Google Flow Music: análise de músicas, vídeos e sincronização labial

O Google Flow Music gerou músicas originais e vídeos para download em 720p nos nossos testes. Os vídeos posteriores mantiveram uma cantora e um cenário reconhecíveis, mas, na reprodução, os movimentos da boca não acompanharam os vocais de forma consistente. Também tivemos solicitações recusadas por falta de créditos, apesar de as estimativas estarem abaixo do saldo exibido.

Obtivemos resultados úteis para ideias de músicas e sequências visuais curtas. Para uma apresentação cantada finalizada, gostaríamos de uma sincronização melhor.

A música e as instruções para o vídeo

O Flow Music oferece criação e edição de músicas e geração nativa de videoclipes. Usamos a ferramenta para criar Let the Morning In, uma faixa de indie pop com vocal principal feminino e esta letra original na abertura:

I open the window, let the morning in
Shake off the shadows, feel the light again
Step through the doorway, leave the night behind
I open the window, let the morning in

As instruções iniciais pediam uma mulher cantando para a câmera e depois abrindo uma janela. Usamos formato horizontal 16:9 em 720p, fornecemos uma referência da personagem e desativamos as sobreposições de texto.

Primeira tentativa: a pose da referência foi mantida

O primeiro resultado mostrou uma mulher sentada com uma caneca, seguido de um plano de uma janela. Não mostrou a apresentação cantada solicitada nem a mulher abrindo a janela.

Nossa imagem de referência também mostrava uma mulher sentada com uma caneca, então não era adequada para a ação pretendida. Corrigimos essa referência nas tentativas seguintes.

Nossa confirmação no chat virou o prompt exibido do vídeo

A proposta do Flow Music descrevia uma mulher cantando para a câmera e abrindo uma janela. Aprovamos essa proposta com esta resposta no chat:

O campo Prompt do vídeo concluído mostrou então essa mesma resposta, palavra por palavra, em vez das instruções detalhadas para cantar e abrir a janela:

O registro visível mostra nossa mensagem de aprovação sendo usada como o prompt exibido do vídeo. Isso pode ajudar a explicar a ausência da apresentação, mas não comprova se o modelo recebeu instruções adicionais nem o que causou a falha.

Novas tentativas: ela passou a cantar, mas a sincronização precisava de ajustes

Trocamos a referência por uma imagem da mulher em pé ao lado de uma janela, simplificamos a tarefa para cantar e repetimos as instruções completas na confirmação final:

Um único close sem cortes. Ela canta visivelmente a letra de abertura diretamente para a câmera, com movimentos ativos dos lábios e da mandíbula. Sem caneca, sem beber e sem planos de apoio.

Os resultados mostraram movimentos expressivos da boca e uma intérprete reconhecível, mas, ao assistir, identificamos desencontros de sincronização com os vocais.

Uma tentativa mais longa produziu vários planos da apresentação. Ainda precisava de ajustes de sincronização para o uso que pretendíamos.

As durações dos arquivos salvos incluem encerramentos com marca. Mudamos tanto a referência quanto as instruções entre as tentativas, então não podemos atribuir a melhora a apenas uma dessas mudanças.

Créditos: algumas solicitações com custo aparentemente viável foram recusadas

As alterações de saldo dos trabalhos concluídos corresponderam aos custos estimados. Porém, outras solicitações foram recusadas mesmo com estimativas abaixo do saldo exibido:

Na tentativa recusada de 34 segundos, a interface exibiu “Not enough credits” (créditos insuficientes), enquanto o assistente afirmou imediatamente que a geração havia começado. Isso aconteceu antes da renderização de 30 segundos que foi concluída na mesma conversa.

O guia de assinaturas do Google informa que os recursos principais estão disponíveis sem custo; os planos pagos acrescentam créditos, gerações e acesso aos modelos mais recentes. A página de preços lista um plano Free, mas as páginas que consultamos não explicam a oferta “Members get one free video” (membros recebem um vídeo grátis) da mensagem de recusa. Não conseguimos determinar qual regra de créditos ou de elegibilidade causou essas recusas.

Dá para fazer o vídeo de uma música inteira?

Trinta segundos foi a solicitação mais longa aceita por essa conta, não um limite confirmado para todo o produto. A apresentação inicial anunciava vídeos de até dois minutos. Quando solicitamos nossa música completa de 155,1 segundos, o Flow Music propôs duas partes:

Para essa música de 2 minutos e 35 segundos, o fluxo proposto exigia duas renderizações e a junção dos vídeos. O total de 1.939 créditos foi estimado, não testado; não concluímos um vídeo da música inteira.

Descreva o vídeo que você quer…

Pixo

Crie vídeos com IA no Pixo

Transforme suas ideias em vídeos prontos para publicar. Basta uma frase.

Começar a criar

Para que usaríamos a ferramenta

O Flow Music produziu faixas originais, referências de personagens reutilizáveis e vídeos para download em um único aplicativo.

Para canto sincronizado, nossos exemplos precisavam de mais trabalho. Se esse é seu objetivo, teste primeiro um trecho curto com vocais claros e uma referência adequada. Compare os movimentos da boca com as palavras cantadas antes de investir em uma produção mais longa. Se uma solicitação for recusada apesar de um saldo aparentemente suficiente, esclareça as regras de créditos antes de presumir que uma recarga resolverá o problema.