Como parceiros de lançamento do WAN 2.6, nós da Ima Studio passamos as últimas duas semanas testando rigorosamente suas principais funcionalidades. Hoje marca o lançamento oficial. Com base em nossos testes práticos e uso diário, elaboramos este guia rápido do WAN 2.6, incluindo como iniciar um teste gratuito na Ima Studio e como obter resultados excelentes rapidamente.
O que você aprenderá com este guia:
- A maneira mais rápida de gerar uma minihistória completa de 10 a 15 segundos (e não apenas um clipe curto).
- Como usar a narrativa em múltiplos planos sem perder a consistência.
- Como usar vídeos de referência para manter a estabilidade de um personagem.
- Modelos de prompts práticos que realmente usamos em testes.
1) Em que a WAN 2.6 se destaca (de acordo com nossos testes)
Após executarmos diversos testes em diferentes cenários, descobrimos que o WAN 2.6 é especialmente eficaz quando utilizado como um "gerador completo de vídeos curtos" em vez de uma ferramenta para criação de clipes individuais.
Aqui estão as três funcionalidades que mais importaram em nossos testes:
Narrativa em múltiplos planos com toques de edição.
Em vez de gerar uma única tomada contínua, o WAN 2.6 pode produzir uma sequência que se assemelha a vários cortes dentro de um único vídeo. Na prática, essa é a diferença entre "um clipe bonito" e "uma mini narrativa".“
Geração com foco em áudio (voz, diálogos e efeitos sonoros satisfatórios)
Se você criar storyboards de áudio, e não apenas de vídeo, o WAN 2.6 tende a recompensá-lo com resultados mais limpos. Observamos os maiores ganhos em:
- cenas curtas em estilo de narração
- momentos de diálogo entre duas pessoas
- ASMR, culinária sincronizada com a batida e efeitos sonoros "cronometrados".
Caracteres baseados em referência (quando a consistência é importante)
Quando você precisa que a mesma pessoa, animal de estimação ou personagem continue sendo o protagonista, recomendamos o uso de referências. É a diferença entre "uma vibe semelhante" e "ser reconhecidamente o mesmo sujeito".“
2) Inicie um teste gratuito no Ima Studio (caminho mais rápido)
Se você quer apenas o seu primeiro resultado "uau" em minutos, faça o seguinte:
- Abrir WAN 2.6 em Ima Studio
- Escolha um modo:
- Texto para vídeo Se você quer uma história do zero.
- Imagem para vídeo se você já tiver um quadro-chave forte
- Referência ao vídeo Se você precisa de consistência de personagem
- Escolha um objetivo simples para a primeira execução:
- 12 a 15 segundos no total
- De 3 a 5 doses, não mais.
- um tema principal, não vários temas concorrentes.
Se a sua primeira geração parecer confusa, geralmente não é culpa do modelo. É a estrutura dos prompts (vamos corrigir isso nas próximas seções).
3) O fluxo de trabalho mais rápido para obter o “primeiro resultado” (usamos isso em testes internos)
Ao testarmos um novo modelo, não começamos com scripts complicados. Começamos com uma estrutura previsível.
Nossa fórmula inicial recomendada
- Comprimento total: 12 a 15 segundos
- Fotos: 3 a 4
- Ritmo de filmagem: 3s + 4s + 4s (+ final opcional)
- Um elemento de identidade visual repetido em todas as fotos (roupa, cor, detalhe definidor)
Modelo multishot pronto para impressão
Vídeo cinematográfico vertical 9:16, com duração total de 12 a 15 segundos. Plano 1 (3s): Apresenta o assunto principal e o cenário (plano fechado ou plano médio). Plano 2 (4s): Avança a ação, mantendo o mesmo assunto e adicionando um novo detalhe. Plano 3 (4s): Momento de destaque (detalhe macro, câmera lenta ou reação chave). Plano 4 (3-4s): Plano final impactante, final limpo, atmosfera clara. Estilo: (ultrarrealista / anime / animação em massa de modelar / etc.) Câmera: (plano fechado, câmera na mão, dolly in, panorâmica lenta) Iluminação: (luz suave do dia / luz de contorno dramática / luz neon noturna) Áudio: (narração / diálogo / música + sincronização de efeitos sonoros)
Por que isso funciona: Isso força o modelo a "pensar como um editor". Você não está apenas descrevendo uma cena. Você está descrevendo uma sequência.
4) Como manter a consistência dos personagens em várias tomadas
Essa é a reclamação mais comum que as pessoas têm sobre a geração de vídeos com múltiplas tomadas, e também a mais fácil de resolver.
A solução: repita os elementos de identidade em cada foto.
Em vez de definir seu personagem apenas uma vez, repita de 2 a 3 elementos-chave em cada tomada:
- uniforme ou roupa
- penteado ou cor de cabelo
- um acessório característico (óculos, cachecol, guitarra, capacete)
- uma regra de estilo estável (realismo cinematográfico, sombreamento cel de anime, etc.)
Exemplo de repetição de âncora
Assunto principal: um jovem chef, avental branco, cabelo preto curto, sorriso cativante. Foto 1: o jovem chef de avental branco... Foto 2: o mesmo jovem chef de avental branco... Foto 3: o mesmo jovem chef de avental branco...
Para os humanos, pode parecer repetitivo, mas é exatamente isso que reduz a deriva.
5) Sincronização de áudio que realmente parece intencional
Em nossos testes, o maior salto na qualidade percebida veio do tratamento do som como uma linha do tempo.
padrão de prompt de locução
- Mantenha a voz limpa
- Mantenha o volume da música de fundo baixo.
- Mantenha o roteiro curto
Uma pessoa fala para a câmera com movimentos labiais naturais. Áudio: narração em mandarim nítida, música em volume baixo, ruído de fundo mínimo.
Padrão de diálogo entre duas pessoas
- definir comportamento do falante
- mantenha as filas curtas
- Peça separação e clareza.
Dois personagens conversam. Personagem A: tom de voz rápido e confiante. Personagem B: reação mais lenta e confusa. Áudio: separação nítida entre os interlocutores, acústica ambiente natural, sem música abafando o diálogo.
Padrão de efeitos sonoros sincronizado com a batida
As palavras mágicas são âncoras de tempo:
- “no tempo fraco”
- “no bumbo”
- “exatamente na queda”
- “sincronizar cada acerto”
Cada "baque" da faca coincide exatamente com a batida do bumbo. O "chiado" da panela começa precisamente na batida principal da frase do sintetizador.
6) Referência ao vídeo: como obter a melhor consistência
Se você estiver usando entrada de referência, a regra prática é simples:
Use “caractere1 / caractere2” de forma consistente
Escreva sua pergunta usando personagem1, personagem2, etc. e mantenha esses rótulos estáveis durante todo o prompt.
Referência única
O personagem 1 concede uma breve entrevista de rua para a câmera. Mantenha a expressão facial e a voz do personagem 1 consistentes com a referência. Áudio: voz limpa, ambiência sutil, sem ruído de fundo alto.
Duas referências
O personagem 1 canta enquanto o personagem 2 dança ao lado dele. Mantenha ambos os personagens consistentes com a aparência de referência.
Grave trechos de referência com informações úteis.
O que funcionou melhor em nossos testes:
- Iluminação clara, ângulos limpos
- close-up + ligeiras rotações dos rostos
- menos distrações de fundo
- Se você se importa com as características da voz, inclua áudio limpo.
7) Pacote de exercícios prontos para impressão (os que realmente recomendamos)
1) Sessão de culinária com múltiplas tomadas e efeitos sonoros sincronizados com a batida (15s)
Curta-metragem culinária vertical, formato 9:16, com duração total de 15 segundos. Plano 1 (3s): Close-up de um chef fatiando legumes em uma tábua de madeira sob a luz forte da cozinha. Plano 2 (4s): Cada "baque" da faca coincide exatamente com a batida da bateria em uma música eletrônica leve. Plano 3 (4s): Os ingredientes caem em uma frigideira quente; o "chiado" começa precisamente na batida de um sintetizador. Plano 4 (4s): Os ingredientes são jogados na frigideira em câmera lenta, o vapor subindo, design de som limpo, ritmo envolvente. Áudio: música + cortes sincronizados e efeitos sonoros de chiado, mixagem limpa, sem ruídos indesejados.
2) Diálogo entre duas pessoas, timing cômico cinematográfico
Cena cinematográfica ultrarrealista, iluminação lateral dramática, duração total de 12 a 15 segundos. Plano 1 (4s): Dois antigos guerreiros de terracota estão em um fosso empoeirado, tensão silenciosa. Plano 2 (5s): O guerreiro A se inclina para a frente e fala muito rápido, tom confiante, movimento labial nítido. Plano 3 (6s): O guerreiro B reage com expressão confusa, olhos arregalados, leve inclinação da cabeça, timing cômico perfeito. Áudio: diálogo claro entre duas pessoas, som ambiente natural, sem música abafando as vozes.
3) Demonstração do produto que parece editada
Vídeo de demonstração do produto em formato vertical 9:16, com duração total de 12 segundos. Cena 1 (3s): Produto sobre uma mesa minimalista, luz natural suave, enquadramento principal em close-up. Cena 2 (5s): As mãos demonstram a principal funcionalidade, com um movimento suave de câmera para dentro. Cena 3 (4s): Última tomada principal com texto mínimo na tela, estética moderna. Áudio: música de fundo suave, efeitos sonoros sutis de cliques na interface, sem narração.
4) Caractere baseado em referência (referência única)
O personagem 1 caminha por uma rua iluminada por néon à noite, com efeito bokeh cinematográfico e expressão confiante. Mantenha o rosto e a voz do personagem 1 consistentes com a referência. Áudio: ambiente urbano sutil, sem ruído de fundo alto.
8) O que consertamos com mais frequência
- A filmagem com várias tomadas fica caótica: reduza para 3 ou 4 tomadas e deixe claro o propósito de cada uma.
- Desvio de personagem: repita os pontos de ancoragem por tomada
- O diálogo parece ruidoso: peça voz limpa, música baixa e ambiente minimalista.
- Efeitos sonoros não sincronizados: especifique os pontos de ancoragem de tempo (batida forte, chute, queda).
Sobre o autor
