Um vídeo longo feito com IA desmorona por um motivo: o personagem troca de rosto. Você gera o protagonista na cena um e ele sai perfeito; na cena três é outra pessoa, com outra roupa e outra luz. A razão é estrutural — cada geração é uma amostra independente, e o modelo não lembra da cena anterior. Não existe um botão de "vídeo longo num prompt só": um motor entrega até 30 segundos limpos e para. O que funciona é montar o vídeo a partir de clipes curtos que compartilham o mesmo kit de referências, sustentando esse kit em todas as cenas para que o rosto, a roupa e a luz não mudem entre um corte e o seguinte.

Este guia percorre o fluxo em português brasileiro: o kit de referências, o motor certo para cada plano, a emenda entre cenas e a conta honesta em créditos (um crédito vale US$0,01, 100 créditos por dólar, pago por corrida e não por mês). Escrevo isto de dentro da Moosky e os exemplos saem dos nossos próprios composers — os preços e limites citados estão no código de cobrança do composer, não na minha memória, e você os confere na tela antes de gastar.

Perguntas rápidas

Como gerar vídeos longos com IA mantendo o mesmo personagem? Com um kit de referências compartilhado: você gera primeiro de três a cinco fotogramas do personagem (retrato frontal, três quartos, corpo inteiro com a roupa fixa, e os lugares onde ele aparece), e anexa esse mesmo kit a todas as cenas. Como o modelo não lembra do clipe anterior, a consistência é sustentada pela referência, não pela memória do motor: cada cena nova parte das mesmas imagens de referência e o rosto para de pular entre os cortes.

Qual motor vai mais longe numa única corrida? O Wan 3.0 é o único que sustenta um plano-contínuo de até 30 segundos numa corrida só (no MiniMax H3 os clipes param entre 4 e 15 segundos). Para passar dos 30 segundos, um vídeo longo é montado como várias cenas que dividem o kit de referências; emendar clipes soltos sem referências compartilhadas é o que entrega a emenda.

Dá para gerar vídeos longos com IA de graça? De graça total, com qualidade publicável, não. Com os 10 créditos do cadastro mais os 50 créditos de entrada do Project Director você testa o planejamento e gera os fotogramas do kit — que é onde a consistência se ganha ou se perde. A produção completa não é grátis: o render de um projeto multi-cena começa com um saldo mínimo de 500 créditos (uma recarga de US$5), sem assinatura e com o preço na tela antes de disparar.

Quanto custa um vídeo longo com personagens consistentes? Um vídeo de 30 segundos dividido em cinco cenas de qualidade publicável sai entre US$10 e US$15 (1.000 a 1.500 créditos) na Moosky. Quem mexe na conta é a resolução: um rascunho de 5 segundos a 480P no Wan 3.0 custa 39 créditos, e um plano-contínuo de 30 segundos a 1080P, 924. Se uma corrida falha, o crédito volta ao saldo.

Por que meu personagem muda de rosto entre as cenas? Porque dois prompts idênticos produzem duas amostras parecidas mas não iguais: não há memória de uma cena para a seguinte. Sem uma referência anexada, o modelo reinventa o rosto a cada render. A correção é a imagem de referência por cena, não escrever um prompt maior: a foto trava a identidade, o texto só descreve a ação.

Passo 1: monte o kit de referências do personagem

Os modelos geram cada quadro do zero, sem a ficha de personagem de um animador — a identidade tem que vir de uma imagem que o modelo copia, não de um texto que ele interpreta. Antes de mover um quadro, gere e aprove os fotogramas do personagem. Quem pula esse passo paga duas vezes: um still errado custa migalhas para refazer; o clipe animado sobre ele vai para o lixo.

  • Retrato frontal: o rosto, luz neutra, expressão relaxada. A fonte de verdade da face.
  • Três quartos: o mesmo personagem girado uns 45 graus, para o motor conhecer o perfil.
  • Corpo inteiro com a roupa fixa: o avental, a jaqueta, o uniforme — o que se repete idêntico em cada cena, escrito no prompt com as mesmas palavras toda vez.
  • Os lugares: um fotograma da loja ou da cozinha que precisa ser lido como O MESMO lugar em todos os cortes.

Os stills aprovados são o kit: guardados e anexados a todas as cenas. A guia de prompts de vídeo com IA em português cobre a gramática que faz esses retratos saírem parecidos entre si.

Passo 2: escolha o motor pelo comprimento do plano, não pela moda

Os tetos de duração por corrida são muito diferentes:

Motor Vídeo mais longo numa corrida Quando você o escolhe
Wan 3.0 (T2V/FFLF) até 30 s contínuos o plano-contínuo: câmera operada, física com peso, uma tomada longa
Wan 3.0 R2V até 30 s com referências anexadas consistência de personagem/objeto/espaço copiada das suas referências
MiniMax H3 Ref2V 4 a 15 s o personagem que fala, com voz por referência e lábios sincronizados
LTX 2.5 clipes curtos, iteração barata rascunhos e cenas faladas com áudio nativo

Um vídeo de um minuto não é feito numa corrida só: são três ou quatro cenas que dividem o kit, cada uma no motor que lhe toca. Os limites de anexar referência — até 10 imagens, 5 vídeos e 5 áudios no Wan 3.0 R2V, e a pegadinha de que entrada e saída dividem os mesmos 30 segundos — estão na guia r2v em português.

Passo 3: emende as cenas sem que a costura apareça

O risco do vídeo montado em cortes é ser lido como colagem. Três regras fecham a emenda:

  1. Mesmo kit, mesma câmera. As mesmas imagens de referência em cada cena, e as mesmas palavras de câmera e luz em cada prompt ("luz quente lateral, plano médio, câmera fixa"). O texto reforça a referência; nenhuma das duas sozinha dá conta.
  2. Uma ação por clipe. "A Dona Cida apoia a bandeja no balcão" roda bem; quatro movimentos acumulados na mesma linha produzem o clipe deformado que entrega a IA. Duas ações encadeadas viram duas cenas.
  3. Aprove no rascunho antes de subir a 1080P. Rode em 480P (39 créditos os 5 segundos no Wan 3.0), faça a imagem convergir, e pague o degrau alto uma única vez. Iterar em 1080P ensina o mesmo por quatro vezes o preço.

Quando o projeto vira várias cenas com o mesmo personagem e o mesmo lugar, o Project Director mantém as referências do personagem, da roupa e do produto compartilhadas entre todos os clipes, para que dezenas de planos se vejam como uma só produção. Um plano único de até 30 segundos que depende do movimento se resolve no composer r2v na mão; emendar doze clipes soltos sem referências comuns é o que faz "parecer IA".

O que custa um vídeo longo com personagens consistentes

Os números saem da grade com que o composer cobra ao vivo, a 100 créditos = US$1:

Peça Créditos Em dólares
Rascunho 5 s, Wan 3.0 a 480P 39 US$0,39
Plano-contínuo 30 s, Wan 3.0 a 480P 231 US$2,31
Plano-contínuo 30 s, Wan 3.0 a 1080P 924 US$9,24
Clipe falado 10 s, MiniMax H3 a 768P ~100 (≈10 por segundo) US$1,00
Vídeo de 30 s com cinco cenas publicáveis 1.000–1.500 US$10–15

A resolução é o multiplicador, a duração se cobra por segundo, e os rascunhos existem para explorar no degrau barato — a aritmética do refazer está na conta honesta do custo por clipe aproveitável. Com os créditos do cadastro e o planejamento do Director você monta o kit inteiro sem gastar um centavo; o render da produção completa pede os 500 créditos da primeira recarga. Comece em moosky.ai/start e leia a cotação na tela antes de apertar gerar.

Perguntas frequentes

Quantos clipes eu preciso para um vídeo longo? Divida o metragens pelo comprimento por clipe: um minuto são quatro planos de 15 segundos. Planeje todos com o mesmo kit antes de renderizar o primeiro — uma cena nova inventada no meio do caminho é onde a consistência quebra.

E se o personagem sair diferente numa cena? Não escreva um prompt maior: anexe o retrato frontal como referência principal e rode de novo no degrau barato. Três rascunhos seguidos derivando apontam para a referência, não para o texto. Esticar um clipe curto também não resolve: o rosto drifta nos segundos extras, e uma cena nova a partir do kit custa menos que um personagem deformado.

Existe plataforma que faz o vídeo longo inteiro num clique, sem marca d'água e com o personagem perfeito? Não em 2026, com qualidade publicável — quem promete "um prompt, dez minutos" mostra clipes soltos emendados. O som nativo vem incluído no preço, e corrida que falha por erro do fornecedor devolve o crédito sozinha. Se a dúvida for entre partir de uma foto, de um clipe ou só de texto, a comparativa está em melhores modelos de vídeo com IA 2026.