Vídeo a partir do ruído
Aula 1 de 22 do curso “Vídeo com IA sem flop”. Grátis, com animações e teste.
Conheça a Mira
A Mira tem 19 anos e uma pequena marca de moletons. Até sexta ela precisa de um anúncio de 15 segundos: uma modelo correndo pela cidade à noite com o moletom novo. Sem equipe de filmagem e com US$50. Há poucos anos isso era impossível. Hoje são algumas noites com vídeo de IA, se você souber o que está fazendo. Vamos fazer o curso todo com a Mira: do primeiro clipe torto a um vídeo em que a pessoa se mexe como uma pessoa de verdade.
Como a IA desenha vídeo
O modelo não começa de uma folha em branco, e sim de ruído digital, como o chuvisco de uma TV antiga. Depois ele tira o ruído passo a passo e, a cada passo, confere: com o que isso se parece, segundo o seu prompt? Depois de dezenas de passos surgem uma pessoa, uma rua e a luz. Esse método se chama difusão. A consequência principal: cada tentativa começa de um ruído novo, então o mesmo prompt gera um clipe diferente toda vez.
Por que os clipes são tão curtos
Vídeo é uma sequência rápida de imagens, normalmente 24 por segundo. Ou seja, 15 segundos são 360 imagens, e em cada uma precisam estar o mesmo rosto, o mesmo moletom e a mesma luz. O modelo cuida de todos os quadros ao mesmo tempo, e isso custa muito processamento. Por isso, em 2026, um clipe costuma ter 5–15 segundos, até 30 nos modelos mais novos. Vídeos longos são montados com vários clipes, como um filme com cenas.
A IA não sabe física
Dentro de um modelo de vídeo não existem leis de Newton. Ele assistiu a milhões de vídeos e aprendeu a desenhar o que parece verdade. Em 2025, pesquisadores do INSAIT e do Google DeepMind criaram o teste Physics-IQ com 396 vídeos reais de quedas, líquidos e colisões. Conclusão: os modelos desenham bonito, mas não entendem física. Por isso todo o nível 3 do curso ensina a sugerir peso, inércia e apoio ao modelo com palavras e referências.
Como tudo muda rápido
Em março de 2023 um usuário do Reddit postou o clipe “Will Smith comendo espaguete”. O rosto derretia, as mãos se fundiam com o garfo, não tinha som, e virou meme. Em maio de 2025 o mesmo prompt no Veo 3 gerou um homem que mastiga de verdade, com som. O clipe virou teste de progresso. A lição: modelos específicos ficam velhos em meses; a habilidade de definir a tarefa e conferir o resultado fica.
Você é o diretor, não o botão
O modelo é câmera, atores e luz numa caixa só. Mas decidir o que filmar continua com você. O iniciante escreve “um vídeo bonito”, pega o primeiro resultado e estranha o cringe. O diretor sabe qual plano precisa e por quê, faz 10–20 tomadas e edita as melhores. Até profissionais de publicidade gastam umas duas dezenas de tentativas por clipe aproveitável; veremos isso no nível 5.
O que vem por aí
Seis níveis, do simples ao avançado. Primeiro você vai ver como o modelo pensa e onde ele falha. Depois vai aprender a escrever prompts como um diretor: plano, câmera, luz, som. Em seguida o principal: a física do corpo, para a pessoa ter peso e andar de verdade. Depois um personagem com o mesmo rosto no vídeo todo, um agente que monta o vídeo por você e como publicar sem banimento nem problema com a lei.
Teste-se
- A Mira rodou o mesmo prompt duas vezes e recebeu dois clipes diferentes. Por quê?
Resposta certa: Cada tentativa começa de um ruído aleatório novo. É assim que a difusão funciona: começar de ruído novo dá um resultado novo. Não é bug, é vantagem: faça várias tomadas e escolha a melhor. - A Mira precisa de um vídeo de 45 segundos. Como fazer?
Resposta certa: Montar com vários clipes, como um filme com cenas. Um clipe costuma ter 5–15 segundos, uns 30 no máximo. Um vídeo longo é uma edição de vários clipes, e isso é até melhor: cada plano pode ser ajustado separadamente. - No clipe a modelo pula e “fica no ar” mais do que é possível. O que isso diz sobre a IA?
Resposta certa: Ela desenha o plausível em vez de calcular a gravidade. Dentro do modelo não existe motor de física, só a experiência de milhões de vídeos. Por isso peso e gravidade precisam ser sugeridos: descrevendo as fases do pulo ou com um vídeo de referência. - Um amigo diz para a Mira: “Aprende os botões de um modelo e pronto”. O que ela responde?
Resposta certa: Os modelos mudam em meses; a habilidade de diretor fica. O clipe do espaguete mostrou: em dois anos tudo mudou. Quem sabe descrever plano e movimento e conferir o resultado leva isso para qualquer modelo novo.