Nano Banana 2.1 e Hailuo 3.0 formam dupla: vídeo a partir de uma única foto

A tarefa se divide em duas etapas: se você ainda não tem um quadro próprio, cria no Nano Banana 2.1 e depois anima no Hailuo 3.0. Trata-se do lançamento do Google de 6 de outubro de 2026 (o modelo gemini-nano-banana-2.1) e do serviço de vídeo da MiniMax, lançado oficialmente em 31 de julho de 2026 sob o nome MiniMax H3 (nos agregadores aparece como Hailuo Minimax 3.0, e na API como Hailuo-03). Todos são nomes do mesmo modelo.

Nano Banana 2.1: geração pensada para o movimento

O Nano Banana 2.1 é a atualização do Google ao Nano Banana 2, posicionado como alternativa mais econômica ao Nano Banana Pro. É voltado para geração e edição de imagens.

Recursos:

• Três resoluções: 1K, 2K, 4K (1K por padrão)
• Edição por diálogo: é possível pedir que mude apenas um detalhe, mantendo o resto intacto
• Até 14 imagens de referência para definir o estilo
• Preservação da aparência de até 4 personagens e até 10 objetos
• Três níveis de raciocínio antes da geração: mínimo, médio (padrão), alto
• Marca d'água SynthID em todos os resultados

Um quadro criado no Nano Banana 2.1 já deve conter uma fase de ação clara: uma pose capturada no meio de um passo, cabelo ou tecido levados pelo vento, um objeto na beirada de uma mesa. Um quadro assim já responde, por si só, à metade das dúvidas sobre o tempo.

Hailuo 3.0: vídeo a partir de um quadro com parâmetros

O modelo entende contexto a partir de texto, imagens, vídeo e áudio, e gera vídeo com som estéreo. Segundo o anúncio oficial, seus pontos fortes são o seguimento preciso de instruções, a renderização exata de texto e marcas, e a transferência de movimento a partir de um vídeo de referência. A desenvolvedora reconhece que o nível de detalhe da imagem ainda precisa ser melhorado em alguns cenários.

Parâmetros técnicos:

• Vídeo: 4-15 segundos, em números inteiros
• Resolução: 768P ou 2K
• Suporte a som estéreo
• Formatos: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16
• Formatos de imagem suportados: JPG, JPEG, PNG, WEBP, HEIC, HEIF
• Tamanho do arquivo: até 30 MB
• Tamanho da imagem: 256-5760 px
• Proporção: 0,4-2,5
• Comprimento do prompt: até 7000 caracteres
• No modo imagem para vídeo, o vídeo mantém as proporções da imagem de origem

Física do movimento: dados de um estudo independente

O estudo independente Physion-Eval (Physion Labs, Stanford, MIT, Harvard; pré-print arXiv 2603.19607) testou cinco modelos de vídeo: Sora 2, Veo 3.1 Fast, Kling 2.5, Hailuo 2.3, Wan 2.2. Especialistas com formação em física marcaram erros em 1719 clipes de terceira pessoa e 423 de primeira pessoa. As condições se aproximam da tarefa de vídeo a partir de foto: o primeiro quadro de um vídeo real mais sua descrição em texto.

Resultados do Hailuo 2.3 em terceira pessoa: 93,1% dos clipes com pelo menos uma falha, 1,42 falha por clipe, gravidade das falhas em escala de 1 a 5: 3,61.

Média dos cinco modelos em terceira pessoa: 83,3%, 1,28, 3,10.

Melhor resultado (Kling 2.5): 73,8% dos clipes com falhas.

Em primeira pessoa, Hailuo 2.3: 92,0% dos clipes com falhas, 1,92 falha por clipe, gravidade 3,86.

Média em primeira pessoa: 93,5%, 1,56, 3,32.

Erros frequentes: quebra da consistência temporal (detalhes mudam de cor ou forma sem motivo), incompatibilidade de material ou estado, e perda da permanência dos objetos. Processos calmos (chamas, pôr do sol) parecem convincentes. As falhas aparecem em cenas com contato, mudanças irreversíveis e transições abruptas: impacto, corte, quebra, derramamento.

Quatro regras práticas

Forneça o eixo temporal ausente por meio de verbos visíveis e cadeias de ação: bateu — inclinou — caiu — atingiu — rolou — derramou. Mantenha um único mecanismo principal por clipe. Escolha quadros com uma fase de movimento clara. Use imagens com bordas nítidas, uma única fonte de luz e o mínimo de texto pequeno.