Um fluxo com um agente
Aula 17 de 22 do curso “Vídeo com IA sem flop”. Grátis, com animações e teste.
Um anúncio por US$ 2 mil
Em junho de 2025, durante as Finais da NBA, foi ao ar um anúncio da plataforma de previsões Kalshi. Uma pessoa fez, o cineasta de IA PJ Accetturo, em dois ou três dias. O vídeo foi gerado pelo Veo 3 do Google e, segundo ele, o orçamento foi de cerca de US$ 2 mil. A imprensa escreveu que isso era cerca de 95% mais barato que uma gravação normal. Isso não quer dizer que equipes de filmagem não sejam mais necessárias. Mas é um bom exemplo de como é um fluxo de IA funcionando num projeto real, e não numa demo. Vamos ver como foi montado e o que a Mira pode aproveitar.
O lixo é normal
O número mais útil dessa história não é o preço, e sim o desperdício. O autor contou que os 15 clipes do anúncio levaram cerca de 300–400 gerações. Ou seja, entrava no anúncio mais ou menos um plano a cada 20–27. Não é fracasso, é o trabalho normal com um modelo generativo: cada geração é um lance de dados e você escolhe o melhor. Daí duas conclusões. Primeira: planeje o orçamento não pelo número de planos do vídeo, e sim pelo número de tentativas. Segunda: rascunhos precisam ser baratos, senão vinte tentativas por plano vão quebrar você. É o assunto da próxima aula.
Como foi montado
O fluxo era simples. Primeiro a pessoa escreveu um roteiro bruto: o que acontece em cada plano. Depois pediu ao Gemini para transformar cada plano num prompt detalhado para o Veo: plano, câmera, luz, ação, som. Em seguida, centenas de gerações no Google Flow, a escolha dos 15 melhores clipes e uma edição normal. Repare onde está o agente e onde está a pessoa. O modelo ficou com a parte chata: reescrever uma ideia como um prompt técnico longo com regras fixas. A pessoa ficou com a ideia, a seleção e a edição. É assim que a Mira vai trabalhar com o agente dela, só que em vez de Gemini e Flow à mão ela tem o Claude com o Higgsfield conectado.
Lotes pequenos
Um detalhe dessa história é bem útil. O autor pedia ao Gemini prompts de cinco planos por vez porque, segundo ele, com mais a qualidade caía. É o comportamento típico de modelos de linguagem: peça 30 prompts de uma vez e eles saem mais curtos e parecidos, e detalhes do briefing se perdem no fim. Cinco planos por vez dão prompts detalhados, e dá para checar o lote a olho antes de rodar, enquanto os créditos ainda não foram gastos. Regra da Mira: o agente escreve prompts em lotes de 5 planos, mostra e só depois roda a geração.
O fluxo da Mira
Vamos juntar tudo numa esteira de seis passos. Ideia e roteiro são só da Mira: por que o vídeo existe e o que o público deve sentir. O storyboard ela faz com o agente: ele sugere planos e câmera, ela corrige. O agente escreve prompts em lotes de cinco, usando a pasta da personagem e as regras dos níveis anteriores. O agente roda rascunhos em 480p–720p dentro do teto. Escolher takes volta a ser da Mira: ela olha a grade e marca o melhor. Final e edição são juntos: o agente renderiza em resolução total os planos escolhidos e a Mira monta o vídeo. Repare: a pessoa está no começo, no meio e no fim.
O agente se checa
O agente não só gera: também pode olhar o resultado. Dê a ele uma lista curta dos níveis anteriores: cinco dedos sem grudar, o rosto bate com o passaporte da personagem, os pés não deslizam no chão. Se um rascunho não passa, o agente refaz, mas não para sempre. Defina um limite rígido: no máximo duas tentativas por plano, depois o agente para e pergunta a você. Por quê? Se um plano quebra igual três vezes seguidas, o problema não é sorte, é a abordagem. Precisa de edição de área, motion control com referência real ou outra encenação, e isso é decisão humana.
Ordem nos arquivos
Centenas de gerações viram caos rápido: o cliente diz “gostei daquele em que ela ri” e você tem quarenta arquivos chamados video(17).mp4. Por isso o agente, desde o primeiro dia, guarda tudo em quatro pastas. Em /refs ficam a ficha da personagem, o passaporte e as fotos do produto. Em /prompts, o prompt de cada plano, para repetir o que deu certo. Em /drafts, rascunhos com nomes claros: número do plano, versão, resolução, por exemplo shot02_v3_720p.mp4. Em /final, só os planos escolhidos em resolução total. O agente mantém essa ordem sozinho, e você acha o take certo num segundo.
Teste-se
- 15 clipes levaram 300–400 gerações. O que isso significa para o planejamento da Mira?
Resposta certa: Orçar pelo número de tentativas e fazer rascunhos baratos. Desperdício é parte normal do trabalho com um modelo generativo. Ele entra no orçamento desde o início. - A Mira pediu ao agente prompts para 30 planos de uma vez. Saíram curtos e iguais. O que mudar?
Resposta certa: Pedir em lotes de 5 planos e checar cada lote. Lotes pequenos preservam os detalhes do briefing, e checar antes de rodar poupa créditos. - O agente refaz o plano 3 pela sexta vez: os dedos grudam de novo. Que regra teria ajudado?
Resposta certa: No máximo 2 tentativas e depois parar e perguntar à Mira. Um erro que se repete indica abordagem ruim. Uma pessoa decide outra abordagem. - O cliente escreve: “Volta a versão em que ela ri”. A Mira tem 40 arquivos video(…).mp4. O que teria salvado?
Resposta certa: Pastas e nomes como shot02_v3_720p, mais os prompts salvos. Nomes claros e prompts salvos permitem achar e repetir qualquer take.