Principais conclusões
- Todos os principais modelos de vídeo atualmente disponíveis aceitam uma imagem como quadro inicial —
Sora 2, Veo 3.1, Kling 2.5 Turbo Pro e Wan 2.5 e todos aceitam entrada de texto ou de imagem. - Gerar vídeos a partir de imagens custa o mesmo valor por segundo que gerar vídeos a partir de texto nesses modelos.
Você é cobrado com base na duração da saída, não com base em como a cena foi iniciada. - A opção mais barata custa US$ 0,05 por segundo — Veo 3.1 Lite em 720p ou Wan 2.5 —
logo, animar uma imagem estática em um clipe de 5 segundos custa cerca de 25 centavos por tentativa. - Existem camadas gratuitas, mas são limitadas e mudam com frequência. A Runway, por exemplo, oferece
125 créditos únicos que não são renovados.
Transformar uma imagem estática em um clipe em movimento já deixou de ser apenas uma demonstração experimental
demonstração, e é a única tarefa de vídeo em que a entrada que você já possui — uma foto, uma imagem de produto, uma
obra de arte — faz a maior parte do trabalho. Esta página aborda quais modelos aceitam uma imagem, quanto
cada um cobra por segundo de saída e onde as opções gratuitas deixam de ser úteis.
Resposta rápida: como transformar uma imagem em um vídeo com IA?
Você fornece ao modelo de vídeo sua imagem como primeiro quadro e um breve prompt descrevendo o movimento desejado, depois paga por segundo de saída. Todos os principais modelos disponíveis no mercado suportam essa funcionalidade:
Sora 2, Veo 3.1, Kling 2.5 Turbo Pro e Wan 2.5 aceitam tanto entrada de texto quanto de imagem.
O mais barato custa US$ 0,05 por segundo de vídeo finalizado, o que coloca uma animação de 5 segundos em aproximadamente
US$ 0,25 por geração, antes das novas tentativas. Existem ferramentas gratuitas acessíveis via navegador que animam uma foto sem exigir cartão de crédito, mas limitam a resolução, adicionam marca d’água e concedem uma cota fixa — e não recorrente.
Essas ferramentas gratuitas animam uma foto sem exigir cartão de crédito, mas limitam a resolução, adicionam marca d’água e concedem uma cota fixa — e não recorrente.
Essas ferramentas gratuitas animam uma foto sem exigir cartão de crédito, mas limitam a resolução, adicionam marca d’água e concedem uma cota fixa — e não recorrente.
Essa é a parte que a maioria das páginas de comparação omite. A entrada por imagem não é uma categoria separada de produto —
Quais modelos aceitam uma imagem como entrada
é um modo de operação do mesmo modelo, com precificação idêntica:
A partir de (por segundo)
| Modelo | Desenvolvedor | Entrada | Texto, Imagem |
|---|---|---|---|
| Veo 3.1 | US$ 0,05 (via fal) | US$ 0,05 (Lite, 720p) | |
| Wan 2.5 | Alibaba | US$ 0,05 (via fal) | US$ 0,07 (via fal) |
| Kling 2.5 Turbo Pro | Kuaishou | US$ 0,05 (via fal) | US$ 0,15 (lote, 720p) |
| Sora 2 | OpenAI | US$ 0,05 (via fal) | US$ 0,05 (em lote, 720p) |
| Sora 2 Pro | OpenAI | US$ 0,05 (via fal) | Uma observação importante sobre cronograma, caso você esteja escolhendo agora: a OpenAI definiu |
como data de desativação da API Videos e dos dois modelos Sora 2,
24 de setembro de 2026 como a data de desativação da API de Vídeos e dos dois modelos Sora 2,
Como a cobrança é feita por segundo de saída, o custo de um clipe gerado a partir de uma imagem é simplesmente a taxa multiplicada pela duração solicitada:
Clipe de 5 segundos
Quanto custa animar uma única imagem
Como a cobrança é feita por segundo de saída, o custo de um clipe de imagem para vídeo é simplesmente a taxa
Clipe de 30 segundos
| Modelo e nível | Veo 3.1 Lite, 720p | Veo 3.1 Lite, 1080p | Veo 3.1 Fast, 1080p |
|---|---|---|---|
| Veo 3.1 Standard, 4K | $0.25 | $0.50 | $1.50 |
| Wan 2.5 | $0.25 | $0.50 | $1.50 |
| Kling 2.5 Turbo Pro | $0.35 | $0.70 | $2.10 |
| Esses valores referem-se a cada geração bem-sucedida. A geração de vídeos a partir de imagens geralmente exige menos tentativas do que a geração a partir de texto, pois o primeiro quadro já está definido e você só precisa orientar o movimento — contudo, uma cena que exija três tentativas ainda custará três vezes o valor indicado acima. Faça seu orçamento com base na sua própria taxa de repetições, não apenas na tarifa. | $0.40 | $0.80 | $2.40 |
| Sim, com limitações que valem a pena entender antes de confiar nelas. As camadas gratuitas nessa | $0.60 | $1.20 | $3.60 |
| categoria são promocionais, não estruturais: existem para levá-lo ao plano pago, e seus termos podem mudar. | $3.00 | $6.00 | $18.00 |
Esses valores referem-se a cada geração bem-sucedida. A geração de vídeo a partir de imagem normalmente exige menos tentativas do que
a geração de vídeo a partir de texto, pois o primeiro quadro já está fixo e você só precisa orientar o movimento — contudo, uma
tomada que exija três tentativas ainda custará três vezes o valor indicado acima. Faça seu orçamento com base na sua própria taxa de repetição, não na tarifa.
taxa, não da tarifa.
Existe realmente uma forma gratuita de fazer isso?
Sim, mas com limites que valem a pena compreender antes de confiar neles. Os níveis gratuitos nesta
categoria são promocionais, e não estruturais: existem para levá-lo ao plano pago, e seus
termos podem mudar.
A Runway é o exemplo publicado mais claro. Sua página de preços oferece
125 créditos únicos experimentar as ferramentas — um depósito fixo que não é renovado automaticamente — com
planos pagos a partir de 12 dólares por mês no faturamento anual, seguidos por 28 e 76 dólares para os níveis superiores.
Outras ferramentas anunciam cotas gratuitas diárias, cujos valores mudam com frequência suficiente
para que qualquer número citado em um blog valha a pena ser verificado novamente na página oficial do fornecedor antes de você planejar seu fluxo de trabalho
com base nele. O padrão nas camadas gratuitas é consistente, mesmo quando os números variam: espere um
teto de resolução mais baixo, uma marca d’água visível, um limite máximo de duração menor para o clipe e uma fila de processamento mais lenta.
Obter um bom resultado a partir de uma imagem estática
A geração de vídeo a partir de imagem exige um tipo diferente de prompt do que a geração de vídeo a partir de texto. O modelo não está inventando
uma cena — já dispõe de uma — portanto, o prompt deve descrever movimento, não conteúdo.
- Descreva a câmera, não o sujeito. ‘Avanço lento em direção ao centro, profundidade de campo rasa’
atribui uma tarefa concreta ao modelo. ‘Uma bela paisagem montanhosa’ descreve algo que ele já consegue ver. - Nomeie um único movimento, não três. Instruções compostas em um clipe curto tendem a
produzir uma tomada que não executa nenhuma delas com clareza. - Comece com um quadro limpo e de alta resolução. Artefatos de compressão e grãos intensos na imagem de origem são amplificados em todos os quadros gerados.
Mantenha os clipes curtos e faça cortes entre eles. - A coerência degrada com o aumento da duração em todos os modelos atuais; quatro tomadas de 5 segundos editadas em sequência superam uma única tomada de 20 segundos.
Espere que rostos e mãos sejam os pontos críticos de falha. - Se a imagem estática contiver algum desses elementos, reserve mais tentativas do que faria para um produto ou uma paisagem.
Opção mais barata viável:
Qual deles você deve usar?
- Veo 3.1 Lite em 720p ou Wan 2.5, ambos a 0,05 dólar por segundo. Melhor relação qualidade-preço imediatamente superior:
- Veo 3.1 Fast em 1080p, a 0,12 dólar por segundo. Quando a resolução de saída for o requisito principal:
- Veo 3.1 Standard em 4K, a 0,60 dólar por segundo — a única opção em 4K neste grupo, exceto o modo Fast, que custa 0,30 dólar.
Apenas para testar uma vez: - uma camada gratuita no navegador é suficiente para verificar se a ideia funciona de fato, antes mesmo de configurar qualquer uma das opções acima.
Tecnicamente sim — todos os modelos listados aqui aceitam uma imagem arbitrária como primeiro quadro. Os resultados
Perguntas frequentes
A IA consegue transformar qualquer foto em um vídeo?
variam drasticamente conforme a fonte: imagens estáticas limpas, bem iluminadas e de alta resolução animam-se com muito mais confiabilidade
do que aquelas comprimidas ou com texturas intensas, e imagens contendo rostos ou mãos exigem mais tentativas.
Não. Em todos os modelos acima, você é cobrado por segundo de saída, independentemente de a geração ter começado com um prompt ou com uma imagem.
A geração de vídeos a partir de imagens custa mais do que a geração a partir de texto?
Veo 3.1 Lite em 720p e Wan 2.5 custam ambos 0,05 dólar por segundo de saída, o que torna um clipe de 5 segundos cerca de 0,25 dólar por geração. O Kling 2.5 Turbo Pro custa 0,07 dólar por segundo.
Os limites práticos são curtos. A coerência diminui à medida que os clipes ficam mais longos em todos os modelos atuais, razão pela qual a maioria dos fluxos de trabalho profissionais gera várias tomadas curtas e as edita em sequência, em vez de solicitar uma única tomada longa.
Qual é a opção mais barata de IA para gerar vídeos a partir de imagens?
Geralmente sim, além de um limite de resolução e de uma fila de processamento mais lenta. As cotas gratuitas também são
promocionais e mudam com frequência — a da Runway, por exemplo, é um depósito único de 125 créditos, em vez de
Quanto tempo pode ter um vídeo gerado por IA?
uma concessão mensal recorrente.
é por isso que a maioria dos fluxos de trabalho profissionais gera várias tomadas curtas e as edita em conjunto, em vez de
solicitar uma única tomada longa.
Ferramentas gratuitas para gerar vídeos a partir de imagens adicionam marca d’água?
Geralmente sim, juntamente com um limite de resolução e uma fila mais lenta. As cotas gratuitas também são
promocionais e mudam frequentemente — o da Runway, por exemplo, é um depósito único de 125 créditos, em vez de
uma concessão mensal recorrente.
