Passei uma semana procurando a porta errada.
A ideia era simples: desenhar os planos numa folha de storyboard, entregar pro gerador e receber o vídeo obedecendo. Abri o Seedance procurando onde subir a folha. Abri o Veo. Abri os outros. Nenhum tem campo de storyboard. Tem "imagem de referência", e é só isso que tem.
Levei um tempo pra entender que a ausência do campo não é um buraco no produto. É como a coisa funciona.
A folha entra pela mesma fenda que uma foto qualquer. O gerador não sabe que aquilo é um roteiro. Ele vê uma imagem. Quem promove a folha a roteiro é uma frase no prompt dizendo o que fazer com ela: estes são os planos, nesta ordem, e ignore o traço de lápis.
Isso muda onde mora o trabalho. Não é desenhar melhor. É declarar melhor.
Helen empurrando uma folha de storyboard de nove painéis dentro da fenda iluminada de uma máquina escura, com a mão ainda segurando a borda.
O Storyboard importa
O que está na folha entra no filme.
Aprendi do jeito caro. Uma folha minha desenhou tabelas de basquete no fundo de dois painéis. Eu não pedi, nem tinha reparado antes de mandar. O take saiu com tabelas de basquete.
O motor não distingue "cenário que apareceu sozinho no desenho" de "direção de arte". Pra ele é tudo pixel de referência, e referência é pra seguir.
A regra que sobra é curta e chata de obedecer: o que você não quer no vídeo não pode estar na folha.
O que cada painel carrega
Um painel da folha da casa tem cinco campos, e nenhum é enfeite:
- BEAT, o endereço. É por ele que o prompt aponta pra célula certa.
- PLANO, a escala e o ângulo juntos (perfil aberto, frontal médio, plongée geral).
- SOM, o que se ouve naquele instante.
- CAMERA, e só quando ela muda. Câmera constante fica no cabeçalho.
- A ação, uma linha, congelada naquele instante.
O critério é único: campo que não vira nada no vídeo saiu da folha. Se você escreve "melancólico" e não consegue apontar o que muda na imagem por causa disso, aquilo não é direção, é adjetivo.
A moldura é sua, o quadro não é
Essa é a parte que quase todo mundo erra na primeira folha bonita: a folha tem duas camadas com regras opostas.
A moldura é onde a casa assina: cabeçalho, barra de dados, fios, rodapé, tipografia, a cor da marca. Pode caprichar: ela existe pra humano ler.
A caixa de desenho é onde a cena mora, e ali dentro a regra inverte: neutra de marca, sem texto, sem a cor da casa. Nada.
O motivo é a lei número um outra vez. O que está dentro do quadro vaza pro take. Botei o verde da marca dentro da caixa uma vez e recebi um filme inteiro esverdeado. O motor não leu aquilo como identidade visual. Leu como iluminação da cena.
Qual motor aguenta uma grade
Aqui a escolha do motor importa mais do que em imagem solta, por um motivo específico: grade. Uma folha de nove painéis pede nove quadros separados, na ordem, com o mesmo personagem, e ainda texto miúdo legível em cada um. Motor fraco embaralha os painéis, funde dois em um, ou entrega letra derretida.
Três seguram isso hoje: gpt-image-2 no modo high, o Gemini 3 Pro e o Seedream 5.0 Pro, e ainda assim falham às vezes.
Esta folha saiu no gpt-image-2 high, e a escolha não foi estética: é o único da prateleira que entrega letra pequena legível, e aqui cada painel carrega cinco campos escritos.
Mas escolher o motor não é só escolher qualidade. Cada modelo chega com premissas próprias sobre como o mundo funciona, herdadas do treino, e você não desliga elas. Troca a versão e o mesmo prompt com a mesma folha entrega outro filme.
A cláusula que transforma imagem em direção
A folha sozinha não dirige nada. O que dirige é o prompt do vídeo declarando o papel dela. A cláusula que uso, em inglês porque é a língua em que o motor foi treinado:
Use the first reference image (a monochrome 9-panel storyboard contact sheet)
as a STRICT BEAT 01 to BEAT 09 path: each panel's angle, framing, pose and
contact geometry is a required fleeting waypoint, reached once in order,
without skips or merges. Ignore the pencil texture and the sheet furniture.
Três coisas fazem essa frase funcionar.
"Waypoint" e não "frame". O painel é um ponto por onde a cena passa, não um quadro que ela congela. Sem isso o motor entrega nove poses estáticas costuradas, que é a cara de vídeo de IA que todo mundo já cansou de ver.
"Once in order, without skips or merges". Sem essa parte ele reordena, pula e funde painéis com prazer.
"Ignore the pencil texture". Sem isso o filme sai a lápis. A lei número um não perdoa nem o traço.
E a regra que rege todo o resto: só afirmação. Prompt que diz "não faça a câmera girar" gasta orçamento de atenção do motor com a palavra "girar" e ainda entrega giro. Prompt que diz "câmera travada no tripé" entrega câmera travada.
A folha e o filme que saiu dela
A folha aqui é a THE ROOFS, uma perseguição em telhados em oito planos. O take que saiu dela: quinze segundos num fôlego só, sem corte.
Folha de storyboard THE ROOFS: oito painéis a lápis de uma perseguição em telhados, cada um com BEAT, PLANO, SOM, CAMERA e a linha de ação embaixo.
O take THE ROOFS, quinze segundos gerados a partir da folha de oito painéis
O que atravessou foi a silhueta. O guarda de boné fica atrás e à esquerda nos oito planos, a ladra de casaco à frente e à direita, e o vão entre os dois abre e fecha na ordem desenhada. Nenhum dos dois tem rosto na folha: o que separa um do outro é a silhueta, e silhueta é o que o rabisco guarda melhor.
O que não atravessou foi o ângulo. Os oito planos saíram de perfil, todos. Eu tinha escrito só a escala no campo PLANO e deixado o ângulo em aberto, e ângulo em aberto o motor resolve sempre pelo mais barato, que é a lateral. A folha não desobedeceu. Ela obedeceu o que eu não disse.
É por isso que o campo PLANO carrega escala e ângulo juntos. A regra não nasceu de teoria, nasceu desse take.
A folha é opcional
Agora desarmo a impressão que o texto deixa: que a folha é "O jeito de dirigir". Não é. É um instrumento entre outros, e nem sempre o certo.
Por aqui uso três:
- A folha responde o quê. O que acontece e em que ordem. Sozinha, o motor segue a sua ordem e preenche o resto.
- O deepshadow responde como. É a coreografia e a câmera tiradas de um clipe que já existe, o movimento sem rosto e sem roupa. Sozinho, a marcha é aquela e a cena inteira sai do seu prompt.
- O personagem responde quem. O rosto e o jeito que se mantêm, faça ele o que você mandar.
Você pega uma, duas ou as três, e qualquer combinação sai take. Dá pra dirigir uma cena inteira sem desenhar um único painel, se o que precisa travar é a marcha e não a ordem dos planos.
O limite é de campo, não de método: o Seedance aceita quatro imagens de referência mais um vídeo de movimento, o Veo aceita três.
Escolher qual rédea puxar já é metade da direção. A pergunta útil antes de desenhar qualquer coisa não é "como faço a folha", é "o que nesta cena eu não posso deixar o modelo escolher".
Helen sentada na cadeira de diretora segurando três rédeas que saem do quadro em direções diferentes, com uma folha de storyboard enrolada no colo.
Nada manda sozinho
A parte que demorei mais pra aceitar: seja qual for a combinação, nenhuma peça dela tem a palavra final.
A folha erra, e erra bastante. A minha do bar desenhou uma personagem que migra pro outro lado do balcão entre um painel e outro, e deixou uma chave grudada na madeira sem cláusula nenhuma dizendo como ela sai dali. Nada disso eu pedi. Tudo entrou no filme.
E isso não é bug. A folha é imperfeita por design. Painel esparso é escolha deliberada, porque quanto mais detalhe você desenha, mais chance o motor tem de inventar um "prop", um membro a mais, uma palavra na parede. Uma folha caprichada demais dirige pior que um croqui.
O que existe é uma repartição de autoridade, e ela não é fixa. Cada referência manda no que sabe responder: ordem e enquadramento na folha, marcha no deepshadow, identidade no personagem.
O texto do take manda no que o desenho omitiu, e omite muito: anatomia, material, acabamento, tudo que um rabisco não decide. E o modelo manda no resto sem pedir licença, com a física e a continuidade que ele trouxe do treino.
Foi por isso que as tabelas de basquete apareceram. Não porque a folha mandou e o motor obedeceu, mas porque as peças somaram e ninguém estava olhando pra aquele canto do quadro.
Uma cidade na Espanha com hora pra abrir a rua
Tratei essa instabilidade como imaturidade da tecnologia, coisa que a próxima versão resolve. Estava errado, e a analogia que me convenceu vem de um set de filmagem.
Uma produção grande também não é um laboratório controlado. O ator tem opinião sobre o personagem e leva a cena pra um lugar que o roteiro não previu. O iluminador aponta uma rota melhor pra luz e o plano muda. A maquiagem derrete porque o dia esquentou. A rua é numa cidade da Espanha que só abre em certo horário. Tem o livro original, que os fãs conhecem de cor, e tem o olhar do diretor, que discorda do livro em três pontos, e o do roteirista, que discorda do diretor em dois.
O filme que sai dali não é a execução do storyboard. É o que sobrou da negociação entre todas essas pressões. E ninguém chama isso de falha de direção. Isso é direção.
São mundos diferentes, óbvio. Um tem física de verdade, gente de verdade, dinheiro parado esperando o sol. O outro tem uma placa de vídeo. Mas a estrutura atravessa: em nenhum dos dois existe input soberano.
A diferença que importa é outra, e vale nomear. No set, as outras vontades são pessoas, e com pessoa se conversa. Com o ator você pergunta, explica, negocia, refaz. As premissas de um modelo não se negociam. Você só descobre que elas existem depois que já apareceram no take, e o que sobra é aprender a gerir elas.
Então dirigir aqui é menos receita e mais gestão. Você escolhe quais rédeas puxar, escreve o que não pode ficar por conta da casa, e administra o que voltar. Vai seguir instável, não porque a ferramenta é imatura, mas porque direção com muitas mãos é isso em qualquer lugar. O que cresce com a prática não é o controle. É o repertório: da ferramenta, do fluxo, do tipo de pincel.
