Pular para o conteúdo

Caso de uso · Novo na 2.0 · Atualizado em out. de 2026

Vídeo com IA de várias pessoas: faça uma foto em grupo falar

O vídeo com IA de várias pessoas era a peça que faltava nas ferramentas de foto falante: os modelos antigos animavam um rosto e deixavam todos os outros congelados. O OmniHuman 2.0 foi feito para performances com várias pessoas, então uma única foto de dois apresentadores, de uma banda ou de uma família pode virar uma cena em que as pessoas falam, escutam, reagem e dividem o quadro.

Foto+Voz=Vídeo

Voz
Sem foto? Teste:
  • Prévia grátis
  • Login com Google
  • Uploads privados
Anúncios UGC
Canto
Várias pessoas
por vídeo
5 min
de saída
720p
pessoas por cena
Várias
idiomas
6

Veja como preparar fotos em grupo, montar o áudio do diálogo e dirigir quem faz o quê.

Preparando uma foto para vídeo com IA de várias pessoas

Todas as pessoas que devem se mover precisam ter o rosto visível, de preferência em tamanhos parecidos e sem sobreposição. Duas a quatro pessoas lado a lado em um quadro horizontal é o ponto de partida mais fácil — pense em mesa de podcast, sofá de entrevista ou formação de palco. Uma iluminação uniforme em todos os rostos evita que uma pessoa pareça mais apagada que as outras.

Se as pessoas estiverem a distâncias muito diferentes da câmera, os rostos mais próximos dominam. Recorte a imagem para que quem fala seja o foco.

Preparando o áudio do diálogo

Envie um único arquivo de áudio mixado com a conversa inteira, na ordem em que ela deve tocar. Deixe pequenos intervalos entre as falas para que a troca de turno fique clara e evite longos trechos em que duas pessoas falam ao mesmo tempo.

Gravações de podcast e entrevista funcionam bem do jeito que estão — corte o trecho que você quer, normalize o volume e envie em MP3 ou WAV, com até cinco minutos.

Dirigindo quem fala e quem reage

Descreva as pessoas pela posição no prompt, de forma curta:

  • “Left host speaks first, right host nods and laughs, then answers.” (Apresentador da esquerda fala primeiro, apresentador da direita acena com a cabeça e ri, depois responde.)
  • “Woman on the right leads the verse, man on the left joins on the chorus.” (Mulher da direita puxa a estrofe, homem da esquerda entra no refrão.)
  • “Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.” (Entrevistador à esquerda pergunta, convidado à direita gesticula enquanto explica, plano aberto fixo.)
  • “Whole family waves at the end, gentle push-in.” (A família toda acena no final, aproximação suave.)

Formatos que de repente se tornam possíveis

Videocasts a partir de uma única imagem, esquetes de humor com dois personagens, teasers de entrevistas, duetos e clipes de coral, mensagens em família e dramatizações em sala de aula. Antes, cada um deles exigia filmar várias pessoas juntas; agora basta uma foto e uma gravação.

Problemas comuns em cenas em grupo

Se parecer que a pessoa errada está falando, deixe as posições no prompt sem ambiguidade — “the person on the left” (a pessoa da esquerda) em vez de um nome que o modelo não consegue ver — e confira se os rostos de quem fala têm mais ou menos o mesmo tamanho no quadro. Se todo mundo se mexer demais, peça “listeners stay mostly still” (quem escuta fica quase parado) para que quem fala se destaque.

Grupos muito grandes espalham os detalhes por muitos rostos pequenos. Para uma foto de coral ou de equipe, recorte na primeira fileira e mantenha o clipe curto.

Escrevendo diálogos para duas vozes

Trocas curtas funcionam melhor: uma pessoa pergunta, a outra responde em uma ou duas frases, e elas alternam as falas rapidamente. Monólogos longos em uma foto em grupo deixam quem escuta sem ter o que fazer; quebre-os com reações ou perguntas de acompanhamento.

Perguntas frequentes

Quantas pessoas podem aparecer em um vídeo?

Grupos funcionam, mas de dois a quatro rostos bem visíveis dão os resultados mais confiáveis.

Preciso de um áudio separado para cada pessoa?

Não. Envie um único arquivo mixado com a conversa e descreva no prompt quem fala.

As pessoas podem reagir enquanto outras falam?

Sim. Quem escuta acena com a cabeça, sorri e olha para quem fala quando você pede isso no prompt.

O OmniHuman 1.5 aceitava várias pessoas?

A versão 1.5 usava uma máscara para escolher uma única pessoa falando. Performances com várias pessoas são novidade na 2.0.

Posso usar uma foto de família?

Sim, com a permissão de todos. Rostos nítidos e de frente funcionam melhor.

Qual pode ser a duração da cena?

Até 5 minutos em uma única tomada.

Cada pessoa pode ter uma voz diferente?

Sim. Grave ou mixe o diálogo com a voz de cada pessoa em um único arquivo de áudio, na ordem em que elas falam.

Quem escuta vai ficar completamente parado?

Não — essas pessoas fazem pequenos movimentos naturais. Peça reações como acenar com a cabeça ou sorrir se quiser mais.

A foto em grupo precisa ser horizontal?

Não necessariamente, mas um quadro largo dá mais espaço para cada rosto. Fotos verticais em grupo funcionam melhor com duas pessoas bem próximas, uma acima da outra.

Continue explorando

Faça sua foto falar.

Prévia grátis.