Um gêmeo com IA, ou clone de si mesmo com IA, é o seu rosto e a sua aparência se mantendo de um quadro a outro em fotos e vídeo, mais a sua voz. Ele é feito a partir de uma folha de personagem com suas próprias fotos, anexada como referência a cada geração: nenhum modelo é treinado com o seu rosto, então a semelhança depende das fotos de origem.
Precisa de um avatar falante a partir de uma foto e uma gravação de voz? Esse é outro guia: Como fazer um vídeo com avatar IA a partir de uma foto e da sua voz.




Folha de personagem com base nas imagens 1–3: a mesma pessoa em quatro vistas — retrato de frente, perfil esquerdo, perfil direito, corpo inteiro. Fundo branco limpo, luz suave e uniforme, fotorrealista, expressão neutra. Manter os traços, o formato do nariz, a cor dos olhos, a linha do cabelo, as pintas e as sardas como nas fotos originais. Não embelezar o rosto, não mudar a idade, sem acessórios nem texto.
Sem óculos nem boné; se uma pinta ou cicatriz importa, acrescente um close.
Compare com você e refaça se o nariz, os olhos ou a linha do cabelo mudarem.
Faça cada nova imagem a partir da folha, não do resultado anterior.
No prompt, nomeie os papéis (imagem 1 é o rosto e a roupa do protagonista, imagem 2 é a rua) e o número de pessoas no quadro.
No prompt, escreva fala com a voz do áudio 1 e a frase entre aspas.


Imagem 1 é a folha de personagem: rosto, penteado e porte do protagonista. A mesma pessoa está sentada junto à janela de um café com uma xícara nas mãos e olha para a rua. Plano médio, lente 50 mm, luz do dia suave da janela à direita. Uma única pessoa no quadro. Manter o rosto da imagem 1, sem embelezar, sem pele de plástico.
Imagem 1 é a folha de personagem do protagonista, imagem 2 é uma rua ao entardecer. Uma única pessoa no quadro. 0–3 s: plano médio, o protagonista caminha pela rua da imagem 2 em direção à câmera. 3–6 s: close, ele para e sorri. A câmera recua devagar. Sol baixo pela esquerda. Manter o rosto e a roupa da imagem 1, sem embelezar. Sem música.
Imagem 1 é a folha de personagem do protagonista, áudio 1 é a voz dele. Plano médio, o protagonista está sentado à mesa de trabalho e diz para a câmera com a voz do áudio 1: «Oi, este é o meu gêmeo digital, e a voz é mesmo minha». Câmera fixa, luz de janela pela esquerda. Manter o rosto da imagem 1. Sem música.
A folha de personagem é uma imagem com várias vistas da mesma pessoa. Os modelos não lembram das gerações anteriores, por isso a folha vai em cada uma e o rosto é repetido a partir dela.
| O que fotografar | Para quê |
|---|---|
| Retrato de frente, expressão neutra | A principal fonte dos traços |
| Perfil | Sem ele, o modelo inventa a vista lateral |
| Corpo inteiro | Porte, altura e caimento da roupa |
| Close de uma marca | Pinta, cicatriz ou sardas que devem aparecer |
Fotografe com luz uniforme, sem sombras duras. Para você em outra idade ou outro visual, faça uma folha separada.
Fotos e vídeo são feitos por modelos diferentes, mas a mesma folha de personagem serve para os dois.
| Tarefa | Modelo | Fotos de entrada |
|---|---|---|
| Série de fotos | GPT Image 2.6 | Até 16 |
| Série de fotos | Nano Banana Pro | Até 8 |
| Clipe de até 30 segundos | Seedance 2.5 | Até 30 |
| Clipe de até 30 segundos | Wan 3.0 | Até 10 |
| Clipe de até 15 segundos | Seedance 2.0, MiniMax H3 | Até 9 |
Vários planos cabem num prompt com marcas de tempo: funciona no Seedance 2.0 e 2.5, Wan 3.0 e MiniMax H3.
Anexe a mesma folha a cada geração e nomeie no texto: imagem 1 é o rosto do protagonista. Uma referência sem nome pode ser ignorada.
Faça cada variação a partir da folha ou da foto original. Se partir de um resultado já editado, os desvios se acumulam a cada passo.
Mantenha o rosto grande: plano médio ou close. Descreva a luz da cena — de onde ela bate no rosto —, senão a folha feita em estúdio parece colada. Acrescente não embelezar o rosto para o modelo não alisar a pele.
A voz vem de uma referência de áudio. Seedance 2.0 e 2.5 e MiniMax H3 aceitam a gravação só junto com foto ou vídeo; o Wan 3.0 aceita também sem eles. Um trecho de 2 a 15 segundos serve para todos esses modelos.
Nomeie a gravação no prompt e dê tempo à fala: uma frase curta precisa de uns três segundos. O idioma da fala é definido pelo texto da frase. Gemini Omni, Kling 4.0 e Veo 3.1 não aceitam envio de áudio.
Use seu próprio rosto e voz, ou os de outra pessoa somente com a permissão dela.
Rosto pequeno em plano aberto, rosto de perfil sem vista lateral na folha e acessórios pequenos na folha são o que o modelo pior reproduz. Tire da folha o que não deve aparecer no quadro.
Se as vistas da folha misturarem seus traços ou as expressões deformarem o rosto, volte a um único retrato neutro e envie roupa e lugar em fotos separadas. Não haverá cópia exata: confira o começo, o meio e o fim do clipe e refaça o trecho que falhou.
Tire um retrato de frente, um perfil e uma foto de corpo inteiro, monte com eles uma folha de personagem no GPT Image 2.6 ou no Nano Banana Pro e anexe a cada geração de fotos e vídeo. Para a voz, adicione sua gravação como referência de áudio.
Grave um trecho da sua fala e adicione como referência de áudio junto com a folha de personagem no Seedance 2.5, Wan 3.0 ou MiniMax H3. No prompt, diga que o protagonista fala com a voz do áudio 1 e coloque a frase entre aspas.
Não haverá cópia exata: os modelos não são treinados com suas fotos, eles seguem sua aparência por referências. Uma folha de personagem com fotos nítidas e luz uniforme chega mais perto de você.
Quase sempre porque a folha de personagem não foi anexada a todas as gerações ou não foi nomeada no prompt. Os modelos não lembram do que veio antes: a aparência só se mantém com referências.
Um avatar é um retrato falante a partir de uma foto e uma gravação de voz. Um gêmeo é a sua aparência e a sua voz em qualquer cena, em fotos e em vídeo.