Conclusão principal (TL;DR): O maior obstáculo na geração de vídeo com IA é a distorção do rosto das personagens e o ritmo temporal caótico. Ao combinar [GPT Image 2.5 para fixar o storyboard no espaço + MiniMax H3 para a direção de câmara no tempo], convertemos uma única imagem em grelha de 4 painéis numa curta cinematográfica coerente de 12 segundos, com 4 planos, em 2K. A narrativa acompanha um estafeta mecânico que se aproxima de um vaso num terraço, recolhe uma semente luminosa, planta-a e vê desabrochar uma flor luminosa. Todo o pipeline custou 257,99 créditos ($1.29 USD), o que oferece um modelo de produção ultra económico para cineastas independentes e agências criativas.
1. Visionamento da curta-metragem final
Vê a curta-metragem resultante, renderizada pelo MiniMax H3 (otimizada como pré-visualização web silenciosa em 720p, abaixo):
- 🎬 Transfere o MP4 master completo em 2560 × 1440 (2K) a 24 FPS
- 📥 Transfere o MP4 de pré-visualização web silenciosa em 720p
Especificações técnicas do master: duração pedida de 12 s, saída do contentor com 12,25 s, resolução de 2560 × 1440 a 24 FPS, com continuidade de câmara total nos 4 momentos da história.
2. O pipeline central: porque funciona o condicionamento por storyboard
Os modelos diretos de texto para vídeo alteram com frequência o guarda-roupa e deformam a estrutura facial das personagens entre planos de corte. O nosso pipeline estruturado separa o desenho espacial dos assets do movimento temporal:
[Step 1: Script Timing] ──> Divide 12s into four 3-second visual beats
│
[Step 2: GPT Image 2.5] ──> Generate 2×2 storyboard grid (locking character, props, lighting)
│
[Step 3: MiniMax H3] ──> Animate storyboard as a 4-shot full-screen sequence in reading order
Como os quatro painéis são gerados em conjunto no GPT Image 2.5, a geometria do guarda-roupa da personagem, a paleta de cores e os ambientes do terraço mantêm-se idênticos. O MiniMax H3 interpreta então a grelha como momentos sequenciais da história, em vez de alucinar novos desenhos de personagens.
3. Guia de implementação passo a passo
Passo 1: escreve o guião de uma narrativa em 4 momentos
Centra a sequência de 12 segundos numa personagem, num local consistente e num adereço focal que se transforma:
| Timecode | Escala do plano | Ação visual e momento |
|---|---|---|
| 0–3s | Plano geral de situação | O estafeta atravessa o terraço ao entardecer em direção ao vaso de terracota vazio |
| 3–6s | Plano médio curto | O estafeta enfia a mão na bolsa e ergue uma semente luminosa e brilhante |
| 6–9s | Plano de pormenor | As mãos pousam com cuidado a semente brilhante na terra escura |
| 9–12s | Plano médio aberto | Uma flor dourada brota de imediato; o estafeta observa em silenciosa admiração |
Passo 2: gera a grelha de 4 painéis com o Sunburst
Usa o gpt-image-2.5-sunburst em 2K 16:9 para estabelecer uma estética cinematográfica de stop-motion:
- 📥 Transfere o PNG original do storyboard em 2048 × 1152
- 📋 Inspeciona o JSON de entrada original da geração da imagem
Boa prática de prompt: especifica “2 by 2 storyboard grid, thin dividing gutters, sequential reading order” (grelha de storyboard 2 por 2, separadores finos, ordem de leitura sequencial) e proíbe explicitamente números nos painéis ou balões de banda desenhada.
Passo 3: dirige o MiniMax H3 através de condicionamento por referência
Na PoYo, o identificador de modelo do MiniMax H3 na API é hailuo-03.
⚠️ Armadilha crítica de engenharia de vídeo:
NÃO passes o storyboard nos campos de frame inicial/final (image_urls). Passar uma grelha como frame inicial obriga o modelo a animar as linhas da grelha!
A técnica correta: passa o storyboard em reference_image_urls (modo de referência global) e instrui explicitamente o modelo: “Image 1 is a 4-panel storyboard reference. Make a 12-second short with four consecutive full-screen shots in reading order. Never show the grid or gutters!” (A imagem 1 é uma referência de storyboard de 4 painéis. Faz uma curta de 12 segundos com quatro planos consecutivos em ecrã inteiro, por ordem de leitura. Nunca mostres a grelha nem os separadores!)
Prompt de vídeo principal:
Image 1 is a four-panel storyboard reference, NOT a single frame
to animate. Make a 12-second 16:9 silent cinematic short with four
consecutive full-screen shots in reading order. Never show the grid,
gutters or multiple panels.
0-3s: courier walks toward the empty pot.
3-6s: courier reaches into the satchel and lifts one glowing seed.
6-9s: seed is gently planted in the dark soil.
9-12s: a luminous golden flower sprouts; courier watches.
Preserve the character, clothes, pot, rooftop and blue-hour light.
No subtitles, written words, logo, dialogue or standalone outro.
The final frame stays on the courier and flower.
Payload do pedido à API da PoYo:
{
"model": "hailuo-03",
"input": {
"prompt": "Your complete sequential-shot instructions",
"reference_image_urls": ["https://storage.poyo.ai/blog/gpt-image-25-p0-20260910/storyboard-c996b2d10610.png"],
"duration": 12,
"resolution": "2K",
"aspect_ratio": "16:9"
}
}
4. Inspeção visual segundo a segundo
Extraímos 12 frames representativos (amostrados a 1 FPS) para uma folha de contactos de inspeção:
Lê da esquerda para a direita e de cima para baixo (segundos 1 a 12).
Pontos fortes e limitações atuais:
- ✅ Sequência de câmara impecável: o vídeo libertou-se por completo da grelha, cortando com limpeza entre 4 ângulos em ecrã inteiro que correspondem aos momentos do storyboard.
- ✅ Consistência da personagem: o boné azul-marinho, o casaco azul-petróleo, o lenço, os pormenores em latão e o cenário do terraço mantiveram-se consistentes, sem colapso do rosto.
- ⚠️ Realismo mecânico: a semente luminosa continua visivelmente sobredimensionada e o contacto dos dedos com a terra apresenta pequenas sobreposições de geometria. Anúncios comerciais de topo podem ainda beneficiar de uma limpeza de VFX localizada.
5. Detalhe de custos de produção e tempos de resposta
| Asset de produção | Modelo e parâmetros | Créditos cobrados | Custo em USD ($0.005/crédito) | Tempo de resposta medido |
|---|---|---|---|---|
| 1. Storyboard de 4 painéis em 2K | GPT Image 2.5 Sunburst (2K medium) | 5,99 créditos | $0.02995 | 42,97 s |
| 2. Curta-metragem de 12 segundos em 2K | MiniMax H3 / hailuo-03 (2K 12s) | 252 créditos | $1.26000 | 621,46 s (~10 min) |
| Custo total de produção | Curta completa de 12 segundos em 2K | 257,99 créditos | $1.28995 (~$1.29) | ~11 minutos |
Perguntas frequentes (FAQ)
O GPT Image 2.5 consegue gerar ficheiros de vídeo diretamente?
Não. O GPT Image 2.5 é um modelo de imagem estática que se destaca no desenho espacial de personagens e em storyboards de vários painéis. O MiniMax H3 fornece o movimento temporal e a dinâmica de câmara.
Preciso de dividir o storyboard em 4 carregamentos de imagem separados?
Não. Passar a grelha inteira de 4 painéis como um único URL em reference_image_urls funciona de imediato. Os modelos de vídeo modernos têm a atenção espacial necessária para interpretar grelhas de vários painéis de forma sequencial.
Como posso começar?
Desenha o conceito do teu storyboard no GPT Image 2.5 e depois submete o URL da imagem ao MiniMax H3.