Imagem para vídeo: dê movimento às suas fotos com IA
4 modelos fazem vídeos de 4 a 30 segundos em até 2K; 4 deles com som. Os vídeos começam em 25 créditos (US$ 0,25), sem assinatura, e os créditos não expiram. No ranking Artificial Analysis Image to Video Arena (consultado em 30 de outubro de 2026): Seedance 2.5 em 1º lugar (Elo 1.152), MiniMax H3 em 4º, Wan 3.0 em 9º.
Transforme uma foto em vídeo com IA: envie uma imagem, descreva como ela deve se mexer e receba um vídeo com som que começa na sua foto. Funciona com retratos, pinturas e fotos de produto. Você vê o preço antes de gerar e paga com créditos de um pacote de pagamento único, sem assinatura. Se a geração falhar, os créditos voltam automaticamente para o seu saldo.
Envie uma foto e descreva como ela deve se mover.
Quadro inicial
A foto que deu origem a este vídeo
Feito com estes modelos
Cada um mostra o prompt, o modelo e quanto custa aqui. Escolha um para começar a partir dele.
“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”MiniMax H3, foto para vídeo, 5 s, com som, 40 créditos, imagem de entrada feita na GPT Image 2.5
“A strawberry sandwich cookie slowly completes one full rotation while the camera moves smoothly around it and keeps the product centered.”Seedance 2.5, foto para vídeo, 5 s, com som, 300 créditos, feito na Dreamina, imagem de entrada feita na GPT Image 2
“Pull focus to the people in the background and add more steam to the ramen bowl.”MiniMax H3, foto para vídeo, 10 s, com som, 260 créditos, imagem de entrada feita na GPT Image 2.5
“A girl holds a fox. She opens her eyes and looks gently at the camera while the fox hugs her. The camera slowly pulls back, the wind blows through the girl's hair, and the sound of the wind can be heard.”Seedance 2.5, foto para vídeo, 5 s, com som, 300 créditos, feito na Dreamina, imagem de entrada feita na GPT Image 2
“Handheld shot on a rainy night market street. The woman with the bicycle turns her head to the camera and says: ‘I know a better place for noodles.’ Rain keeps falling, people with umbrellas walk past behind her, and neon signs reflect on the wet road. Audio: steady rain, distant street chatter, and her voice.”Wan 3.0, foto para vídeo, 5 s, com som, 100 créditos, feito na Wan, imagem de entrada feita na GPT Image 2.5
“The cable car sways and climbs slowly toward the top of frame. Cloud crosses the span from the right and hides the car completely for about a second, then the car comes back out on the same line, at the same speed, with the same sway. The lantern on the balcony swings and its light warms as the ambient light drops. The camera tilts up a few degrees to follow the climb. Every frame stays a gouache painting on rough paper: hold the brush texture, the dry-brush rock edges and the paper grain, and never let the image resolve toward photography. Audio: wind across the cable, the steel cable ticking through the sheave, one distant bell from the teahouse. No music.”Seedance 2.5, foto para vídeo, 10 s, com som, 595 créditos, feito na Dreamina, imagem de entrada feita na GPT Image 2.5
“He takes off his round tortoiseshell glasses and wipes the lenses on his rust sweater, then turns away to the shelf on the right and pulls out a faded green book. He turns back to the camera, puts the glasses back on, opens the book and looks up with a broad smile. The camera holds a steady medium shot with a slight drift. Sound: quiet shop room tone, the book sliding from the shelf, pages turning.”Kling 4.0, foto para vídeo, 8 s, com som, 380 créditos, feito na Kling AI, imagem de entrada feita na GPT Image 2.5
“I2V: A time-lapse of a mountain landscape transitioning from a vast, starry night to a vibrant dawn. Voiceover: A deep, serene male voice says: 'In the vast silence of the cosmos, our world is but a fleeting moment. Yet, within it, life defiantly thrives.'”Wan 3.0, foto para vídeo, 10 s, com som, 200 créditos, imagem de entrada feita na GPT Image 2.5
Como transformar uma foto em vídeo
1
Envie sua imagem
Um arquivo JPG, PNG ou WebP de até 10 MB. Antes, corte a imagem no formato que o vídeo deve ter: o vídeo segue o enquadramento da imagem.
2
Descreva o movimento
Diga o que se mexe, como a câmera se move e o que se ouve. Não descreva a foto de novo: a imagem já define a cena.
3
Escolha modelo, duração e som
O Seedance 2.5 já vem selecionado. Compare abaixo os quatro modelos com a mesma imagem e depois defina a duração, a resolução e o som. O preço se atualiza antes de você gastar qualquer coisa.
4
Gere e refine
A maioria dos vídeos fica pronta em poucos minutos e fica salva no seu histórico. Se o movimento sair errado, mude uma coisa de cada vez no prompt e gere de novo.
Os preços dos vídeos são para 720p com som (MiniMax H3: 768p), na versão de menor preço de cada modelo; resoluções maiores custam mais. A posição na Arena é a colocação e a pontuação Elo em votações às cegas, com dois resultados lado a lado (AA-Video-I2V v2.1, with audio, consultado em 30 de outubro de 2026), no ranking Artificial Analysis Image to Video Arena
A mesma imagem, quatro modelos
Um quadro inicial e um prompt, tirados de um teste publicado de Seedance 2.5 vs MiniMax H3, gerados com 10 segundos e com som em cada modelo. Veja como cada um lida com o vapor e com a câmera. Nenhum dos quatro entregou o movimento de boneco em passos, a doze quadros por segundo, que o prompt pede.
O quadro inicial, o mesmo para todos os modelos · imagem de entrada feita na GPT Image 2.5
O mesmo prompt e as mesmas configurações para cada modelo:
“The fox turns his head down the track, raises one arm to check a pocket watch, lowers it. Steam drifts across from the right and covers him for roughly a second. He emerges in the pose he went in with, standing where he was standing, scarf hanging as it hung. The lamp flickers once. Slow push toward the platform. Throughout: twelve frames per second, stepped, no motion blur on the puppet, felt fibers readable, wire visible at the wrist, glue still on the balsa. The image must not resolve toward smooth CG or live action at any point. Sound: low hall reverb, the watch lid, steam venting, a station bell some distance off. Nothing scored.”
Mantém o plano aberto. A raposa levanta o relógio entre 2 e 5 segundos, o vapor cobre o quadro inteiro por volta dos 6 segundos, e ela reaparece na mesma pose, como o prompt pede. Uma leve aproximação no final.
Levanta o relógio e continua segurando. O vapor cobre só parte dela, e a câmera se aproxima até um plano médio: a maior aproximação dos quatro e o som mais alto.
O movimento mais rápido, com o relógio levantado já entre 1 e 3 segundos. O vapor quase a esconde antes de ela reaparecer, e as luzes atrás dela ficam mais fortes.
Exemplos de imagem para vídeo, com prompts
Cada exemplo vem com o prompt exato, as configurações e o preço. Use qualquer um no gerador acima do jeito que está ou edite antes.
feito na Dreamina, imagem de entrada feita na GPT Image 2.5
Seedance 2.5
Uma pintura que continua pintura
Cada quadro mantém as pinceladas de guache e a textura do papel enquanto o bondinho sobe e a lanterna se acende. A nuvem cobre o bondinho por cerca de 3 segundos, e não por 1 como o prompt pede, igual aconteceu no próprio teste com o Seedance 2.5.
Imagem para vídeo
720p
10 s
com som
9:16
“The cable car sways and climbs slowly toward the top of frame. Cloud crosses the span from the right and hides the car completely for about a second, then the car comes back out on the same line, at the same speed, with the same sway. The lantern on the balcony swings and its light warms as the ambient light drops. The camera tilts up a few degrees to follow the climb. Every frame stays a gouache painting on rough paper: hold the brush texture, the dry-brush rock edges and the paper grain, and never let the image resolve toward photography. Audio: wind across the cable, the steel cable ticking through the sheave, one distant bell from the teahouse. No music.”
Dica: Diga o que não pode mudar: “hold the brush texture … never let the image resolve toward photography.”
595 créditos
feito na Dreamina, imagem de entrada feita na GPT Image 2
Seedance 2.5
A foto do seu produto, girando
Com a foto do produto como quadro inicial, o formato, os furos e a geleia ficam exatamente como na foto enquanto ele gira. Só com texto, saiu um biscoito diferente.
Imagem para vídeo
720p
5 s
com som
1:1
“A strawberry sandwich cookie slowly completes one full rotation while the camera moves smoothly around it and keeps the product centered.”
Dica: O guia da ByteDance sugere uma imagem de entrada não maior que a saída (720p); entradas mais nítidas podem criar textura extra em superfícies densas.
300 créditos
feito na Kling AI, imagem de entrada feita na GPT Image 2.5
Kling 4.0
A foto de uma pessoa, passo a passo
Tira os óculos, limpa as lentes, pega um livro da estante, põe os óculos de volta, sorri: cada passo na ordem, e ele e os óculos continuam como na foto. O prompt vem do teste Kling 4.0 vs Kling 3.0 da Fuser; a imagem inicial é nossa.
Imagem para vídeo
1080p
8 s
com som
16:9
“He takes off his round tortoiseshell glasses and wipes the lenses on his rust sweater, then turns away to the shelf on the right and pulls out a faded green book. He turns back to the camera, puts the glasses back on, opens the book and looks up with a broad smile. The camera holds a steady medium shot with a slight drift. Sound: quiet shop room tone, the book sliding from the shelf, pages turning.”
Dica: Descreva o que se mexe e em que ordem, não a foto.
380 créditos
feito na Wan, imagem de entrada feita na GPT Image 2.5
Wan 3.0
Um retrato que fala
Ela se vira para a câmera e diz a fala enquanto pessoas com guarda-chuva passam atrás dela. No teste da Fuser com esse prompt, o Seedance 2.5 recusou a foto por parecer uma pessoa real; o Wan 3.0 animou.
Imagem para vídeo
720p
5 s
com som
16:9
“Handheld shot on a rainy night market street. The woman with the bicycle turns her head to the camera and says: ‘I know a better place for noodles.’ Rain keeps falling, people with umbrellas walk past behind her, and neon signs reflect on the wet road. Audio: steady rain, distant street chatter, and her voice.”
Dica: Só anime fotos suas ou de pessoas que concordaram com isso.
100 créditos
imagem de entrada feita na GPT Image 2.5
Wan 3.0
Um time-lapse de paisagem com narração
As estrelas ficam paradas nos primeiros quatro segundos, depois o horizonte fica laranja e o céu termina em um amanhecer rosado enquanto a Via Láctea some, com uma narração falada. O prompt vem do guia do Seedance 2.0 da ByteDance, sem a última linha, que pedia texto gravado na imagem.
Imagem para vídeo
720p
10 s
com som
16:9
“I2V: A time-lapse of a mountain landscape transitioning from a vast, starry night to a vibrant dawn. Voiceover: A deep, serene male voice says: 'In the vast silence of the cosmos, our world is but a fleeting moment. Yet, within it, life defiantly thrives.'”
Dica: Diga a mudança ao longo do tempo (“from a starry night to a vibrant dawn”); a imagem só define onde ela começa.
200 créditos
imagem de entrada feita na GPT Image 2.5
MiniMax H3
Mudança de foco em 2K
Uma única instrução, escrita como uma edição de foto, leva o foco da tigela para a família atrás dela e acrescenta vapor. O prompt é o próprio exemplo de imagem para vídeo da MiniMax.
Imagem para vídeo
2K
10 s
com som
16:9
“Pull focus to the people in the background and add more steam to the ramen bowl.”
Dica: Imagens com primeiro plano e fundo bem definidos dão para a mudança de foco algo entre o que se mover.
260 créditos
imagem de entrada feita na GPT Image 2.5
MiniMax H3
Uma foto que quase não se mexe
No H3 Max Turbo, a opção de menor preço daqui, o movimento é bem sutil, que é o que as últimas palavras do prompt pedem: “Extremely slow, quiet motion”.
Imagem para vídeo
768p
5 s
com som
16:9
“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”
Dica: Se quiser mais movimento, faça dele a ação principal e diga o tamanho dele.
40 créditos
feito na Dreamina, imagem de entrada feita na GPT Image 2
Seedance 2.5
Uma ilustração que ganha vida
O quadro inicial é uma pintura. O vídeo mantém as pinceladas enquanto ela abre os olhos e olha para a câmera e a raposa se aconchega. O prompt é exatamente o do tutorial da ByteDance.
Imagem para vídeo
720p
5 s
com som
4:3
“A girl holds a fox. She opens her eyes and looks gently at the camera while the fox hugs her. The camera slowly pulls back, the wind blows through the girl's hair, and the sound of the wind can be heard.”
Dica: Uma ação e um movimento de câmera por vídeo.
300 créditos
Como escrever o prompt para animar uma foto
O que colocar no prompt, na ordem em que os modelos entendem com mais facilidade.
Descreva o movimento, não a foto
A imagem já define o personagem, o lugar, a luz e o estilo. Use o prompt para o que muda: quem se mexe, como e em que ordem.
“He takes off his round glasses, wipes the lenses on his sweater, then puts them back on and looks up.”
Um movimento de câmera, com a velocidade
Escolha um único movimento, como uma aproximação lenta, uma volta para a esquerda ou a câmera parada. O guia da ByteDance avisa que empilhar vários movimentos na mesma tomada deixa o vídeo instável.
“Slow push toward the platform.”
Diga o que precisa continuar igual
Modelos de vídeo tendem a transformar pinturas em fotos e objetos em outros novos. Diga o que precisa se manter: o estilo, o formato do produto, o rótulo, a pose no final.
“Every frame stays a gouache painting on rough paper: hold the brush texture and the paper grain.”
Escreva a ordem e o tempo
Se uma coisa precisa acontecer antes de outra, diga isso. No teste do Wan 3.0 da Fuser, a vela acendeu enquanto a mancha de sol ainda estava na parede; a dica deles é escrever “first … only then …”.
“First the candle catches, only then the sun patch fades from the wall.”
Mantenha o movimento possível para a duração
Um vídeo de 5 segundos comporta uma ação. Movimentos rápidos e amplos são onde todos os modelos deformam mãos e objetos, então deixe-os mais lentos ou divida em vários vídeos.
Dirija o som
Escreva o ambiente, os efeitos e as falas entre aspas. Termine com “No background music” se não quiser trilha; caso contrário, o modelo escolhe uma.
“Audio: wind across the cable, one distant bell. No music.”
Regras para a imagem que você envia
Arquivo: JPG, PNG ou WebP, até 10 MB. Antes, corte a imagem na proporção que você quer.
Tamanho: algo perto da resolução de saída é suficiente. Para o Seedance 2.5, o guia da ByteDance sugere uma entrada não maior que a saída, já que uma imagem muito mais nítida pode criar uma textura parecida com impressão digital em superfícies densas.
Pessoas: envie só fotos suas ou de pessoas que concordaram com isso, nunca de figuras públicas, e nada sexual envolvendo uma pessoa real. O Seedance 2.5 recusa fotos com rostos reais; os outros três animaram retratos realistas em testes independentes.
Direitos: antes do seu primeiro envio, você confirma que é dono da imagem ou tem permissão para usá-la. Cada envio e cada resultado passa pela nossa Política de Uso Aceitável.
Qual modelo de imagem para vídeo usar?
Seedance 2.5 (da ByteDance, dona do TikTok) é o que mais preserva um estilo. Ele manteve a textura de guache da nossa pintura e a pose que o prompt da raposa pedia, com uma mixagem de som discreta, de cinema. É o mais caro por segundo e recusa fotos de pessoas reais.
Kling 4.0 (Kling AI) mantém a pessoa e os objetos do seu quadro inicial: a Fuser mediu que o primeiro quadro dele bate com a entrada “almost to the pixel” (quase pixel por pixel), e ele seguiu o nosso prompt da livraria passo a passo. Faz os maiores movimentos de câmera e o som mais alto, e vai até 30 segundos (Fuser).
Wan 3.0 (da Alibaba) anima fotos de pessoas que o Seedance recusa, vai até 30 segundos e custa menos por segundo. Ele fica do lado da imagem quando o prompt pede algo que a foto não sustenta (Atlas Cloud).
MiniMax H3 (Hailuo AI) é o jeito de menor custo de testar movimento em uma imagem (H3 Max Turbo) e o único daqui com 2K (o H3 padrão). Foi o que se mexeu mais rápido no nosso teste da raposa, e deixou as luzes da cena mais fortes.
Imagem para vídeo ou texto para vídeo?
Use imagem para vídeo quando o vídeo precisa bater com algo que você tem: seu produto, um personagem, uma pintura, uma foto. Use texto para vídeo quando você parte de uma ideia. Se você precisa de uma imagem que ainda não existe, crie-a no gerador de imagem com IA ou no gerador de foto de produto com IA e depois anime aqui; a maioria dos quadros iniciais desta página foi feita assim.
Como fizemos os exemplos desta página
Cada exemplo mostra a imagem inicial, o prompt, o modelo e as configurações, além do preço dele hoje na zzo.ai. Os prompts vêm de testes publicados e dos guias dos fabricantes, com a fonte indicada em cada card, e a comparação acima usa uma imagem e um prompt nos quatro modelos. Alguns vídeos foram feitos no app do próprio fabricante do modelo, com o mesmo modelo, prompt e configurações, e estão marcados assim. Nenhum vídeo foi editado, e quando um vídeo não seguiu parte do prompt, o card diz isso.
Quando o resultado sai errado
Os problemas mais comuns, por que acontecem e o que mudar.
A imagem é recusada por parecer uma pessoa real
Por quê: O Seedance 2.5 não aceita fotos com rostos humanos reais.
Solução: Use o Kling 4.0, o Wan 3.0 ou o MiniMax H3 com uma foto para a qual você tem consentimento, ou um personagem ilustrado ou criado com IA. Os créditos da geração recusada voltam automaticamente.
O vídeo ignora parte do prompt
Por quê: Quando a imagem e o prompt não combinam, a imagem costuma ganhar: os testadores viram o Wan 3.0 transformar uma chuva dentro de casa em “a lighting change and a token splash” (uma mudança de luz e um respingo simbólico).
Solução: Peça um movimento que a foto permita, ou mude a foto antes no editor de fotos com IA.
As bordas ou o enquadramento saem errados
Por quê: O vídeo segue o formato da imagem. Em um teste, o MiniMax H3 transformou uma imagem 9:16 em um vídeo 4:7.
Solução: Corte a imagem na proporção que você quer antes de enviar, com o personagem longe das bordas.
O rosto ou o produto muda durante o vídeo
Por quê: Giros grandes e movimentos rápidos obrigam o modelo a inventar o que a foto não mostra.
Solução: Mantenha o personagem virado mais ou menos para o mesmo lado, deixe o movimento mais lento e diga o que não pode mudar.
A pintura vira foto
Por quê: Modelos de vídeo são treinados principalmente com filmagens reais, então tendem a um visual de foto.
Solução: Diga no prompt a técnica e a textura dela e peça ao modelo para mantê-las em todos os quadros.
O vídeo foi recusado ou falhou
Por quê: O filtro do modelo ou a nossa verificação de política bloqueou a imagem, o prompt ou o resultado, ou o modelo excedeu o tempo limite.
Solução: Nada é cobrado: os créditos voltam automaticamente para o seu saldo. Consulte a Política de Uso Aceitável e tente outra imagem ou outro texto.
Perguntas frequentes
Atualizado em 30 de outubro de 2026
Qual é a melhor IA para transformar foto em vídeo hoje?
No ranking de imagem para vídeo da Artificial Analysis, montado com votos às cegas entre vídeos lado a lado, o Seedance 2.5 está em primeiro, o MiniMax H3 vem logo atrás e o Wan 3.0 está entre os dez primeiros (as posições e a data em que conferimos estão no topo desta página). O Kling 4.0 ainda não está no ranking. Compare os quatro com a mesma imagem na seção acima.
Que tipo de imagem funciona bem?
Um JPG, PNG ou WebP nítido de até 10 MB, com um assunto claro e o mesmo formato do vídeo que você quer. O primeiro quadro do vídeo é a sua imagem, então a composição, a luz e as cores dela continuam no vídeo. Colagens e capturas de tela com texto pequeno ficam ruins quando animadas.
Posso animar a foto de uma pessoa?
Só uma foto sua ou de alguém que concordou com isso, nunca de figuras públicas. O Seedance 2.5 recusa fotos que parecem pessoas reais; em testes independentes, o Kling 4.0, o Wan 3.0 e o MiniMax H3 animaram retratos realistas que ele recusou. Personagens ilustrados ou criados com IA funcionam em todos os modelos.
Dá para animar fotos antigas da família?
Sim, se você tiver o consentimento das pessoas que aparecem nelas ou se forem fotos da sua própria família que você tem o direito de usar. Use o Kling 4.0, o Wan 3.0 ou o MiniMax H3 e mantenha o movimento pequeno, como um sorriso ou um virar de cabeça, para que os rostos continuem fiéis à foto.
Dá para transformar a foto do meu produto em vídeo para anúncio?
Sim. Envie uma foto limpa do produto e descreva um movimento lento, como um giro ou uma aproximação. O produto mantém o formato da foto muito melhor do que quando é descrito só com texto. Para um quadro inicial melhor, crie-o antes com o gerador de foto de produto com IA.
Quanto custa animar uma foto?
Depende do modelo, da duração, da resolução e do som. A tabela desta página mostra o preço de 5 e de 10 segundos de cada modelo, e o gerador mostra o preço exato antes de você começar. Não há assinatura.
Qual a duração máxima do vídeo?
Até 30 segundos no Kling 4.0 e no Wan 3.0, e até 15 segundos no Seedance 2.5 e no MiniMax H3. Para mais tempo, gere o próximo vídeo a partir do último quadro do anterior e junte as partes em um editor.
O vídeo tem som? A foto pode falar?
Sim, todos os modelos daqui geram som junto com a imagem. Escreva os sons e as falas no prompt. No Seedance 2.5 e no Wan 3.0 você pode desativar o som.
Posso escolher a proporção?
O vídeo segue o formato da sua imagem, então corte a imagem antes: 9:16 para TikTok, Reels e Shorts, 16:9 para YouTube, 1:1 para o feed.
Por que meu vídeo não ficou parecido com a minha foto?
Movimentos grandes obrigam o modelo a inventar o que a foto não mostra. Peça movimentos menores e mais lentos, mantenha o personagem virado para o mesmo lado e diga o que precisa continuar igual.
O que acontece se a geração falhar ou for recusada?
Os créditos daquele vídeo voltam automaticamente para o seu saldo, seja porque o modelo falhou, excedeu o tempo ou recusou a imagem, seja porque a nossa verificação de política bloqueou o resultado.
Posso usar os vídeos comercialmente?
Sim, se você tiver os direitos sobre a imagem enviada e o resultado seguir os nossos termos. Os vídeos que você gera são seus para usar.
Preciso de assinatura?
Não. Você compra um pacote de créditos com pagamento único e usa em qualquer modelo, no site ou pela API. Os créditos não expiram.
