No tráfego de esquema, vídeos com “rosto” são usados para manter o usuário no funil e incentivá-lo a fazer um depósito. Trabalhar com atores reais ou designers terceirizados é caro e atrasa o lançamento, especialmente quando são necessários muitos criativos para diferentes abordagens. As redes neurais permitem resolver a questão dos criativos de forma independente: o buyer pode gerar personagens para qualquer tarefa sem depender de terceiros.
O uso de ferramentas de IA reduz o custo de cada vídeo para alguns centavos e acelera o lançamento das campanhas. Neste material, analisamos métodos de criação de deepfakes em hardware próprio e na nuvem, comparamos preços das ferramentas e preparamos um guia passo a passo para animar fotos estáticas.
Métodos de geração: nuvem vs hardware local
A escolha da solução técnica depende da escala do lançamento e do orçamento inicial. No arbitragem, são usados dois métodos: montar uma “fazenda” própria para softwares pesados ou usar recursos em nuvem.
Software local (Faceswap, DeepFaceLab)
Esta opção é adequada para equipes que trabalham com grandes volumes e planejam gerar centenas de criativos por semana. O principal requisito é ter uma placa de vídeo NVIDIA com suporte a CUDA. Para funcionamento estável em 2026, será necessário um setup do nível RTX 3080 ou RTX 4090 com pelo menos 12 GB de VRAM.
A principal vantagem deste método é a total independência. Você usa código aberto, que não se importa com o tema dos vídeos. Aqui é possível dublar qualquer texto sobre hacks de algoritmos ou estratégias de jogo, sem medo de bloqueios.
Após a compra do hardware, o custo de cada vídeo se torna praticamente zero, porém o investimento inicial para esse tipo de produção começa em $1500–3000 por computador. Também é preciso estar preparado para trabalhar com o console e configurar bibliotecas Python.
Serviços em nuvem (HeyGen, Synthesia)
Plataformas com avatares prontos são ideais para criar vídeos de aquecimento e montar rapidamente conteúdo UGC. Em 2026, o plano Creator do HeyGen custa $29 por mês. O pacote inclui 200 créditos, o que, ao usar o modelo premium Avatar IV, equivale a 10 minutos de vídeo pronto. O custo por minuto dentro do limite é de $2,9, mas ao escalar, o preço por minuto adicional sobe para $5. A questão das restrições pode ser resolvida criando avatares fotográficos personalizados a partir de seus próprios criativos. Embora as regras oficiais proíbam o uso de rostos de pessoas públicas sem consentimento, brechas técnicas permitem contornar esses filtros na fase de testes.
Os serviços podem bloquear contas por scripts agressivos, mas ao usar textos neutros, a nuvem continua sendo uma ferramenta eficaz para lançamentos. O principal ponto negativo é o alto custo por minuto ao escalar campanhas.
Aluguel de GPU via RunPod
Comprar seu próprio hardware para rodar redes neurais pesadas exige um investimento de US$ 2.000–3.000, o que muitas vezes não faz sentido na fase de testes. O RunPod permite alugar poder de processamento equivalente a uma RTX 4090 ou H200, pagando apenas pelo tempo real de uso da placa de vídeo. Assim, não é preciso se preocupar com a compra de componentes e é possível iniciar o render diretamente do navegador.
O principal benefício desse método é a total ausência de censura. Diferente dos serviços em nuvem “white”, a combinação RunPod + ComfyUI permite usar encoders NSFW. Isso possibilita inserir livremente prompts com pilhas de dinheiro, logos de cassinos ou interfaces de aplicativos.
O custo de produção de um vídeo no Wan 2.1 com essa abordagem é mínimo, e a flexibilidade do modelo permite criar movimentos e objetos complexos para tarefas específicas no funil.
Limitações técnicas: pré-produção e qualidade
O resultado da geração depende diretamente da qualidade dos arquivos originais. Se você sobrepuser o rosto de um europeu em um vídeo de um indiano ou usar fotos de baixa resolução, a máscara ficará borrada e destoará do restante da cena.
Seleção de doadores e área de substituição. O algoritmo não troca a cabeça inteira. A área de substituição é limitada à “máscara facial” — das sobrancelhas ao queixo e de orelha a orelha. Orelhas, cabelo, formato do crânio e pescoço permanecem do vídeo doador. Por isso, os personagens precisam ter tipos físicos semelhantes.
Na preparação dos materiais, é importante considerar raça, cor da pele e constituição física. Diferenças de tonalidade entre a máscara e o pescoço criam bordas visíveis difíceis de corrigir na edição. Também não é possível combinar um rosto largo com um queixo estreito do doador sem distorções visuais e artefatos nas junções.
Ângulos e artefatos. Redes neurais que funcionam por transferência de expressões (como LivePortrait) são sensíveis à posição da cabeça. O ideal é usar vídeos em que o personagem olha diretamente para a câmera.
Se a pessoa no vídeo original vira de perfil, o algoritmo muitas vezes não reconhece os traços do rosto, pois não consegue reconstruir áreas ocultas. Nesses momentos, o deepfake pode “derreter” ou tremer. O mesmo problema ocorre com gestos: se a mão passa na frente do rosto, a máscara é coberta pelos dedos e a imagem se distorce.
Ajustes em editores. O vídeo gerado pela IA muitas vezes fica muito liso, denunciando sua origem. Para que o criativo pareça natural, editores de vídeo aplicam um leve granulado para simular gravação de celular comum e fazem correção de cor, ajustando os tons da máscara ao pescoço e ao fundo. Um pequeno desfoque nas bordas do rosto sobreposto ajuda a encaixá-lo melhor na cabeça do doador e elimina o efeito de imagem colada.
Economia do processo: trocando o designer pela IA
Migrar a geração de criativos para redes neurais não é apenas seguir tendências, mas uma forma radical de reduzir custos e eliminar a dependência de terceiros. No tráfego de esquema, onde é preciso testar rostos e abordagens novas o tempo todo, a IA se paga já nas primeiras execuções.
Redução direta de custos. Atores e designers são caros: um simples vídeo-depoimento em uma plataforma ou em chats especializados custa de $20 a $50. Se você precisa de 5–10 rostos diferentes para rodar a campanha normalmente, o orçamento só para a preparação dos materiais sobe para $300–500.
Usar a combinação LivePortrait + Replicate ou um software local reduz esses custos a centavos. A geração de um deepfake custa em média $0,01–$0,1. Basicamente, pelo preço de um pedido padrão, você recebe centenas de vídeos únicos, o que permite escalar sem inflar os gastos com produção.
Velocidade e operação em “tempestade”. O principal problema do outsourcing é o tempo de espera. O designer ou ator entrega o vídeo pronto, na melhor das hipóteses, em algumas horas, mas geralmente só no dia seguinte.
A IA entrega o resultado pronto em 1–2 minutos. Isso é crucial em períodos de tempestade no Facebook, quando contas são banidas uma após a outra. A possibilidade de refazer o criativo instantaneamente com um novo rosto permite não parar o tráfego e manter o ritmo. Você não precisa mais esperar seu designer ficar disponível, agora controla o processo sozinho.
Solução para o problema de saturação. O público nas estratégias se acostuma rapidamente com os mesmos personagens, o que leva à queda do CTR. Se você usa atores reais, a base simplesmente satura.
A IA permite criar dezenas de personagens únicos para cada lote de contas. Você pode gerar um rosto no Midjourney, adaptá-lo para um GEO específico (por exemplo, criar um especialista árabe para rodar nos Emirados ou um latino-americano para o Brasil) e animar a foto em poucos minutos. Isso permite testar novas abordagens todos os dias e não depender de ter vídeos novos à mão.
guia-passo-passo-wan-21
Para criar criativos realistas, vamos usar o modelo Wan 2.1. Como ele exige recursos que um notebook comum não tem, todo o processo será feito em um servidor remoto.
Passo 1. Alugando servidor na RunPod
RunPod é um serviço onde você pode alugar um computador potente com placa de vídeo profissional. Assim, você não precisa comprar hardware que custa milhares de dólares.
Para começar, cadastre-se no site e crie um novo container. O modelo Wan 2.1 exige muita memória de vídeo, então escolha uma placa do nível RTX 5090 ou H200.
Nas configurações de disco (Volume Disk), defina 150 GB — esse espaço é suficiente para todos os modelos e você não paga por armazenamento desnecessário. Clique em “Deploy” e aguarde o status mudar para “Running”.
Passo 2. Baixando os pesos via Jupyter Lab
Depois de iniciar o servidor, precisamos baixar para ele o “cérebro” da IA. São arquivos que contêm as informações sobre como os objetos e seus movimentos devem ser. Sem eles, o programa não funciona.
Para isso, conecte-se ao servidor em “Connect” -> “Jupyter Lab” (esse é seu ambiente de trabalho no navegador).
No menu à esquerda, encontre a pasta Models. Se ela estiver vazia, significa que o servidor ainda está sendo preparado, aguarde alguns minutos.
Abra o terminal e inicie o download dos pesos pelos links diretos:
| 1) cd /workspace/ComfyUI/models/diffusion_models/ wget https://huggingface.co/FX-FeiHou/wan2.2-Remix/resolve/main/NSFW/Wan2.2_Remix_NSFW_i2v_14b_high_lighting_v2.0.safetensors 2) cd /workspace/ComfyUI/models/diffusion_models/ wget https://huggingface.co/FX-FeiHou/wan2.2-Remix/resolve/main/NSFW/Wan2.2_Remix_NSFW_i2v_14b_low_lighting_v2.0.safetensors 3) cd /workspace/ComfyUI/models/text_encoders/ wget https://huggingface.co/NSFW-API/NSFW-Wan-UMT5-XXL/resolve/main/nsfw_wan_umt5-xxl_fp8_scaled.safetensors 4) cd /workspace/ComfyUI/models/vae/ wget https://huggingface.co/QuantStack/Wan2.2-I2V-A14B-GGUF/resolve/c3641726f909b3446b7eefe994bcf8779c842a06/VAE/Wan2.1_VAE.safetensors |
Para economizar tempo, abra os comandos em 2–3 abas diferentes do terminal ao mesmo tempo. Os arquivos finais devem aparecer na pasta models/diffusion_models.
Passo 3. Iniciando o ComfyUI e importando o workflow
ComfyUI é uma interface gráfica para gerenciar a rede neural. Em vez de escrever código, aqui o trabalho é feito com blocos visuais (nós), conectados entre si por fios improvisados. Você simplesmente arrasta linhas da saída de um nó para a entrada de outro, transferindo dados e construindo a lógica da geração: do carregamento dos pesos do modelo até o render final do vídeo.
No RunPod, clique em “Connect” -> “HTTP Service Port 8188”. Vai abrir um campo vazio. Para não montar o esquema manualmente, use um workflow JSON pronto. Este é um arquivo de configuração onde toda a lógica de geração já está definida. Basta arrastá-lo para a janela do navegador.
Se os blocos ficarem destacados em vermelho, significa que o programa está faltando nós personalizados (plugins).
Clique em Manager -> Install Missing Custom Nodes, instale tudo (incluindo o interpolador para suavidade dos frames) e recarregue a página.
Passo 4. Configuração técnica dos modelos
Após carregar o workflow, é necessário vincular os pesos baixados aos blocos específicos. No lado esquerdo da interface, localize três nós de seleção de modelos.
No primeiro campo, selecione High Lighting, no segundo Low Lighting. No terceiro bloco (Encoder), escolha NSFW Encoder Wan 2.1. Isso é necessário para que o sistema não bloqueie a geração devido a filtros e você possa trabalhar sem restrições.
Passo 5. Upload dos arquivos fonte e parâmetros técnicos
No esquema de trabalho, encontre o bloco “Load Image” e faça o upload da foto do seu personagem.
O rosto deve estar de frente e sem detalhes desnecessários. O ideal é usar imagens geradas pelo Midjourney ou Flux, pois oferecem maior nitidez.
Nos blocos ao lado, verifique os parâmetros:
- Resolução: para criativos verticais, defina 720 por 1280;
- Número de frames: para que o vídeo dure 30–40 segundos, defina um valor entre 630 e 840. Considere que gerar vídeos desse tamanho exige uma enorme quantidade de memória de vídeo, então são indispensáveis placas como H200 ou RTX 5090. Se o hardware não suportar, é melhor gerar vídeos em partes de 10 segundos e uni-las no editor;
- Modelos: nos nós de seleção de pesos, verifique se os arquivos atuais estão presentes e sempre selecione o NSFW Encoder para evitar que o sistema bloqueie a geração por censura.
Passo 6. Prompting e obtenção do resultado
No campo Positive Prompt, escreva exatamente o que o personagem deve fazer. Descreva os movimentos de forma bem específica: “man smiling, holding a phone, counting dollar bills”. Se precisar de várias ações em um vídeo, divida por tempo: “0-2s: talking, 3-6s: pointing at screen”.
Para um vídeo esquemático de 30 segundos, o prompt pode ser assim:
| “0-5s: A man looking at the camera, smiling and talking. 5-15s: He holds up a smartphone in his left hand, pointing at the screen with his right hand, showing a betting app with a growing balance. 15-25s: He takes out a stack of cash and starts counting dollar bills with a confident expression. 25-30s: He points his finger at the bottom of the screen with a call to action, smiling wide, high quality, realistic skin texture.” |
Clique em Queue Prompt. O primeiro render sempre demora, pois a placa de vídeo carrega arquivos de peso pesados.
Na janela de pré-visualização aparecerão dois arquivos. Para upload, sempre use a versão processada pelo interpolador (30 FPS) — ela parece uma filmagem suave, não uma animação. Se a máscara no rosto estiver “flutuando”, apenas altere o valor do Seed e gere novamente.
Conclusão
O uso de redes neurais é, antes de tudo, uma oportunidade de cortar drasticamente os custos de produção. Agora não faz sentido recorrer ao designer toda vez: a combinação Wan 2.1 + RunPod permite criar criativos únicos para iGaming e Crypto por uma fração do preço.
Todo o orçamento que antes era gasto em fontes e infinitas revisões agora pode ser direcionado diretamente para compra de tráfego, o que faz muito mais sentido na fase de busca pela combinação vencedora.
Comentários (0)