear wall, one warm desk lamp on the left, cool evening light through a narrow window. Leave a clear seated position behind the workbench with an unobstructed view toward the door. Eye level medium wide composition, realistic scale and practical lighting. No people, no readable text, no brand marks, no illustration or animation.
Use uma gravação sua ou uma voz sintética com autorização. Escolha fala natural e limpa, sem música nem outra pessoa. Uma frase clara facilita a comparação mais do que uma gravação com várias interpretações dramáticas.
A API de referências do Vidu exige MP3 de 3 a 12 segundos. Neste caso, busque 5 a 8 segundos de fala natural e confira a duração exportada. Veja também eventuais requisitos adicionais do upload no Arcloop.
Fala sugerida para a gravação
I left a seat for you. Take your time.
Grave uma frase diferente do diálogo final. Assim você verifica se a voz passa para novas palavras, em vez de apenas repetir a amostra. Mantenha a mesma gravação nas próximas versões.
Etapa 3. Anexe as referências e escreva o prompt completo
Abra o Arcloop, anexe as duas imagens e a gravação ao pedido e dê nomes claros. Os rótulos entre colchetes são marcadores: troque pelos nomes ou menções reais dos arquivos.
Prompt completo do vídeo
Create one 12 second photorealistic drama scene in a real repair shop after closing.
Use [CHARACTER IMAGE] for the woman's identity, short dark curls, face, freckle, rust colored jacket, and gray shirt. Use [SHOP IMAGE] for the workbench, dark green doorway, tool wall, and practical lighting. Use [VOICE AUDIO] as the voice reference for this woman speaking the new dialogue below. The recording is a voice example, not a request to repeat its words.
One adult woman is seated behind the workbench. An unseen visitor has just arrived at the doorway to camera right. Keep her gaze toward that doorway, slightly past the camera. Begin in a medium close view at her eye level. Make one slow, subtle camera push toward her face throughout the scene. Keep her face and mouth unobstructed.
0 to 3 seconds: A soft door chime sounds. She raises her eyes toward the doorway, attentive but guarded. Her hands remain still below the frame.
3 to 6 seconds: Recognition softens her expression. She says the following line once, in natural conversational English:
You came back.
6 to 8 seconds: She pauses. A small breath and a slight release in her jaw show relief. Leave the pause quiet.
8 to 11 seconds: Her shoulders ease. Still looking toward the visitor, she says the following line once:
I kept the light on.
11 to 12 seconds: Hold on her quiet reaction as the last word settles.
Use warm light from the desk lamp and soft cool evening light from the window. Natural skin texture, restrained facial movement, realistic breathing, gentle focus falloff. Keep the character, clothes, shop layout, and lighting consistent. Generate the spoken dialogue, soft chime, and quiet room tone. No music, narration, subtitles, additional speakers, extra dialogue, sudden cuts, illustration, or animation.
O prompt separa as funções da voz, das imagens e das falas. Para adaptar, troque personagem, local e palavras; depois ajuste a pausa à atuação desejada.
Etapa 4. Gere a cena e troque as falas
Selecione Vidu Q4 Preview e reference to video. A configuração proposta é 12 segundos, 720p, 16:9 e áudio gerado ativado. Confirme que as duas imagens e a voz pertencem à tarefa.
O guia do Arcloop exige imagem e aceita até três referências de áudio nesse modo. Confira a estimativa de créditos. Os intervalos do prompt não garantem sincronização exata: revise palavras, tempo e boca no resultado.
Faça outro pedido com as mesmas imagens, gravação, duração e áudio. Troque somente as duas falas por estas:
Line at 3 to 6 seconds:
I almost locked the door.
Line at 8 to 11 seconds:
Come in. It's cold out.
Compare sotaque e textura da voz, permitindo diferenças naturais de ênfase. Esse teste verifica a cena, não estabelece uma taxa geral de sucesso do modelo.
Opcionalmente, gere uma terceira versão do diálogo original sem anexar a voz. Remova a instrução de referência vocal e mantenha o áudio gerado ativado. Reserve orçamento separado para essa tentativa.
Etapa 5. Confira palavras, voz, boca e reação
Ouça com fones antes de avaliar a imagem. Confira se as falas estão completas, se há palavras extras e se a pausa continua presente. Compare consoantes, textura e sotaque com a gravação. Só ter altura de voz parecida não basta.
Veja a boca na velocidade normal: procure fala antes do movimento, lábios ainda se mexendo após o fim ou expressão exagerada na pausa. Compare rosto e jaqueta no início e no final com a referência.
Se a fala estiver corrida, encurte ou dê mais tempo. Se o som não estiver claro, substitua primeiro uma amostra ruidosa. Se a atuação estiver rígida, reduza a direção emocional a uma mudança visível. Altere uma coisa por vez e compare a próxima versão.
Perguntas frequentes
Preciso programar ou usar outra ferramenta de sincronização labial?
O fluxo usa anexos, texto e configurações do Arcloop. Pede ao Vidu Q4 Preview para gerar fala e imagem juntas. Confira a boca antes de decidir por edição adicional.
Posso enviar só a gravação?
A integração do Arcloop exige imagem. O retrato define quem fala e a oficina define o lugar; o áudio complementa essas entradas.
Uma referência garante a mesma voz em todos os episódios?
Não. Reutilize amostra, personagem e atribuição de fala, mas compare cada clipe. Palavras e emoção podem mudar a interpretação.
Quanto custa a comparação?
Os dois diálogos precisam de dois pedidos. A versão opcional sem amostra acrescenta um terceiro. Inclua a preparação de imagens e voz e confira a estimativa do Arcloop antes de cada tarefa, pois configurações e novas tentativas alteram o total.
