Vídeo com IA e câmera fixa: mova o personagem, não o enquadramento

Você deu uma boa imagem estática a um modelo de imagem para vídeo e pediu um pequeno movimento, mas o clipe voltou se aproximando lentamente. Nos nossos testes de outubro de 2026, a correção mais confiável foi uma frase no prompt: "Locked-off camera on a tripod, no camera movement, no zoom, no pan." No Seedance 1.5 Pro, ela manteve o enquadramento nas duas tentativas, enquanto o botão camera_fixed sozinho não conseguiu: a imagem se deslocou ou se aproximou. Seedance 1.5 Pro e Seedance 1.5 Pro Spicy são os únicos dois modelos de vídeo do catálogo atual da SpicyAPI com esse botão (um teste de cinco segundos em 480p sem áudio tem preço listado de $0,056 e $0,060). MiniMax H3, MiniMax H3 Spicy e Seedance 2.5 Spicy não têm essa entrada, então só recebem a instrução escrita; no H3, ela funcionou uma vez e falhou outra. A seguir, veja como escrevê-la, verificar o resultado com referências fixas na imagem e decidir quando a estabilização compensa o recorte.

Escolha o modelo antes de descrever a tomada

Os preços são por segundo gerado, então um clipe de cinco segundos custa cinco vezes a tarifa indicada. O áudio vem ligado nas duas variantes Seedance 1.5 e dobra o preço: cinco segundos em 480p passam a $0,112 no Seedance 1.5 Pro e $0,120 na edição Spicy. Uma solicitação padrão (720p, áudio ligado) na edição Spicy tem preço listado de $0,26 por cinco segundos; configure resolução e áudio por conta própria nos testes. H3 gera som na mesma execução sem botão para desativá-lo, e Seedance 2.5 Spicy custa o mesmo com ou sem áudio.

As variantes Seedance 1.5 vão até 1080p e 12 segundos. No Seedance 1.5 Pro padrão, a proporção é um de seis valores fixos, com 16:9 como padrão e sem opção de seguir a entrada. Se ela diferir da imagem, haverá reenquadramento e o sujeito poderá perder as margens; solicite a proporção da sua imagem. A edição Spicy a segue. No Pro padrão, o quadro final e o seed funcionam apenas em 480p e 720p; uma solicitação em 1080p que defina qualquer um deles é recusada. O prompt é obrigatório no Pro (ao menos três caracteres) e opcional na edição Spicy.

Nenhum outro modelo de imagem para vídeo no catálogo oferece entrada de câmera ou trava. Kling, Wan, Vidu, LTX, HappyHorse e Seedance 2.0 e 2.5 não oferecem. Alguns têm negative_prompt ou movement_amplitude, controles de exclusão e intensidade de movimento, não travas de câmera. Seedance 2.5 base ($0,617 por cinco segundos em 480p) é mais barato que a edição Spicy ($1,08), mas também não tem entrada de trava. A linha Spicy é voltada a imagens para adultos, então, para uma imagem comum, use Seedance 1.5 Pro se quiser a trava.

Para saber o que H3 processa, veja a avaliação do MiniMax H3.

Como um enquadramento fixo aparece em clipes reais

Dois exemplos das páginas dos modelos mostram como é um enquadramento mantido.

Nos dois clipes, o fundo se move menos de um por cento da largura do quadro. É difícil avaliar a olho, mas fácil verificar depois de escolher e medir um ponto de referência.

A execução de boxe traz uma surpresa útil: o botão estava desligado e só o prompt manteve o enquadramento. Nos nossos testes com Seedance 1.5 Pro, a instrução escrita com o botão desligado manteve a janela e a prateleira dentro de 1 px ao longo de cinco segundos nas duas execuções. Com apenas o botão ligado, a imagem deslizou cerca de 2% da largura em uma execução e se aproximou na outra, fazendo a borda da prateleira descer cerca de 4% da altura. Sem nenhuma trava, ela se deslocou aproximadamente 1,6% a 3,7% da altura. H3 com a instrução escrita manteve o quadro em uma execução e deslizou cerca de 3,5% da largura na outra; num modelo sem botão, preveja o clipe em que a trava falha.

Crie um primeiro quadro com referências visíveis

Use um retrato da cintura para cima de uma pessoa adulta fictícia com uma jaqueta cinza-carvão ao lado de uma janela retangular. Posicione o sujeito um pouco à esquerda do centro, com os dois cotovelos no quadro e uma parede lisa atrás da mão que se moverá. Mantenha visíveis a moldura da janela, a borda de uma prateleira e um canto distante da parede. Essas linhas retas são as referências para medir no início e no fim do clipe. Gere a imagem com um modelo de imagem na proporção que solicitará (3:4 no JSON abaixo), por exemplo com Seedream 5.0 Flash a cerca de $0,029 por imagem, e repita até que janela, prateleira e canto estejam visíveis com espaço ao redor dos cotovelos.

Um fundo externo desfocado pode esconder uma aproximação lenta; bordas arquitetônicas retas a revelam. Na primeira tentativa, evite uma cortina em primeiro plano atravessando a imagem com o vento: ela parece um movimento global mesmo com a câmera parada. Se o sujeito aumenta e a janela não, a pessoa se inclinou para a câmera; se os dois aumentam, o quadro está se aproximando ou mudando de escala. Compare o fundo antes de nomear a falha.

Ilustração, não saída de modelo: compare a travessa da janela além do rosto; movimento local do sujeito e ampliação do quadro inteiro são pistas diferentes.

Escreva o prompt para o modelo escolhido

Teste primeiro no Playground. Abra Seedance 1.5 Pro de imagem para vídeo (ou a edição Spicy para imagens voltadas a adultos), adicione a imagem em Input image, cole o prompt abaixo em Prompt, ative Lock camera, defina Resolution como 480p, Duration como 5 e desligue Generate audio. Ajuste Aspect ratio à imagem e pressione Run model. Não dependa apenas do botão: coloque a instrução escrita primeiro e atribua depois os verbos ao sujeito. Uma instrução de câmera, como aproximação ou panorâmica, contraria a trava.

Locked-off camera on a tripod, no camera movement, no zoom, no pan. The fictional adult slowly turns their head a little toward the window, then turns back and holds. Shoulders and feet stay in place. Only the face and a little hair move. The window, shelf and wall corner stay fixed in the frame.

H3, H3 Spicy e Seedance 2.5 Spicy não têm botão, então tudo depende da instrução escrita: coloque-a primeiro, nomeie um movimento e diga o que fica fixo. No H3, use o mesmo prompt em 768p; o H3 não reescreve mais o prompt, então a instrução roda exatamente como você a escreveu. H3 não tem seed, campo de proporção ou entrada de câmera; as variantes Spicy aceitam seed para comparar mudanças de prompt, não como instrução de câmera. Se o clipe se deslocar, mude uma frase por vez entre tentativas.

Depois, a API, quando a tomada funcionar e você quiser incorporá-la ao seu aplicativo:

{
  "model": "bytedance/seedance-1.5-pro/image-to-video",
  "input": {
    "image_url": "https://YOUR-ASSET-HOST/approved-adult-portrait.png",
    "prompt": "Locked-off camera on a tripod, no camera movement, no zoom, no pan. The fictional adult slowly turns their head a little toward the window, then turns back and holds. Shoulders and feet stay in place. Only the face and a little hair move.",
    "aspect_ratio": "3:4",
    "duration_seconds": 5,
    "resolution": "480p",
    "generate_audio": false,
    "camera_fixed": true
  }
}

Substitua a URL do arquivo por uma imagem acessível sob seu controle e defina aspect_ratio com a proporção dela. Crie a tarefa conforme a documentação de tarefas.

Deixe um Agent fazer isso. Um agente pode realizar a mesma chamada pela CLI, pelo MCP server ou pelo Agent Skill; CLI e MCP mostram o preço e pedem confirmação antes. Salve o objeto JSON input acima como input.json e então:

# CLI
spicyapi tasks create --model bytedance/seedance-1.5-pro/image-to-video --input-file input.json --wait

# MCP: the assistant calls the spicyapi_task_create tool
# Skill: npx skills add spicyapi-ai/spicy-skill

Fixe o final quando a ação voltar ao início. Os cinco modelos aceitam um quadro final (last_image_url; no Pro padrão, somente em 480p ou 720p). Se o movimento termina onde começou, como olhar para o lado e voltar ou respirar, envie a mesma imagem como primeiro e último quadro. O quadro final fixa o fim, não o meio, e um clipe se afasta mais dele quanto mais dura. Isso reduz o problema, mas não o elimina. Mantenha luz e câmera iguais entre os dois quadros e mude no máximo um estado claro, ou o meio pode virar um corte. Para um loop com emenda imperceptível, veja o guia de loops sem cortes perceptíveis.

Mude a ação sem perder o enquadramento

Para uma segunda tomada, mantenha a mesma fonte e substitua a virada de cabeça por um pequeno ajuste no punho da manga. A mão precisa de um percurso completo: repouso perto da cintura, subida até o pulso oposto e retorno. Deixe todo esse percurso dentro do primeiro quadro, com espaço extra além do cotovelo.

Locked-off camera on a tripod, no camera movement, no zoom, no pan. The same fictional adult makes one small cuff adjustment with their right hand, then returns the hand to its resting position. Both elbows remain inside the frame. The torso stays in the same place. The window and shelf stay fixed in the composition.

Ilustração de planejamento da tomada, não saída de modelo: a vista mais ampla contém o cotovelo e o percurso da mão; o recorte fechado remove parte do gesto.

Se a imagem corta um cotovelo, adicionar "both elbows visible" pede ao modelo de vídeo que invente espaço ausente enquanto anima o gesto. Amplie ou reconstrua a imagem primeiro. Uma virada de corpo inteiro revela roupas não vistas, o ombro distante e outro ângulo do rosto; use uma pequena virada de cabeça para manter um retrato reconhecível e reserve viradas maiores para uma fonte que já mostre o corpo necessário. Confirme qualquer tomada em 4 ou 5 segundos antes de pagar por 12: uma tomada baseada em um único quadro se desloca mais quanto mais dura.

Diagnostique o erro visível e faça uma correção específica

Se um prompt mais curto e simples ainda produzir o mesmo movimento global num modelo sem botão, teste a mesma imagem no Seedance 1.5 Pro com a instrução escrita antes de acrescentar palavras. Compare na mesma duração e resolução para que uma ação mais longa não pareça uma diferença entre modelos.

Quando a estabilização compensa o recorte

Reserve a estabilização para uma tomada que vale manter: gerar novamente cinco segundos no Seedance 1.5 Pro tem preço listado de $0,056. Num editor de vídeo, coloque o primeiro e o último quadro lado a lado e escolha dois cantos fixos da janela. Se os dois se moveram aproximadamente a mesma distância, o clipe inteiro se deslocou e uma correção de posição pode recuperá-lo. Se a distância entre eles mudou, o quadro mudou de escala e a correção precisa ajustar a escala também.

No Warp Stabilizer do Premiere Pro, defina Result como No Motion, que tenta remover todo movimento de câmera e é voltado a cenas nas quais parte do sujeito permanece no quadro. Defina Method como Position ou Position, Scale, Rotation em vez do padrão Subspace Warp: a Adobe observa que Subspace Warp pode introduzir deformações indesejadas, um risco em clipes de IA cuja geometria já é instável. Defina Framing primeiro como Stabilize Only para ver quanto as bordas se deslocam, depois mude para Stabilize, Crop, Auto-scale e limite Maximum Scale ao recorte que você aceita. Consulte a referência do Warp Stabilizer da Adobe. O estabilizador do DaVinci Resolve oferece a mesma troca: Translation corrige apenas panorâmicas horizontais e verticais, Similarity adiciona zoom e rotação, e Perspective, o padrão, adiciona correção de perspectiva e pode introduzir ondulações.

Calcule o recorte antes de aceitar o resultado. Com escala de 110%, a largura e a altura visíveis passam a cerca de 90,9% do original; centralizado, perde-se cerca de 4,55% de cada lado. Num clipe 1280×720, isso dá aproximadamente 58 px à esquerda e à direita e 33 px em cima e embaixo. A 120%, restam só 83,3% de cada dimensão: cerca de 107 px de cada lado e 60 px em cima e embaixo. Um pulso já perto da borda pode desaparecer após a correção; por isso um gesto com enquadramento fechado pode sobreviver à geração e falhar na estabilização.

Ilustração com uma imagem editada, não saída de modelo de vídeo: uma borda de janela curvada é um defeito local de forma, e mover o quadro inteiro não pode endireitá-la.

Um estabilizador não corrige uma janela que se curva, dedos que mudam ou uma prateleira que desliza: são deformações locais, e uma correção global de posição ou escala não restaura a geometria. Se a correção sacrificar a mão ou o espaço acima da cabeça necessário à tomada, reconstrua a imagem com mais margem e gere novamente a ação curta.

Qual modelo escolher

Se o quadro não pode se mover, use a imagem no Seedance 1.5 Pro (ou Spicy para imagens voltadas a adultos) em 480p, sem áudio e por cinco segundos, com a instrução escrita como primeira frase do prompt e camera_fixed ligado como segundo pedido. Combine a proporção com a imagem. Mude para H3 ou Seedance 2.5 Spicy quando precisar de mais de 12 segundos ou resolução acima de 1080p; ali a trava é apenas um pedido escrito. Coloque-o primeiro, fixe o quadro final quando a ação voltar ao início e meça os cantos da janela antes de pagar por uma tomada mais longa.

Para manter a câmera na linha dos olhos de um personagem, veja o guia de vídeo em primeira pessoa.