A troca de rosto em vídeo com IA encontra e acompanha as pessoas de um clipe, associa cada foto que você adiciona à pessoa escolhida e gera novos quadros em que essa pessoa fica parecida com a foto, enquanto o movimento, a câmera e a iluminação continuam iguais. Depois, o som original volta para o vídeo. Como os quadros são gerados, e não editados, você recebe uma nova versão da cena, não uma cópia perfeita pixel a pixel, e algumas tentativas precisam ser refeitas.
Como funciona a troca de rosto em vídeo com IA?
Tudo se resume a quatro etapas.
Etapa 1: encontrar e acompanhar as pessoas
Primeiro, a IA encontra cada pessoa do vídeo e acompanha cada uma de quadro em quadro, para saber que a dançarina da esquerda continua sendo a mesma pessoa depois de dar um giro. Ela também contorna a área que cada pessoa ocupa, para que só essa pessoa mude.
No vswp, a busca começa sozinha depois que você envia um vídeo de 1 a 120 segundos, com até 150 MB. Ela cobre os primeiros 30 segundos, ou outro trecho de até 30 segundos que você escolher, e costuma levar uns dois minutos. Os vídeos da biblioteca de Trends pulam essa etapa porque as pessoas deles já foram encontradas.
As pessoas encontradas aparecem como cards, com as principais primeiro; quem aparece só por um instante ou de longe fica agrupado como fundo.
Etapa 2: associar uma foto a uma pessoa
Em seguida, você adiciona uma foto ao card de cada pessoa que quer substituir. A foto é uma referência, não um adesivo: a IA aprende como a pessoa é (rosto, cabelo e, se a foto mostrar, roupa e porte físico) e a redesenha no vídeo.
Cabem até 6 fotos diferentes (JPEG, PNG ou WebP) em um vídeo, o suficiente para uma turma inteira de amigos, e todo mundo sem foto continua como no original. Como a foto é o que você mais controla, escolha com cuidado.
Etapa 3: gerar novos quadros
Agora a IA desenha novos quadros para o trecho processado: as pessoas escolhidas ganham o novo visual, enquanto os movimentos, o ritmo, a câmera e a iluminação seguem o original. Como os quadros são novos, o rosto assume a luz da cena, e nenhuma geração sai idêntica a outra.
Etapa 4: devolver o som
Por fim, os quadros viram vídeo de novo e o áudio original é adicionado de volta, então a música, as vozes e o ritmo continuam como eram. A troca de rosto muda a aparência das pessoas, não a voz delas.
No vswp, você recebe o trecho processado, com até 30 segundos, como MP4 em 480p ou 720p; a taxa de quadros segue a do vídeo original, até cerca de 30 fps.
Troca de rosto ou troca da pessoa inteira: qual é a diferença?
A troca de rosto muda só o rosto e o cabelo. A troca da pessoa inteira também traz da foto a roupa e a silhueta. No vswp, a opção Manter o visual original escolhe entre as duas:
| Manter o visual original ativado | Manter o visual original desativado | |
|---|---|---|
| O que muda | Rosto e cabelo | Rosto, cabelo, roupa e silhueta |
| Foto necessária | Um retrato nítido basta | Uma foto de corpo inteiro de uma só pessoa |
| Bom para | Fantasias, uniformes, roupas combinando | Se ver da cabeça aos pés com a sua própria roupa |
Um retrato não consegue passar adiante uma roupa que não mostra. Para ver o processo completo, confira como se colocar em um vídeo.
Que resultado dá para esperar de verdade?
Uma boa tentativa parece o clipe original com outra pessoa nele. Mas isto é IA generativa, não edição exata quadro a quadro: a semelhança varia de uma tentativa para outra, e alguns artefatos típicos (falhas visíveis) podem aparecer:
- Semelhança instável. A pessoa pode parecer um parente de quem está na foto, ou ficar mais parecida em alguns quadros do que em outros.
- Mãos. Os dedos podem se fundir, dobrar de um jeito estranho ou mudar de quantidade.
- Objetos na frente do rosto. Uma mão, o cabelo ou um celular passando na frente do rosto podem se misturar a ele por um instante.
- Movimentos de câmera muito rápidos. Panorâmicas rápidas e muita tremedeira podem borrar o novo rosto por alguns quadros.
- Cenas cheias de gente. Quando muitas pessoas se sobrepõem, os detalhes podem se misturar entre vizinhos.
- Pessoas difíceis de ver. Alguém que aparece muito rápido ou muito desfocado pode nem ser encontrado.
Como conseguir uma tentativa melhor?
- Comece com uma boa foto. Uma pessoa só, nítida, com luz uniforme, rosto bem visível, sem óculos escuros nem filtros.
- Combine a opção com a foto. Só tem um retrato? Deixe Manter o visual original ativada. Tem uma foto de corpo inteiro? Você pode desativar a opção para trazer a sua própria roupa.
- Escolha um trecho tranquilo do clipe. Selecione 30 segundos com rostos bem visíveis e uma câmera mais estável.
- Faça outra tentativa. Clique em Criar vídeo de novo para uma nova variação e fique com a que você gostar. Cada tentativa é uma criação separada, com preço próprio; se uma falhar ou você cancelar, as Estrelas voltam automaticamente.
Isso é a mesma coisa que deepfake?
"Deepfake" é o nome popular de um vídeo em que a IA faz uma pessoa parecer outra ou parecer fazer algo que nunca fez. A troca de rosto em vídeo com IA é da mesma família, e as etapas acima descrevem a ideia geral. A diferença está no consentimento e na honestidade: colocar amigos que concordaram é muito diferente de colocar alguém em um vídeo sem permissão ou fazer o vídeo passar por real.
Ao clicar em Criar vídeo no vswp, você confirma que tem direito de usar o vídeo e as fotos; o nosso guia sobre troca de rosto: consentimento e segurança explica o que isso significa.
Perguntas frequentes
Quanto tempo leva uma troca de rosto em vídeo com IA?
Encontrar as pessoas em um vídeo enviado costuma levar uns dois minutos, e o vídeo com a troca normalmente fica pronto em poucos minutos. O app mostra o tempo estimado antes de você começar.
A voz também muda?
Não. O áudio original é mantido, então a voz no resultado é a do clipe original.
Dá para testar de graça?
Sim. Você ganha uma prévia grátis: cerca de 5 segundos do seu vídeo em 480p, com uma pequena marca "vswp.app", e se ela falhar, a tentativa grátis volta para você. O vídeo completo é pago em Estrelas do Telegram (⭐), e o seu primeiro vídeo pago sai com 50% de desconto. O preço depende da duração, da qualidade e do número de pessoas, e o valor exato aparece antes de você começar.