Dois rostos, duas contas: a capa é imagem, o vídeo é taxímetro
Quando alguém pergunta quanto custa um avatar de IA, quase sempre está imaginando cabeça falante: um apresentador sintético olhando para a câmera por doze minutos. A pessoa faz essa conta, acha absurda e conclui que avatar é para canal com orçamento. O motor não cobra isso como uma coisa só. Rosto na thumbnail e rosto dentro do vídeo são dois produtos separados, com duas contas separadas, e só um dos dois tem taxímetro rodando.
O lado da capa é cobrado uma vez, como imagem. No FalconVid a linha de thumbnail é 479 créditos no modo econômico e 214 no premium, e uma imagem avulsa é 63 no econômico e 214 no premium. Essa cobrança não liga para a duração do vídeo. Um vídeo de seis minutos e um de trinta minutos pagam os mesmos 214 créditos pela mesma capa premium, porque capa não tem duração e não tem o que contar.
O lado do vídeo é cobrado por segundo de rosto na tela. Kling Avatar Standard é 32 créditos por segundo, Kling Avatar Pro é 64, HeyGen Avatar é 80 e OmniHuman 1.5 é 112. Noventa segundos do mais barato deles dá 2.880 créditos, mais do que custa um vídeo inteiro de 12 minutos no modo econômico. Desse lado da linha o preço é a duração, e é exatamente por isso que o lugar mais barato para colocar um avatar de IA é o único lugar que não tem duração nenhuma.
- Rosto na thumbnail: uma cobrança de imagem, 479 créditos no econômico ou 214 no premium.
- Rosto dentro do vídeo: lip sync por segundo, de 32 a 112 créditos o segundo.
- A capa custa igual num vídeo de 6 minutos e num de 30 minutos.
- Noventa segundos de rosto custam mais do que o vídeo econômico inteiro em que ele aparece.
A conta que quase ninguém faz
Comece pelo vídeo que todo mundo usa de comparação. Um vídeo de 12 minutos no modo econômico é 1.008 créditos, e a linha da capa, 479 créditos, já está dentro desse número. Essa linha sozinha é quase metade do vídeo inteiro, o que mostra a seriedade com que o motor trata a capa. A mesma capa no motor de imagem premium é 214 créditos, o que faz da capa o único ponto do pipeline em que o premium não é a escolha cara.
Agora coloque o mesmo rosto dentro do vídeo. Noventa segundos de lip sync no Kling Avatar Standard são 2.880 créditos, então o vídeo econômico de 12 minutos com quatro doses curtas de rosto fecha em 3.888 créditos, algo em torno de US$ 12,18 pelo valor do crédito no Starter. Transforme os doze minutos inteiros em cabeça falante e são 24.048 créditos, cerca de US$ 75,34. Diante desses dois números, a capa premium carregando o mesmo rosto custa 214 créditos: um treze avos da dose de 90 segundos e menos de 1% da cabeça falante integral.
A comparação fica mais alta na escala de um mês. Quarenta capas no econômico dão 19.160 créditos, e quarenta capas premium dão 8.560, mais ou menos o preço de um vídeo balanceado de 12 minutos, que é 8.676, e menos do que três doses de 90 segundos desse rosto falando. No plano Starter de US$ 47 com 15.000 créditos, isso significa 14 vídeos no econômico somando cerca de 3 horas, todos já com rosto na capa, contra 3 vídeos se você insistir em 90 segundos de lip sync dentro de cada um.
- A thumbnail de 479 créditos já está dentro dos 1.008 créditos do vídeo econômico.
- Subir a capa para premium: 150 créditos a mais, ou menos de 5 segundos de Kling Standard.
- Uma dose de 90 segundos de rosto, 2.880 créditos, compra 45 capas econômicas.
- Starter com 15.000 créditos: 14 vídeos econômicos com rosto na capa, ou 3 com 90 segundos de rosto cada.
Por que rosto na capa mexe no clique
Quem está passando o dedo pelo feed não está lendo, está triando. Na fração de segundo antes de o título registrar, o cérebro já está isolando rostos, e faz três coisas com eles ao mesmo tempo: trava nos olhos, lê a emoção e segue para onde o olhar aponta. É por isso que capa com rosto e capa com objeto não competem em condições iguais. O rosto é processado por um maquinário que já estava ligado antes de a pessoa decidir olhar para alguma coisa.
Cuidado com os números que circulam aqui. O próprio YouTube registra que metade dos canais e dos vídeos fica entre 2% e 10% de taxa de cliques por impressão, então canal em 4% é normal e não está quebrado. Criadores que colocam um ponto focal humano numa capa que não tinha costumam relatar ganho na faixa de 1 a 3 pontos percentuais. Trate isso como estimativa de mercado e não como dado publicado, porque o YouTube não publica isso, e lembre que o ganho evapora no vídeo seguinte se o título prometer o que o vídeo não entrega.
As regras de composição que sustentam esse ganho são chatas e específicas: o rosto ocupa mais ou menos um terço do quadro, os olhos ficam perto do terço superior, exatamente uma emoção é legível, o olhar aponta para o objeto da promessa, e o sujeito se separa do fundo por contraste e não por contorno. No FalconVid a thumbnail é gerada na mesma rodada que produz o vídeo, a partir do mesmo avatar que o canal já usa, então a capa nunca é um trabalho manual separado esperando designer. Ela sai por 479 créditos no econômico ou 214 no premium, e dá para gerar de novo antes de qualquer coisa ser publicada.
- Olhos, emoção e direção do olhar são processados antes de o título ser lido.
- Metade dos canais e vídeos fica entre 2% e 10% de taxa de cliques.
- Ganho relatado ao colocar ponto focal humano: mais ou menos 1 a 3 pontos percentuais, estimativa de mercado.
- A thumbnail sai da mesma rodada do vídeo, por 479 ou 214 créditos.
Quando o rosto na capa derruba o clique
Rosto sintético falha na capa de um jeito bem previsível, e todas as falhas são lidas pelo espectador como desleixo, não como artificialidade. Olhar morto, com o foco em lugar nenhum. Mãos com número ou dobra errada, e é por isso que mão visível na capa é risco sem prêmio nenhum. Simetria perfeita demais, porque rosto real nunca é simétrico. E luz no rosto que briga com a luz do fundo, que é a única denúncia que sobrevive até no tamanho de thumbnail.
A falha mais cara é outra, e nem parece falha. É rosto diferente a cada vídeo. Reconhecimento é o único ativo que rosto na capa constrói com o tempo, e canal que troca de apresentador toda semana está pagando 214 créditos por capa para não construir nada. Quarenta capas com o mesmo rosto viram algo que a audiência lê como logotipo. Quarenta capas com quarenta rostos são quarenta vídeos sem relação que por acaso dividem a mesma página de canal.
A última falha é tamanho. No feed do celular a capa aparece com algumas centenas de pixels de largura, e um rosto que divide esse quadro com outros dois rostos, um logo e quatro palavras de texto não é mais rosto, é textura. A regra prática é seca: se a emoção não é legível na largura de um feed de celular, o rosto está custando o espaço que ocupa. Um rosto, uma emoção, quadro suficiente para sobreviver à redução.
- Olhar morto, mão errada, simetria perfeita e luz que não combina são as quatro denúncias.
- Mão visível na capa carrega risco sem contrapartida.
- Rosto diferente a cada vídeo paga a capa e não constrói reconhecimento nenhum.
- Se a emoção não é legível na largura do celular, o rosto está desperdiçando o quadro.
A regra por nicho: onde o rosto paga e onde ele atrapalha
Rosto na capa ajuda onde o clique está comprando uma pessoa. Reação e comentário, opinião, finanças pessoais, tutorial em que alguém vai ser responsável pelo seu resultado, e notícia em que alguém está botando a cara pela história. Em todos esses o espectador está decidindo se confia numa fonte, e rosto é o sinal de confiança mais rápido que cabe numa thumbnail. É também onde o mesmo rosto repetido no catálogo rende mais juros, porque confiança é acumulativa e um desconhecido por semana zera a conta.
Rosto atrapalha onde o clique está comprando um assunto. Relaxamento, sono e ambiência, onde um humano no quadro contradiz a promessa de ser deixado em paz. Paisagem e viagem, onde o lugar é o produto. História narrada e documentário, onde a capa deveria ser a própria cena. Compilação e conteúdo de lista, onde o espectador está comprando a lista. Nessas capas o avatar não apenas deixa de ajudar, ele rouba espaço daquilo que estava vendendo.
Uma pergunta resolve: a credibilidade de quem o clique está comprando, do apresentador ou do assunto? Se a resposta honesta for o assunto, gaste os 479 ou 214 créditos na cena e guarde o avatar para os segundos dentro do vídeo em que uma pessoa falando realmente acrescenta algo. Um mesmo canal pode rodar os dois, e muitas vezes deve. Canal com um apresentador recorrente nos vídeos de opinião e capas limpas de assunto nos explicativos não é incoerente, é legível.
- Rosto paga: reação, opinião, finanças pessoais, tutorial, notícia.
- Rosto atrapalha: sono e relaxamento, paisagem, história narrada, compilação.
- O teste: o clique está comprando o apresentador ou o assunto?
- O mesmo canal pode usar os dois, desde que cada formato seja coerente consigo.
Como o FalconVid coloca o mesmo avatar de IA em todas as capas
O motivo de a maioria dos criadores não conseguir segurar um rosto em quarenta capas não é gosto, é processo. Cada capa é um ato manual separado: achar ou fotografar a imagem, recortar, casar a luz, posicionar o texto, exportar, subir. O FalconVid não trata a capa como ato separado. O rosto mora no DNA do canal, uma identidade persistente escrita como briefing visual, e a thumbnail é gerada na mesma rodada que produz o vídeo, a partir dessa mesma identidade.
É isso que torna possível a conta da segunda seção. A capa é 479 créditos no econômico e 214 no premium, e já está dentro dos 1.008 créditos do vídeo econômico de 12 minutos, então o rosto na capa não é uma linha que você acrescenta, é uma linha que você melhora. Se a primeira capa não ficar boa, o Studio deixa assistir ao vídeo pronto e trocar a capa antes de publicar, e gerar a thumbnail de novo custa os mesmos 479 ou 214 créditos em vez de uma ida e volta com designer.
A mesma identidade atravessa idiomas e formatos. Duplicar um projeto pronto para outro idioma paga só a diferença, essencialmente a linha da narração, e o apresentador da capa continua a mesma pessoa em cada um dos 63 idiomas disponíveis. Shorts em 9:16 saem do mesmo projeto, e a publicação vai para YouTube, Instagram, TikTok, Rumble e Facebook a partir de um calendário que você aprova uma vez, com especialistas de IA trabalhando em paralelo e vídeo pronto em até 30 minutos.
Toda feature de criação está em todo plano, e o que muda ao subir é volume, canais, gerações simultâneas, o Analista Sênior do Pro pra cima com 7 dias grátis no Starter, e o suporte. O Starter de US$ 47 traz 15.000 créditos, 1 canal e 2 gerações simultâneas, o que dá por volta de 10 a 12 vídeos por mês mesclando o econômico com um no balanceado, e cada um deles já sai com a capa gerada. O Pro de US$ 97 traz 30.000 créditos, 5 canais e 5 gerações simultâneas. O Scale de US$ 997 traz 320.000 créditos com 50 canais e 50 gerações simultâneas, que é o que um rosto obrigado a aparecer em centenas de capas por mês realmente exige.
- O rosto mora no DNA do canal como briefing escrito, não como uma imagem de sorte.
- A thumbnail é gerada na mesma rodada do vídeo, por 479 ou 214 créditos.
- O Studio deixa assistir ao vídeo e trocar a capa antes de publicar.
- Toda feature de criação está em todo plano, do Starter de US$ 47 ao Scale de US$ 997.
A dose dentro do vídeo e o que a capa carrega de graça
Com a capa fazendo o trabalho de reconhecimento, o rosto dentro do vídeo só precisa cobrir os momentos em que presença humana muda o resultado. Na prática são quatro: um gancho de mais ou menos 15 segundos na abertura, uma transição no meio que reseta a atenção, um veredito em que alguém assume uma opinião, e uma frase final pedindo a inscrição. Isso dá por volta de 90 segundos de rosto, que no Kling Avatar Standard são 2.880 créditos e levam o vídeo econômico de 12 minutos para 3.888.
Compare com o que a capa faz para o mesmo canal ao longo de um mês. Trinta capas no econômico são 1.920 créditos. Trinta vídeos com 90 segundos de rosto cada dão 92.460 créditos, que é o plano Business de US$ 297 com seus 95.000 créditos, enquanto os mesmos trinta vídeos com rosto apenas na capa dão 6.060 créditos e cabem dentro do Starter de US$ 47 com sobra. O reconhecimento por crédito não chega nem perto, e esse é o argumento inteiro deste texto numa linha.
Nada disso torna as doses erradas. Torna elas uma decisão tomada de propósito, em segundos, em vez de uma surpresa no fim do mês. No manual essa decisão é impossível de sustentar, porque cada segundo de rosto é mais uma sessão de edição e cada capa é mais um trabalho de design, e é esse o teto em que a maioria dos criadores realmente esbarra. No FalconVid os dois lados ficam visíveis antes de gastar: a capa gerada junto com o vídeo por 479 ou 214 créditos, os segundos de rosto a 32 até 112 créditos cada, o Studio para assistir e ajustar, e quantos canais rodando em paralelo o plano carregar, até 50 no Scale.
- Quatro doses, gancho, transição, veredito e fechamento, fecham perto de 90 segundos de rosto.
- Trinta vídeos com 90 segundos de rosto cada: 92.460 créditos.
- Os mesmos trinta vídeos com rosto só na capa: 6.060 créditos.
- O teto do manual são as horas de edição e design, não os créditos.