Existe uma regra que todo mundo em vídeo com IA repete como escritura: texto não sobrevive à geração. Tela vira sopa de letrinhas, placa derrete em hieróglifo, e qualquer palavra maior que uma preposição vira cena de crime tipográfico. Então a gambiarra do setor virou dogma: nunca gere texto, sempre componha na pós.
A gente rodou um teste controlado no laboratório e derrubou essa regra. Não com um prompt esperto. Com uma mudança de canal.
Por que a IA gera texto errado, para começar
Motor de vídeo não escreve. Ele pinta. Quando você digita uma tela de celular exibindo a palavra AMANHECER em sem serifa negrito, o motor não compõe a palavra. Ele alucina a estatística visual do texto: traço, espacejamento, o ritmo do desenho de letra. Às vezes chega perto. Normalmente produz algo que parece uma palavra até você ler.
Acento piora tudo. Caractere acentuado, cedilha, til, qualquer coisa fora do ASCII mais simples, e a taxa de falha sobe rumo à certeza. Se o seu trabalho atravessa idiomas, e o nosso atravessa, São Paulo sozinho já é um teste de estresse, fazer prompt de texto é uma loteria que você perde.
O erro não é do motor. O erro é o canal. Prompt é descrição, e tipografia não é coisa que se descreve. É coisa que se mostra.
O método da referência para texto em vídeo com IA
Aqui está o que a gente testou no Seedance 2.5. Em vez de descrever o texto, a gente construiu ele.
Passo um: crie o texto acabado como imagem. Tipografia de verdade, kerning de verdade, acento de verdade, composto numa ferramenta de imagem ou num modelo de imagem que lida bem com texto, colocado em contexto: letra numa tela dentro da cena, um rótulo num produto, uma cartela num monitor.
Passo dois: alimente essa imagem ao motor de vídeo como referência, ao lado do start frame que define o mundo.
Passo três: faça prompt do movimento, não do texto. O prompt nunca menciona o que as palavras dizem. A referência já carrega isso.
O resultado nas nossas rodadas controladas: a tipografia sobreviveu. O caractere acentuado sobreviveu. O motor tratou a letra do jeito que trata um produto ou um rosto alimentado como referência: como identidade a preservar, não como textura a reinventar. Num teste, uma referência carregando texto acentuado sustentou o acento pelo plano gerado inteiro, algo que nenhuma redação de prompt tinha conseguido em dezenas de tentativas.
Uma imagem de referência carrega tipografia melhor do que qualquer prompt jamais vai carregar. Texto consegue passar por imagem para vídeo. Ele só não consegue passar pelo prompt.
Referência ancora o objeto, e texto é objeto
Isso funciona por causa de um mecanismo mais fundo que a gente mapeou em testes separados. Em imagem para vídeo, a imagem de referência ancora o objeto: a identidade dele, os detalhes dele, a verdade de superfície dele. O start frame ancora o quadro: mundo, luz, composição. O prompt dirige movimento e intenção.
Depois que você enxerga texto como objeto em vez de como linguagem, o método fica óbvio. Uma palavra composta em tipo é uma forma com identidade, exatamente como um frasco ou um logo. Alimente pelo canal que protege identidade. O motor para de tentar escrever e começa a tentar preservar, e preservar é o que motor de fato faz bem.
Onde isso muda a produção
Para um estúdio, isso não é truque de festa. Reestrutura o pipeline.
Planos de interface. Tela de celular, painel, totem dentro de uma cena: construa a tela como imagem acabada, use como referência, e gere a cena em volta dela em movimento. Chega de compor na pós uma tela chapada sobre uma perspectiva em movimento.
Placa e ambiente. O nome de uma loja, um cartaz numa parede, um letreiro de néon: componha o tipo na imagem parada, deixe a referência sustentar enquanto a câmera se move.
Trabalho multilíngue. Acento deixa de ser categoria de risco. O acento mora nos pixels da referência, e pixel não erra ortografia.
Momentos de título dentro da ficção. Quando uma palavra precisa existir dentro do mundo do filme em vez de por cima dele, o método da referência é hoje o único caminho confiável.
O que ele não substitui: legenda, crédito e texto legal continuam pertencendo à edição, onde você controla quadro a quadro. O método da referência é para texto que vive dentro da cena, não para texto que vive por cima do vídeo.
A disciplina que faz aquilo se sustentar
Três notas de direção das nossas sessões de laboratório, porque o método falha quando é tratado de forma casual.
Termine o tipo antes de gerar. A referência tem que carregar a letra final, o peso final, a cor final. O motor preserva o que vê; ele não vai melhorar uma referência desleixada.
Mantenha o texto grande o bastante no quadro. Tipo minúsculo num plano geral degrada. Se a palavra importa, dê espaço a ela ou planeje um plano mais fechado para ela.
Não repita o texto no prompt. Descrever as palavras convida o motor a repintar. Deixe a referência falar sozinha e gaste o seu prompt em câmera e movimento.
Isso é o método Sentimagem aplicado a um problema teimoso, direção acima de geração: testar o que o motor faz com texto em vez de confiar na regra recebida, localizar onde a falha de fato mora, no canal e não na capacidade, e transformar a montagem que funciona em padrão.
Tipografia sobrevive à geração por IA quando entra como imagem de referência carregando letra acabada, porque referência é um canal de preservação enquanto prompt é só descrição.