Como escolhemos modelos para um curta-metragem
Meus critérios são o tempo narrativo, a continuidade de atores e locações, o diálogo, o controle sobre os quadros de abertura e fechamento ou referências, um formato 9:16 utilizável e o ponto de entrada real do GPT Proto. Um artigo de pesquisa de 2026 sobre curtas-metragens identifica o ritmo, a consistência espacial e a revisão de produção como problemas distintos. Um clipe convincente precisa sobreviver ao próximo corte.
O painel de áudio text-to-video da Artificial Analysis fornece um sinal independente: preferência humana pareada para clipes gerados individualmente. No painel verificado em 30 de setembro de 2026, o Seedance 2.5 e o MiniMax H3 ficaram acima do Kling 3.0 Omni, Veo 3.1 e Vidu Q3 Pro. Isso ajuda a avaliar o apelo de um único clipe; ele não mede a continuidade do ator entre episódios. A ordem abaixo favorece o uso de produção de cada modelo e seu ponto de entrada no GPT Proto. Um anúncio do provedor cobre a família do modelo; uma página de modelo e seus controles de tarefa ao vivo determinam o que você pode chamar através do GPT Proto. Não realizamos um teste controlado com seis modelos.
Os 6 melhores modelos de IA de vídeo para curtas-metragens
1. Seedance 2.5 — melhor ponto de partida geral para um momento dramático mais longo

Por que ele está nesta posição: Um curta-metragem geralmente precisa de uma configuração, uma reviravolta e um desfecho. A página principal do modelo Seedance 2.5 no GPT Proto leva a uma rota de texto para vídeo capaz de gerar um clipe de 30 segundos com áudio gerado. Menos junções forçadas podem ajudar a manter uma ação e reação em um espaço contínuo. Separadamente, os documentos da ByteDance detalham amplas capacidades de referência e edição para a família do modelo. O painel independente da Artificial Analysis colocou sua saída de áudio text-to-video perto do topo quando verificado para este artigo. Estes são motivos para experimentá-lo primeiro, não uma prova de que ele consegue manter um rosto estável ao longo de uma temporada.
Use para: uma descoberta em caverna, uma discussão ou uma perseguição com três momentos cronológicos. Verificação de aprovação/reprovação: o ator, o objeto e a geometria da sala permanecem reconhecíveis no início, meio e fim? Compromisso: se apenas o final falhar, um clipe longo pode precisar de regeneração. O exemplo de texto para vídeo do GPT Proto exibido não documenta o kit de ferramentas completo de referência de imagem/vídeo/áudio ou edição direcionada da ByteDance. Selecione uma tarefa de referência separada se essas entradas forem essenciais. Alguns textos mais antigos na página do modelo ainda mencionam 4 a 15 segundos; esse texto precisa ser atualizado para corresponder à rota de 30 segundos.
2. Kling 3.0 Omni Pro — o melhor quando você precisa dirigir os cortes

Por que está nesta posição: Uma cena de diálogo precisa de um quadro de estabelecimento, a fala do orador e a reação do ouvinte em uma ordem legível. O anúncio do Kling 3.0 da Kuaishou descreve áudio nativo, múltiplos personagens e narrativa com várias tomadas de até 15 segundos; o Omni adiciona direção de storyboard em nível de tomada. Essa é uma proposta de controle relevante para uma troca de diálogos. A página principal do GPT Proto Kling v3 Omni Pro oferece um ponto de entrada concreto com configurações de som e duração.
Use para: marcação de cena com duas pessoas ou uma revelação onde a ordem das tomadas importa. Verificação de aprovação/reprovação: identidade do orador, linha do olhar e direção na tela após cada corte. Compromisso: o exemplo simples de texto para vídeo no GPT Proto não demonstra, por si só, todos os controles de storyboard do Omni. Confirme se a tarefa pretendida os expõe. O quadro de preferências independente classifica os clipes gerados apenas por texto do Omni abaixo do Seedance 2.5 e do H3; ele está em segundo lugar aqui por causa dos cortes planejados, não porque esse quadro o nomeou como vice-campeão. A página principal do Kling v3.0 Std oferece uma alternativa mais simples, mas a versão Std não é a Omni.
3. MiniMax H3 — o melhor para um quadro inicial e final definido

Por que está nesta posição: Uma transição é mais fácil de planejar quando você especifica onde ela começa e termina. A especificação do H3 da MiniMax separa uma variante de primeiro/último quadro de uma variante de referência omni, com saída de até 15 segundos e áudio estéreo nativo. Para um personagem cruzando um limite, composições iniciais e finais aprovadas oferecem um alvo mais concreto do que prosa adicional. O H3 também ficou perto do topo do quadro de preferências de áudio texto-para-vídeo independente. Esse resultado apoia um teste de qualidade de clipe único; ele não diz nada definitivo sobre o modo de primeiro/último quadro. Comece pela página principal do modelo MiniMax H3 e escolha a tarefa correspondente.
Use para: uma tomada de aproximação de porta, transformação ou saída com duas composições importantes. Verificação de aprovação/reprovação: o ator, o figurino e a posição da porta se movem de forma plausível, sem um novo objeto ou direção invertida? Compromisso: as variantes da família de modelos têm contratos de entrada diferentes. Confirme se a tarefa do GPT Proto aceita ambos os quadros; não mescle todos os modos de entrada em uma única solicitação. Ele está em terceiro lugar porque transições guiadas são um trabalho mais restrito do que uma sequência longa do Seedance ou cortes planejados do Omni.
4. Vidu Q3 Pro — o melhor para uma cena curta com fala e integração simples

Por que está nesta posição: Nem toda troca de diálogos precisa de um storyboard complexo. O mapa de modelos do Vidu descreve o áudio/vídeo simultâneo do Q3 Pro, cortes de cena inteligentes, duração de 1 a 16 segundos e opções de 540p/720p/1080p. A página principal do GPT Proto Vidu Q3 Pro mostra um exemplo de texto para vídeo com uma alternância de áudio e proporção vertical. Isso oferece um teste de API acessível para um trecho curto de fala. O preço inicial listado é de US$ 0,04 por segundo, com o custo real dependendo das configurações. O Vidu também lista um modelo especializado viduq3-drama, mas não verificamos uma página do GPT Proto para essa variante; esta recomendação é especificamente para o Q3 Pro.
Use para: um orador, uma fala curta e uma reação com som ambiente. Verificação de aprovação/reprovação: quem fala, alinhamento de boca/voz e a aparência do segundo personagem no corte. Compromisso: o painel de preferência independente coloca o Q3 Pro abaixo de vários rivais para clipes gerados apenas por texto; os cortes automáticos não provam consistência entre solicitações separadas. A amostra da página inclui bgm e amplitude_de_movimento, embora seu texto explicativo diga que esses campos não funcionam para o Q3. Omiti-os, como no exemplo abaixo. Escolha a tarefa de imagem separadamente se precisar de um quadro inicial de elenco fixo.
5. Veo 3.1 — o melhor para inserções curtas verticais ou guiadas por referência

Por que está nesta posição: Um close-up dramático pode precisar mais de uma imagem de personagem aprovada e um quadro vertical do que de uma tomada longa. O guia da API Veo do Google documenta saída 9:16, clipes de 4/6/8 segundos e modos de imagem de referência ou extensão com restrições. Portanto, o Veo ganha uma vaga para um relance de abertura de episódio ou inserção de revelação, não para conduzir uma conversa inteira. A página principal do modelo GPT Proto Veo 3.1 é o ponto de entrada; selecione a tarefa de imagem ou texto relevante lá.
Use para: uma reação vertical de um retrato aprovado ou um gancho curto. Verificação de aprovação/reprovação: rosto, figurino, linha de visão e iluminação da sala em relação à tomada adjacente. Compromisso: clipes mais curtos exigem mais junções de edição, e o suporte a referência depende do modo selecionado. A quinta posição é um julgamento de uso mais restrito, não uma pontuação medida de qualidade de imagem em quinto lugar. Não misture o preço ou os campos de variantes separadas do Veo 3.1.
6. Hailuo 2.3 Pro — o melhor para inserções de movimento silencioso a partir de arte de personagens

Por que está nesta posição: Uma reação sem palavras não precisa de um modelo de diálogo. O lançamento do Hailuo 2.3 da MiniMax enfatiza o movimento e a expressão; a página principal do GPT Proto Hailuo 2.3 Pro descreve um fluxo de imagem para vídeo, de tomada única, sem áudio nativo. Começar com a imagem aprovada do rosto e do figurino oferece uma restrição prática para um olhar para trás, um recuo ou o movimento de uma criatura. Este é o motivo para incluí-lo como um especialista, e não uma conclusão de que ele preserva a identidade melhor do que os cinco anteriores.
Use para: a reação silenciosa de um ator entre clipes falados. Verificação de aprovação/reprovação: silhueta, mãos, expressão facial e se o movimento termina em um quadro editável. Compromisso: o diálogo e a ambientação precisam de uma etapa separada, e este fluxo não direcionará vários cortes. É distinto do MiniMax H3. A página do modelo apresenta unidades de preço inconsistentes; verifique o painel ao vivo antes de definir o orçamento por segundo ou geração.
Comparação de modelos para curtas-metragens: por que cada um entrou na lista
| Modelo |
Principal motivo para testá-lo |
O que isso não prova |
Página principal do GPT Proto |
| Seedance 2.5 |
Batida de texto para vídeo de 30 segundos, áudio, forte sinal de preferência por clipe único |
Continuidade de ator entre tomadas ou suporte total a referência na tarefa exibida |
Seedance 2.5 |
| Kling 3.0 Omni Pro |
Direção de storyboard, vários personagens e áudio na família do modelo |
Todo controle Omni está na tarefa de texto exibida |
Kling Omni Pro |
| MiniMax H3 |
Variantes de primeiro/último quadro e referência; forte sinal de preferência por clipe único |
Todas as variantes compartilham um esquema de solicitação |
MiniMax H3 |
| Vidu Q3 Pro |
Diálogo curto sincronizado e uma API de texto para vídeo direta |
Consistência de personagem em múltiplas solicitações |
Vidu Q3 Pro |
| Veo 3.1 |
Inserção curta vertical e guiada por imagem |
Cada tarefa tem referências ou duração idênticas |
Veo 3.1 |
| Hailuo 2.3 Pro |
Movimento silencioso de imagem para vídeo a partir de arte de personagem aprovada |
Diálogo nativo ou múltiplos cortes direcionados |
Hailuo 2.3 Pro |
Os preços do conselho independente não são os preços do GPT Proto. Para escolher para sua própria série, execute o mesmo elenco e storyboard nas tarefas que planeja comprar e, em seguida, pontue as tomadas aceitas.
Qual modelo se encaixa em cada tomada do seu curta-metragem?
Cena de diálogo: Escreva um plano de estabelecimento, um close-up do falante e a reação do ouvinte como três cartões. Mantenha o figurino, a direção da iluminação, a linha do olhar e o lado de cada pessoa no quadro. Experimente o Seedance 2.5 se a troca precisar ser reproduzida como um tempo mais longo; experimente o Kling Omni se a ordem das tomadas for a restrição central; experimente o Vidu Q3 Pro para um teste de API curto, simples e focado em áudio. Rejeite um resultado quando a boca errada se mover, uma fala mudar de falante ou o ouvinte trocar de lado. Mantenha a imagem do elenco, o prompt, a tarefa do modelo e as saídas rejeitadas juntas. Esse registro transforma o “este modelo parece melhor” em uma decisão repetível.
Cena de ação: Imagine uma garota descendo de um dragão em uma caverna, traçando um selo brilhante e, em seguida, recuando enquanto a entrada se abre. Separe o pouso, a inserção da mão e do símbolo, o impacto e a reação. Experimente o Seedance para a descoberta contínua, o H3 com quadros inicial/final aprovados para a aproximação, o Kling Omni quando a ordem interna do corte importa e o Hailuo para uma inserção de expressão silenciosa. Este é um teste de tomada proposto, não uma filmagem que geramos. Verifique o formato da mão, o figurino, a escama do dragão, a direção na tela e a posição da caverna entre os cortes; se uma rota de quadro-chave não estiver disponível, não a avalie como se tivesse sido testada.
Escolha seu quadro de entrega no início. Um curta-metragem 9:16 precisa de espaço para rostos e legendas; cortar uma tomada ampla de duas pessoas posteriormente pode apagar o ouvinte. Registre a rota e a proporção de aspecto usadas para cada clipe aceito.
Por que o clipe gerado mais barato pode custar mais para ser finalizado
Use custo por tomada aceita = gasto total de geração ÷ tomadas que passam na revisão. Adicione o trabalho de voz, reparo de som e edição separadamente. Uma renderização barata que precisa de muitas tentativas pode custar mais do que uma mais cara que se encaixa no corte rapidamente; não temos taxas de aceitação comparáveis para esses seis modelos.
Em uma entrevista de produção sobre Catacombes, o diretor Kévin Mendiboure relata 3.229 gerações de imagem e vídeo e 242 horas de trabalho. Ele usou folhas de ângulo de personagem e renderizações exploratórias de menor qualidade antes de finalizar as tomadas. Esse é um projeto, não uma previsão de custo universal. Em um relato separado de um criador de curta-metragem de 12 minutos, tomadas lotadas causaram erros de escala e posicionamento; o criador às vezes dividia um longo voo entre locais em segmentos mais curtos e os unia na edição. Essa experiência dá um motivo concreto para pontuar a continuidade espacial e manter as gerações rejeitadas. Isso não prova qual é o modelo vencedor.
Para escolhas de orçamento mais amplas, veja nossa comparação de API de vídeo de IA acessível; para outra lista de modelos regionais, veja o guia de modelos de vídeo de IA chineses.
Experimente um diálogo de curta-metragem gravado com uma chave de API do GPT Proto
Os comandos a seguir enviam uma tarefa de texto para vídeo do Vidu Q3 Pro e consultam seu ID de previsão. Eles seguem o endpoint da página do modelo ao vivo e o fluxo de resultado de previsão do GPT Proto. Eles foram verificados em relação aos formatos de solicitação publicados, mas não foram executados em uma conta financiada.
export GPTPROTO_API_KEY="sua-chave-aqui"
curl --fail-with-body --request POST \
"https://gptproto.com/api/v3/vidu/viduq3-pro/text-to-video" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"prompt": "Drama cinematográfico vertical. Dentro de um vagão de trem iluminado pela chuva, um detetive de sobretudo cinza-carvão diz: Perdemos um detalhe. Mantenha o foco no detetive, depois corte para o parceiro silencioso de sobretudo bege olhando para a janela. Mantenha as posições consistentes. Zumbido suave do vagão e chuva; sem música.",
"resolution": "720p",
"duration": 5,
"aspect_ratio": "9:16",
"audio": true
}'
Copie o ID de previsão retornado de data.id; em seguida, consulte-o:
result_id="COLE_O_DATA_ID_AQUI"
curl --fail-with-body --request GET \
"https://gptproto.com/api/v3/predictions/$result_id/result" \
--header "Authorization: Bearer $GPTPROTO_API_KEY"
Faça a sondagem em intervalos razoáveis enquanto data.status estiver como created ou running; inspecione data.outputs quando estiver completed, ou data.error se falhar. A tarefa é assíncrona. A página do Vidu Q3 Pro contém os campos ao vivo; verifique os Preços do GPT Proto antes de um lote. Você pode usar a mesma chave para outros modelos suportados, mas o endpoint e o corpo da solicitação de cada modelo ainda precisam de sua própria verificação.
Recomendação
Comece com um piloto de duas cenas: uma troca de diálogo e uma sequência de ação. Coloque o Seedance 2.5 e o Kling Omni contra os mesmos ritmos da história, depois use o H3 para uma necessidade de quadro inicial/final ou o Vidu Q3 Pro para um teste de API de diálogo compacto. Adicione o Veo para uma inserção vertical guiada por referência e o Hailuo para uma reação silenciosa baseada em imagem. Registre cada tarefa, entrada, saída rejeitada e cena aceita; compare a filmagem utilizável e o gasto total. O catálogo de modelos leva às páginas principais e aos seus controles de tarefa ao vivo antes de você se comprometer com o próximo episódio.