Como Manter Personagens Consistentes em Vídeos NSFW com IA

O Que São Ferramentas de Bloqueio de ID?

Ferramentas como InstantID, PuLID e PhotoMaker são plugins para modelos de IA de imagem. Você fornece uma única foto de rosto, e elas extraem as características faciais chave — a distância entre os olhos, o formato do maxilar, o ângulo do nariz. Depois, ao gerar novas imagens, usam essas características como âncora para manter o rosto consistente.

O termo "zero-shot" significa que você não precisa treinar nada. Envie uma foto e a ferramenta funciona imediatamente. Sem espera, sem horas de GPU, sem preparação de dataset.

Como Se Comparam

Como Usar (Passo a Passo no ComfyUI)

Passo 1: Instalar o Nó

1. Abra o ComfyUI. Se você está usando o ComfyUI V1 / Desktop, clique no ícone de Plugin / Extensões no canto superior direito (ou acesse Menu → Help → Extension Management). Em versões mais antigas, clique no botão Manager na barra de menu → Custom Nodes Manager.
2. Na caixa de pesquisa, digite "ComfyUI_InstantID" (para InstantID) ou "PuLID_ComfyUI" (para PuLID). Clique em Install ao lado do resultado de "cubiq". Aguarde a conclusão e clique em Restart.
3. Após o ComfyUI reiniciar, atualize seu navegador. Os novos nós agora estão disponíveis.

Passo 2: Baixar os Modelos Necessários

Os nós precisam de vários arquivos de modelo para funcionar. Veja onde colocar cada um:

Passo 3: Montar o Workflow

A forma mais fácil: vá à página do GitHub do InstantID ou PuLID, encontre a pasta examples/, baixe um arquivo de workflow .json de exemplo e arraste-o para a janela do ComfyUI no navegador. Ele carregará um workflow pré-montado com todos os nós já conectados. Depois basta:

1. Selecione seu checkpoint SDXL no nó "Load Checkpoint"
2. Carregue sua foto de referência no nó "Load Image"
3. Escreva seu prompt na caixa "Positive Prompt" — descreva o que você quer (ex: "mulher bonita, perfil lateral, usando vestido preto elegante, iluminação de estúdio")
4. Defina o CFG para 4-5 (importante! — InstantID funciona mal com o CFG padrão de 7-8, as imagens ficarão queimadas/com contraste excessivo)
5. Use uma resolução como 1016x1016 em vez de 1024x1024 — isso evita marcas d'água dos dados de treinamento
6. Clique em Queue Prompt (ou pressione Ctrl+Enter) para gerar

Dicas para Melhores Resultados

• Use uma foto de referência clara, bem iluminada e de frente. Referências de baixa qualidade produzem bloqueios de identidade de baixa qualidade.
• O método "Fidelity" do PuLID dá a correspondência facial mais próxima. "Style" dá mais liberdade criativa, mas menos semelhança. Comece com Fidelity.
• Se o rosto parecer "queimado" ou super-saturado, diminua o valor do CFG e/ou o peso do InstantID.
• Gere múltiplas imagens com seeds diferentes — escolha as melhores para sua folha de personagem.

O Que é um LoRA?

LoRA significa Low-Rank Adaptation. Em linguagem simples: é um pequeno "arquivo de memória" (tipicamente 20-80MB) que ensina um modelo de IA a reconhecer um personagem específico.

Pense no modelo de IA como um cérebro enorme que conhece milhões de rostos mas não conhece o seu personagem. Um LoRA é um complemento compacto que ensina esse cérebro uma identidade específica — rosto, tipo corporal, cabelo, tatuagens, características marcantes — tudo que torna seu personagem único.

Uma vez treinado, este arquivo LoRA se torna um "cartão de identidade do personagem" reutilizável. Toda vez que você gera conteúdo, carrega o LoRA e a IA sabe exatamente quem desenhar. Por isso o treinamento de LoRA é considerado o padrão-ouro para consistência de personagens em vídeo NSFW com IA.

O Que é uma Folha de Personagem?

Uma folha de personagem é uma coleção de 15-20 imagens mostrando o mesmo personagem de diferentes ângulos, expressões, poses e roupas — similar às folhas de referência usadas em animação profissional. Estas imagens se tornam o "livro didático" que ensina seu LoRA.

Como Fazer

1. Monte seu dataset: Use o Método 1 (InstantID/PuLID) para gerar 15-20 imagens do seu personagem de diferentes ângulos e poses. Ou use ferramentas de edição baseadas em instrução como Qwen Image Edit.
2. Curadoria de qualidade: Revise cada imagem cuidadosamente. Remova qualquer uma onde o personagem pareça diferente. Dados ruins de treinamento criam LoRAs ruins.
3. Treine o LoRA: Use AI Toolkit (Ostris) ou Kohya_SS. Configurações: ~1.500-2.500 passos de treinamento, dimensão de rede 16. Em GPU de 12-16GB, leva cerca de 15-30 minutos.
4. Aplique: Carregue seu LoRA treinado no ComfyUI ao gerar imagens ou vídeo NSFW com IA. Peso recomendado: 0.6-1.0. Alto demais causa artefatos; baixo demais não mantém a identidade.

Passo a Passo: Usando Seu LoRA no ComfyUI

Depois de treinar seu LoRA de personagem (você terá um arquivo .safetensors, tipicamente 20-80MB), veja exatamente como usá-lo no ComfyUI:

1. Adicionar o Arquivo LoRA

Copie seu arquivo .safetensors treinado para a pasta ComfyUI/models/loras/. Se o ComfyUI já estiver rodando, reinicie-o para que ele detecte o novo arquivo.

2. Adicionar o Nó Load LoRA

No ComfyUI, clique com o botão direito em qualquer lugar da tela → Add Node → loaders → Load LoRA. Um novo nó aparecerá com três configurações: lora_name, strength_model e strength_clip.

3. Conectar ao Seu Workflow

O nó Load LoRA vai entre o Checkpoint Loader e o KSampler. A cadeia é: Load Checkpoint → Load LoRA → KSampler. Conecte a saída MODEL do Checkpoint à entrada model do Load LoRA. Depois conecte as saídas MODEL e CLIP do Load LoRA aonde seu Checkpoint conectava antes (geralmente KSampler e seus nós de prompt).

4. Configurar as Opções

1. lora_name: Clique no dropdown e selecione seu arquivo .safetensors da lista
2. strength_model: Comece com 0.7. Isso controla o quão fortemente o LoRA influencia a imagem gerada. Maior = mais parecido com seu personagem, mas risco de artefatos. Menor = menos semelhança, mas visual mais natural.
3. strength_clip: Comece com 0.7. Isso controla o quanto o LoRA influencia a interpretação do prompt de texto. Geralmente mantenha igual ao strength_model.

5. Usar a Palavra de Ativação

Quando você treinou o LoRA, provavelmente definiu uma "palavra de ativação" — uma palavra-chave que ativa o personagem (ex: "ohwx woman" ou "mychar"). Inclua esta palavra de ativação no seu prompt positivo junto com a descrição da cena. Por exemplo: "ohwx woman, standing on a balcony, sunset lighting, wearing white sundress".

Bônus: Empilhando Múltiplos LoRAs

Você pode encadear múltiplos nós Load LoRA em sequência — por exemplo, um para a identidade do personagem e outro para um estilo artístico específico. Basta conectá-los em série: Checkpoint → LoRA 1 → LoRA 2 → KSampler. Diminua a intensidade de cada um (0.4-0.6) ao empilhar para evitar conflitos.

Por Que Texto-para-Vídeo Puro Falha

Se você digitar "uma mulher caminhando na praia" em um gerador de texto-para-vídeo, a IA imagina uma mulher nova toda vez. Mesmo com um LoRA carregado, texto-para-vídeo puro dá liberdade criativa demais — e liberdade é inimiga da consistência. O insight chave: consistência é um problema de restrição, não de criatividade.

Os Modelos: Wan 2.2 & Wan 2.1 VACE

A série Wan da Alibaba é o padrão ouro atual para geração de vídeo IA open-source no ComfyUI. Duas versões são importantes:

Wan 2.2 (Recomendado)

Wan 2.2 é a versão open-source mais recente (licença Apache 2.0). Usa uma arquitetura Mixture-of-Experts (MoE) — 27 bilhões de parâmetros totais com 14 bilhões ativos por etapa de geração. Comparado ao Wan 2.1, foi treinado com 65% mais imagens e 83% mais dados de vídeo, resultando em coerência de movimento, estética e compreensão de prompts visivelmente melhores. Suporta Texto-para-Vídeo, Imagem-para-Vídeo, e roda nativamente no ComfyUI. A variante 5B (TI2V-5B) pode gerar vídeo 720p em uma única RTX 4090.

Como o Wan 2.2 é open-source e roda localmente na sua máquina, ele não possui a mesma moderação de conteúdo que serviços de API comercial aplicam. Suas gerações ficam no seu computador e não são filtradas por um servidor remoto. Dito isso, sempre use conteúdo gerado por IA de forma responsável e em conformidade com as leis locais.

Wan 2.1 VACE (Ainda Amplamente Usado)

VACE significa Video All-in-one Creation and Editing. Este modelo mais antigo continua popular porque muitos workflows e tutoriais existentes do ComfyUI são construídos em torno dele, e possui suporte maduro para modos Referência-para-Vídeo, Imagem-para-Vídeo e Vídeo de Controle. Se você encontrar um tutorial online que usa "Wan VACE", quase certamente é a versão 2.1. Ainda é uma escolha sólida, especialmente se sua GPU tem menos VRAM.

Referência-para-Vídeo

Você fornece uma imagem de referência do personagem, e o modelo a usa como âncora visual ao longo do vídeo. A IA referencia esta imagem para manter estilo, rosto e detalhes consistentes — mesmo quando o personagem se move ou o ângulo muda.

Imagem-para-Vídeo (I2V)

Você começa com uma imagem estática — talvez uma gerada com seu LoRA — e a anima. Como a aparência vem diretamente da imagem de entrada, a consistência é naturalmente preservada. Este é o caminho mais confiável para clipes curtos de vídeo NSFW com IA.

Vídeo de Controle

Você fornece um "vídeo esqueleto" — uma sequência de poses ou vídeo real mostrando o movimento desejado — e o modelo mapeia seu personagem nele. Imagine ter um vídeo de dança e substituir a dançarina pelo seu personagem mantendo cada movimento.

Como Usar

1. Prepare uma imagem do personagem usando o Método 1 ou 2
2. Carregue o modelo Wan 2.2 no ComfyUI (14B MoE recomendado para qualidade, 5B TI2V para usuários de RTX 4090). Ou carregue o Wan 2.1 VACE se seu workflow existente é construído em torno dele.
3. Escolha seu modo: Referência-para-Vídeo se tiver referência de movimento, I2V se quiser apenas animar uma imagem
4. Escreva um prompt simples descrevendo a ação + conecte sua imagem de referência → Gere

Dicas Importantes

• Combine a resolução da imagem de referência com a resolução de saída do vídeo — incompatibilidades causam perda de qualidade
• Comece com clipes curtos (2-5 segundos) para verificar a estabilidade do personagem antes de ir mais longo
• O modelo 14B requer 24GB+ VRAM. Se tiver menos, use versões quantizadas (GGUF) que rodam em 8-12GB. A variante 5B do Wan 2.2 é otimizada para GPUs de consumo.
• Se está começando do zero, vá com Wan 2.2. Se já tem um pipeline Wan 2.1 VACE funcionando com LoRAs treinados, avalie o custo de retreinamento antes de migrar.

Por Que Você Não Pode Gerar Vídeos Longos Diretamente

Os modelos de vídeo IA atuais acumulam erros ao longo do tempo. Os primeiros segundos ficam ótimos, mas cada quadro adicional introduz desvios pequenos. Após 10+ segundos, estes se acumulam em desvio de identidade visível. É como fotocopiar uma fotocópia: cada geração degrada o original.

O Que é First-Last Frame (FLF)?

FLF é elegantemente simples: você diz à IA "aqui está o quadro 1, e aqui está o quadro final — agora preencha o movimento entre eles." Como ambos os pontos estão travados, a IA tem muito menos espaço para desviar. É como conectar dois pontos com uma linha suave em vez de desenhar à mão livre.

O Fluxo de Trabalho

1. Gere quadros-chave: Use seu LoRA de personagem + modelo de imagem para criar as imagens inicial e final de cada tomada. Planeje seu "storyboard" — o que acontece em cada segmento de 2-5 segundos.
2. Gere cada clipe curto: Alimente cada par de quadros inicial/final no LTX 2.3 ou modo FLF do Wan 2.2. Cada clipe terá movimento suave e consistente.
3. Costure os clipes: Use qualquer editor de vídeo (até gratuitos como DaVinci Resolve) para juntar seus clipes. Adicione transições entre segmentos.
4. Retoque se necessário: Se algum clipe tiver desvio facial menor, aplique o Método 5 (reparo com face swap) para corrigir quadros específicos.

Por Que Este é o Padrão da Comunidade

Este método não é elegante, mas é a forma mais confiável de criar vídeo NSFW com IA mais longo com personagens consistentes. A comunidade convergiu nesta abordagem porque funciona: clipes curtos minimizam desvio, FLF trava os pontos extremos, e a costura dá controle total sobre ritmo e fluxo.

O Que é ReActor?

ReActor é um nó de troca de rosto para ComfyUI. Ele escaneia cada quadro do seu vídeo, detecta rostos e os substitui por um rosto alvo que você especifica. Também inclui restauração facial integrada (CodeFormer) que automaticamente melhora detalhes faciais.

Seu Papel no Fluxo de Trabalho

ReActor não é uma ferramenta de produção primária — é uma ferramenta de reparo. Use-o quando gerar um vídeo NSFW com IA usando os Métodos 2-4 e o resultado está 90% bom, mas alguns quadros têm desvio facial menor.

Como Usar

1. Carregue o nó ReActor no ComfyUI
2. Entrada: seu vídeo gerado + uma imagem facial clara de referência do personagem
3. ReActor processa quadro a quadro, substituindo rostos + executando restauração CodeFormer
4. Saída: o vídeo reparado com identidade facial consistente