Glossário de IA / Text-to-video

🎨 Imagem, vídeo e áudio

Text-to-video é a geração de cenas em movimento a partir de uma descrição textual e, cada vez mais, também de uma imagem (image-to-video), que o modelo dá vida. Os sistemas atuais criam clipes de alguns segundos a pouco mais de dez segundos, com física de movimento convincente, e os melhores também geram áudio sincronizado. Os maiores desafios são manter a consistência dos personagens entre as cenas, criar sequências mais longas e oferecer controle preciso de direção. Na prática, os criadores tratam essas ferramentas como fábricas de cenas avulsas para edição, e não como máquinas de filmes prontos.