Fluxo de IA de esboço para vídeo: mantenha o desenho, adicione o movimento

Para animar um esboço e manter cara de esboço, envie o desenho limpo como primeiro quadro, peça uma ação pequena e observe se as linhas continuam linhas até o último quadro. Os modelos de imagem para vídeo partem da sua imagem, mas são livres para reinterpretá-la, então a falha comum é um clipe que começa como seu desenho e aos poucos vira material sombreado e fotográfico.

A SpicyAPI não tem uma tarefa dedicada de esboço para vídeo. O caminho é: preparar o desenho, opcionalmente desenvolvê-lo com um modelo de imagem e então rodar uma tarefa de imagem para vídeo. Isso preserva a aparência do seu desenho; não preserva traços editáveis.

Os exemplos abaixo usam uma cena: um pássaro desenhado à mão em estilo de papel dobrado angular, traçado como contorno de tinta sem preenchimento sobre papel creme, com uma asa aberta e um pequeno sino de mesa que o pássaro toca. Formas vazadas e papel em branco facilitam a detecção do desvio.

Decida o que "manter o esboço" significa

Anote antes do prompt o que não pode mudar. Para o pássaro: o contorno preto continua sem preenchimento, o interior da asa continua aberto, a página continua creme e quase vazia, a espessura do traço continua solta e o sino continua um contorno simples. São essas quatro verificações que você usa para medir o clipe (veja "Teste a permanência das linhas primeiro").

Decida também o quanto você é rigoroso. "Reconhecível como meu desenho" dá para fazer com um modelo de vídeo. "Meus traços de verdade, editáveis" não: o modelo sintetiza quadros novos e pode redesenhar um contorno mantendo o estilo.

Descreva o movimento com precisão: "a asa direita levanta uma vez e toca o sino; o corpo fica parado" pode ser verificado, "dê vida a ele" não. Uma ação pequena mostra se o estilo sobrevive antes de você adicionar rotação ou encenação.

Por que esboços derivam

O modelo lê sua imagem mais o prompt e sintetiza uma sequência; ele não traça traços. Palavras como realista, iluminação cinematográfica e penas detalhadas o empurram a tratar os traços como descrição de um animal físico. Marcas ambíguas fazem o mesmo: uma oval de construção pode ser lida como sombra, um contorno aberto como uma forma inacabada.

O desvio é gradual. Os primeiros quadros batem com o seu upload; os seguintes acrescentam sombreado suave, textura ou áreas preenchidas, então verifique o meio e o fim, não a abertura.

Os ajustes seguem a causa. O prompt pede realismo: reescreva-o em torno de animação de tinta chapada. A entrada está ambígua: limpe-a. Se ainda assim ele reinventa o meio, use animação controlada.

Animação direta ou primeiro um estágio de imagem

Anime o desenho diretamente quando ele já for a arte finalizada: uma fonte aprovada, uma instrução para movê-la. Esse é o caminho do pássaro.

Adicione um estágio de imagem quando o esboço for apenas um plano, por exemplo para corrigir proporções, adicionar uma paleta ou transformar um storyboard tosco em uma ilustração coerente. Aprove a nova imagem antes de animar; se ela tiver preenchido o corpo ou trocado o papel, o modelo de vídeo não tem culpa.

Pule o estágio de imagem quando o único problema for uma digitalização torta ou mal iluminada. A edição de imagem comum resolve isso sem um redesenho generativo.

Prepare o primeiro quadro

• Remova artefatos de captura que você não quer ver animados: sombras, dedos, bordas da mesa, uma moldura torta. Caso contrário o modelo pode animar a página como um objeto físico em vez do desenho como figura plana.
• Digitalize ou fotografe com luz uniforme e endireite a página. Recorte na forma que você quer, porque o quadro define as proporções do clipe, e deixe espaço para o movimento.
• Apague ovais de construção e linhas-guia soltas, a menos que façam parte do estilo; o modelo não distingue um traço inacabado de um expressivo.
• Mantenha a textura sutil do papel, mas sem uma sombra forte sobre o objeto.
• Deixe espaço para a ação: a asa precisa de espaço para levantar e o sino deve ficar ao alcance. Se o pássaro precisar alcançar metade da página, o modelo estica o corpo ou inventa um segundo membro.
• Tire setas e rótulos da imagem enviada; eles podem aparecer no clipe. Coloque-os em uma folha de revisão separada.
• Exporte como JPEG, PNG sem transparência ou WEBP. O Wan 2.6 aceita de 240 a 8.000 pixels por lado, até 20 MB, enquanto o campo de upload tem limite de 10 MB, então fique abaixo de 10 MB.

Escreva um prompt que continue o desenho

Nomeie primeiro o meio, depois uma ação, a câmera e os limites:

Continue this flat black-ink drawing on cream paper. The bird stays in the same
position and lifts its right wing once to tap the small outlined desk bell.
The wing lowers again. Preserve the loose ink contours, unfilled shapes and
blank paper background. No camera movement and no scene change.
Audio: one soft bell tap, otherwise quiet.

Mantenha a linguagem chapada. Detalhe de penas, olhos brilhantes e luz volumétrica puxam para um animal físico. Diga o que manter ("corpo sem preenchimento, sem novo cenário") de forma breve em vez de listar cada característica fotográfica proibida. Só a família Wan 2.6 (Wan 2.6 e Wan 2.6 Flash) tem um campo negative_prompt separado; em LTX 2.5 e H3 LoRA o limite vai no prompt principal.

Fixe a câmera no primeiro teste. Um push-in lento parece polido, mas esconde se a figura se moveu. Teste movimentos de câmera separadamente.

Rode o primeiro teste no Wan 2.6

Experimente no Playground antes de escrever código:

1. Abra Wan 2.6 image to video, fique na aba Playground na visão Form e entre na conta para rodar.
2. Em Input image, adicione o desenho limpo com Choose a file ou Asset URL.
3. Cole o prompt acima em Prompt e digite shading, color fill, photographic texture, camera movement em Negative prompt.
4. Coloque Resolution em 720p, Duration em 5 e Shot structure em Single take; fixe um Seed.
5. Rode o modelo e verifique o clipe inteiro contra as quatro checagens de linha abaixo.

Abrir Wan 2.6 com este prompt preenchido →

Para rodar a mesma requisição a partir de código, envie o desenho e crie a tarefa com a CLI. spicyapi files upload imprime um endereço spicy://; cole como image_url:

spicyapi files upload ./bird.png   # copy the spicy:// address it prints
cat > input.json <<'EOF'
{
  "image_url": "spicy://f/PASTE_ADDRESS",
  "prompt": "Continue this flat black-ink drawing on cream paper. The bird stays in the same position and lifts its right wing once to tap the small outlined desk bell. The wing lowers again. Preserve the loose ink contours, unfilled shapes and blank paper background. No camera movement and no scene change. Audio: one soft bell tap, otherwise quiet.",
  "negative_prompt": "shading, color fill, photographic texture, camera movement",
  "duration_seconds": 5,
  "resolution": "720p",
  "shot_type": "single",
  "seed": 14327
}
EOF
spicyapi tasks create --model alibaba/wan-2.6/image-to-video --input-file input.json --wait

A execução de cinco segundos em 720p custa $0.45. Espera, resultados e novas tentativas estão no guia de imagem para vídeo.

Para deixar um Agente rodar o teste, adicione o servidor MCP (spicyapi_upload_file, spicyapi_task_create, spicyapi_task_wait; ele para para sua confirmação de preço). npx skills add spicyapi-ai/spicy-skill instala a Skill que ensina um assistente a usar a CLI ou o MCP.

Escolha a tarefa pelo controle de que você precisa

Todas aceitam uma imagem de abertura; elas diferem nos controles.

Preços como listados no catálogo em outubro de 2026; a página do modelo mostra a tarifa atual.

• Você precisa de uma lista de "não pode aparecer": Wan 2.6. Mantenha o tipo de plano em single para o desenho continuar uma tomada contínua; cortes multi-shot quebram a continuidade e ligam a expansão de prompt.
• Você precisa de uma pose final planejada: LTX 2.5 ou H3 LoRA. O quadro final define a pose final pretendida, não o caminho, e clipes LTX mais longos se afastam mais dela. O H3 funciona sem LoRA, então um teste de quadro final de 3 s em 480p ($0.15) é a forma mais barata de experimentar.
• Você tem uma LoRA treinada para um estilo de desenho: H3 LoRA, que também aceita quadro final. Ela precisa ser treinada para o MiniMax H3; uma LoRA line art de SDXL não funciona. Comece as LoRAs de conceito em uma escala de 0.6 a 0.8, porque em 1 elas podem afastar o clipe do seu quadro.
• Você itera com orçamento apertado: Wan 2.6 Flash aceita a mesma imagem de abertura a $0.0225 por segundo em 720p, somente imagem. Use para acertar prompt e ação e depois refaça o melhor take no Wan 2.6 se quiser som; espere um take diferente e reveja as linhas no modelo final.

Comece com 5 segundos, mantenha a seed fixa e mude uma instrução do prompt por vez para facilitar a comparação dos takes; seed fixa não garante quadros idênticos.

Use um quadro final apenas por um motivo

Um segundo desenho ajuda quando você precisa de um destino específico, como a asa abaixada depois do toque. Ele precisa mostrar a mesma cena: mesmo papel, mesmo enquadramento, mesma escala e mesma linguagem de linha. Se o pássaro estiver maior na imagem final, o modelo precisa decidir se se aproximou, cresceu ou foi redesenhado.

Observe os últimos instantes. Alguns clipes se movem de forma plausível e então saltam para a composição final, com um redesenho súbito do contorno ou um salto de objeto. Isso serve para um corte estilizado, não para uma ação suave.

Se as duas pontas mostrarem a mesma pose, uma animação em camadas com retorno limpo ao desenho original costuma ser mais exata que um loop gerado.

Teste a permanência das linhas primeiro

Rode um desenho, uma ação, uma condição de câmera. Antes de enviar, defina quatro checagens: o contorno continua sendo tinta preta, o corpo continua sem preenchimento, a página continua creme e quase vazia, e a asa dá um movimento compreensível na direção do sino. Um clipe pode passar em algumas e falhar em outras, e as que falharem dizem o que mudar.

Se a causa estiver incerta, rode uma segunda condição em que só o sino toca e o pássaro fica parado. Se as linhas se mantiverem ali mas não com o toque da asa, o movimento dos membros é o que dispara os redesenhos.

Mantenha a entrada idêntica entre as condições. Se você mudar contraste, recorte e prompt ao mesmo tempo, não vai saber o que ajudou; salve uma entrada limpa como versão separada.

Assista na velocidade normal e depois passe quadro a quadro pela parte em que os contornos parecem instáveis. Quadros soltos do início, do meio e do fim perdem a cintilação entre eles.

O que inspecionar

• Silhueta: corpo, cabeça e disposição da asa sobrevivem ao toque.
• Topologia: a asa aberta continua aberta, o bico continua preso, nenhum membro extra aparece e o sino continua um contorno único e conectado.
• Ritmo da linha: uma variação pequena lê-se como traço à mão; contornos que somem e marcas reescritas o tempo todo leem-se como instabilidade. Um rabisco solto tolera mais que um diagrama instrucional.
• Escala: um push-in deixa as linhas mais pesadas. Compare na mesma escala, em resolução total e no tamanho de entrega.

Um desenho em movimento não consegue fixar cada pixel, então julgue a estrutura e o meio, não a identidade dos pixels.

Corrigindo falhas comuns

O modelo preenche o desenho ou adiciona textura. Verifique primeiro a entrada: uma lavagem cinza dentro do pássaro dá ao modelo informação tonal para desenvolver, então prepare uma versão sem preenchimento se as formas vazadas importarem. Remova "detailed feathers", "realistic shadows" e "cinematic depth" do prompt e descreva o meio de forma positiva. Mantenha o movimento pequeno: uma rotação 3D completa obriga o modelo a inventar as costas e a parte de baixo, e a textura vem junto. Se um estágio de imagem causou o preenchimento, conserte a imagem antes de gerar mais vídeo. Se um híbrido for aceitável (pássaro de tinta, sino de aquarela), especifique.

As linhas cintilam. Uma leve oscilação faz parte do charme de um rabisco; um olho que aparece e desaparece ou uma asa que ganha traços novos a cada quadro não. Reduza as partes em movimento: fixe o corpo e a cabeça e teste só a asa. Engrosse as linhas finas e claras na entrada, porque elas somem no tamanho de entrega, e salve como nova versão da entrada. Se o clipe baixado está estável, mas o upload para as redes cintila, o problema é compressão; compare o mesmo trecho antes e depois de exportar.

Só a câmera se move. Um zoom lento pode esconder uma figura parada. Fixe a câmera e dê à ação uma consequência visível, como a asa alcançando o sino e o sino inclinando-se. Não empilhe voo, giro e papel caindo sobre um resultado estático; peça primeiro um gesto menor e mais claro.

Construindo uma peça longa a partir de momentos curtos

Aprove primeiro um pequeno vocabulário de movimento (toque de asa, giro de cabeça, transição de página) e trate cada um como uma unidade de montagem. Esticar um pedido não resolvido até 15 segundos só dá mais tempo para o defeito.

Use o mesmo tom de papel, espessura de traço e proporções em todos os quadros de entrada; a inconsistência entre planos começa antes da geração. Cortes são mais seguros que dissolvenças, que criam contornos duplos que parecem erros. Para um personagem recorrente use desenhos de origem consistentes em vez de redescrevê-lo a cada prompt. Um toque discreto de sino ou o tom ambiente pode unir os planos; se o som gerado estiver errado, adicione sua própria faixa.

Assista ao filme montado no tamanho de entrega: pequenas mudanças de linha repetidas, que em um clipe passavam, ficam cansativas em uma montagem mais longa.

Orçamento

Nas tarifas acima, um teste Wan 2.6 de 5 segundos custa $0.45 em 720p e $0.675 em 1080p, então dois candidatos em 720p custam $0.90. Um teste H3 LoRA de 3 segundos em 480p custa $0.15. LTX 2.5 com 5 segundos custa $0.45 em 720p. Gerações do estágio de imagem e candidatos extras custam adicional.

Defina uma regra de parada. Se os dois candidatos abandonarem o meio line art, mude o caminho ou a entrada antes de gerar mais. Se o desenho se sustenta, mas o gesto falha, simplifique o movimento.

Quando outro caminho serve melhor

Se os traços precisarem continuar editáveis, ou o tempo tiver que se repetir exatamente, use animação tradicional ou em camadas. Revelações também se ajustam melhor a ela do que o movimento articulado: um pan ou um realce desenhado sobre uma planta arquitetônica, ou uma revelação de logo traço a traço a partir de caminhos editáveis. Para o pássaro, separe asa, corpo e sino em camadas, gire a asa em torno de um pivô, incline o sino e devolva os dois. Cada mudança de contorno é sua.

Para condicionamento de esboço em nível de pesquisa, o repositório SketchVideo (um ou dois quadros-chave de esboço com módulos de controle dedicados) documenta a própria configuração, pesos e restrições; é um projeto separado, não uma tarefa da SpicyAPI.

Resumo

Se os traços originais precisam se mover de forma previsível, use animação em camadas; caso contrário, o próximo teste é um toque de asa de 5 segundos com câmera fixa a partir do desenho limpo no Wan 2.6, verificado em todo o clipe quanto a formas vazadas, contornos conectados e papel estável. Se o esboço deve virar ilustração ou cena realista, aprove essa imagem antes de animar.