Geração com IA

O que Geração com IA faz?

Gerar é fácil. O difícil é que pareça real, que não invente nada e que não consuma o plano numa tarde. Esta skill decide antes de gastar: se é preciso gerar, com qual modelo, quanto custa e o que se mostra primeiro.

1 · Antes de gerar

1. Leia o destino: vertical ou horizontal, fps e duração exata do trecho. Uma vez geraram oito vídeos verticais que iam para uma composição horizontal.
2. É preciso gerar? Por ordem: material real (do cliente ou próprio, incluindo as tomas já pagas que não foram usadas) → stock com licença (também há vídeo real grátis) → modelos 3D grátis (CC0 ou MIT) → gerar. Em caso de dúvida, tomas reais.
3. Escolha o modelo pelo que está no plano (secção 2).
4. Orçamento, sempre. Monte o plano (cada variação conta, mais uma repetição realista) e passe pela skill presupuesto (skills/presupuesto/; a ferramenta é herramientas/presupuesto.py, na raiz do pacote). OK gera; PREGUNTAR aguarda um sim; PARAR não gera. Se o modelo não estiver em herramientas/precios.json, não invente o preço.
5. Veja o saldo da conta antes de um lote grande: outra sessão pode tê-lo gasto.
6. Mostre primeiro: um fotograma-chave ou um clipe curto, antes do lote.
7. Depois: revise o resultado antes de mostrá-lo, diga o que correu mal e anote o que foi realmente cobrado (presupuesto.py registrar).

2 · Qual modelo para quê

Catálogo testado até novembro de 2026. Muda rápido: se sair algo novo, testa-se com uma só geração e com permissão.

No plano há…	Use	Atenção
O produto real do cliente (rígido, com rótulos)	Kling 3.0 a partir da foto real, movendo apenas a câmara	Seedance e outros mudam peças e reescrevem rótulos
Um produto que se transforma peça a peça	Seedance 2.5 com o primeiro e o último fotograma fixados	Kling desenha melhor um jato de líquido
Uma cena com pessoas	Seedance 2.5 (omni_reference, a imagem como início)	Para copiar o movimento de uma toma real: Seedance 2.0 com video_references e a voz em audio_references
Pessoas que não pareçam IA	Stock de vídeo real, ou HeyGen text_to_video sem imagem, com um prompt de rodagem real	Uma referência de cartoon arrasta o seu estilo
Algo que não se pode gravar	Veo 3.1 ou Gemini Omni Flash	Descreva o material e proíba letras (secção 5)
O mesmo movimento com outro aspeto	Seedance 2.5 video_edit	Não mudou cristal por água: isso foi regenerado
Outro protagonista num vídeo seu	Higgsfield Genjutsu (mudar objeto)	Só com material próprio ou com direitos: uma referência alheia estuda-se, não se copia
Fotogramas-chave e imagens fixas	nano_banana_pro (2k, aspeto do destino, referências) ou GPT Image
Algo que sobra num fotograma	GPT Image, dentro de uma máscara
Um personagem animado que fala	OmniHuman sobre fundo verde, e compõe-se
Voz	ElevenLabs, também dentro do Higgsfield	Clonar, só com permissão
Música e efeitos sonoros	ElevenLabs	Higgsfield não faz música nem efeitos: o seu áudio é voz
Lip-sync sobre uma toma real	Fluxos do ElevenLabs (Sync 3, Sync 2 Pro, Veed)	Não aceita vídeo gerado de uma pessoa real
Pessoas ou objetos em 3D	Grátis primeiro: Microsoft Rocketbox (MIT), Quaternius (CC0)	Descarregar pede um sim: fonte, licença e tamanho

Kling 4.0 (outubro de 2026: até 10 fotogramas-chave e 15 referências) está por testar.

Antes de redesenhar o método, esgote o catálogo. Testar outro modelo custa menos que meia hora de máscaras.

3 · O que não se quebra

Orçamento e repetições

• Nada se gera sem passar por presupuesto. Um modelo de vídeo pode cobrar dezenas de créditos por clipe, e sete testes consomem meio plano.
• Uma falha sem motivo repete-se uma vez, não o lote. Repetir uma chamada de geração cobra duas vezes.

O produto do cliente (detalhe em referencias/producto-real.md)

• Reproduz-se, não se recria. Image-to-video toma a foto como inspiração e muda proporções, peças e rótulos. Se o anúncio mostra algo que não vão entregar, mente, e quem conhece o produto nota logo.
• A receita que funciona: a foto real recortada com alfa sobre um estúdio, e ao modelo pede-se apenas mover a câmara, com as proibições nomeadas uma a uma. Uma órbita grande obriga a inventar as faces que a foto não mostra.
• Que o produto não se toque pesa mais que qualquer melhoria de movimento. Se o modelo não der o movimento, foto congelada e animação manual no editor: risco zero.
• «Não precisa ser a foto original» não autoriza a inventar a forma. Um 3D ou um render copia posição por posição as fotos e vídeos reais. Primeiro um 360 aprovado, depois o vídeo. Um 3D feito de memória saiu «como um Lego mal feito».
• O gerado é para o que não é o produto: fundo, luz, ambiente, o mecanismo explicado em abstrato.

Pessoas e personagens (detalhe em referencias/personas-y-voz.md)

• O mesmo personagem dentro da peça; um novo em cada peça. Dentro da peça, o retrato aprovado é a referência de todos os planos. Entre peças não se repete cara nem produto: a mesma cara em dois anúncios denuncia o truque.
• A cara e o produto têm que combinar. Se muda o produto, mudam a cara e o cenário. Uma vendedora reciclada de outra peça acabou a oferecer pão numa conversa que não era sobre pão.
• Os clientes do cliente repetem-se dentro de um mesmo anúncio: são as mesmas pessoas a escrever.
• A cara de uma pessoa real não se gera de raiz. Nenhum modelo a manteve: saem «irmãos parecidos». Funciona animar 2 ou 3 s de um fotograma real seu, ou usar as suas próprias tomas; a IA, só para o fundo.
• Voz ou cara de alguém, só com a sua permissão e se a pessoa que encomenda o pedir.
• Um testemunho gerado é um personagem claramente animado. Uma pessoa realista inventada lê-se como testemunho real.

Como se corrige

• Esboço rejeitado = editar a partir do aprovado, não regenerar. Passe como referência a imagem que gostou, escreva «keep exactly» e uma lista curta de mudanças. Gerar de raiz deu duas rondas rejeitadas; editando passo a passo, saiu.
• Após duas rejeições sem direção, não gaste uma terceira às cegas. Diga o que entendeu e peça uma imagem ou uma frase. Se a pessoa mudar de opinião, envie o que disse por último.
• Uma mudança num trecho regenera apenas esse clipe, com os mesmos fotogramas de início e fim, para que as emendas continuem a encaixar.
• Arranje sem regenerar quando possível (letreiros deformados, pessoas que sobram, um plano mais lento): referencias/composicion-y-arreglos.md.
• Escolha às cegas: vozes e versões comparam-se sem dizer qual é qual, com o volume igualado. Se a pessoa acertar ao acaso, a diferença não se nota.

O que se gera

• O que se vê é o que diz a voz. A ação do plano é a frase da locução, não uma ilustração do tema.
• Numa cena gerada acontece algo. A câmara e a ação movem-se: o prompt diz THINGS MOVE, a ação concreta e CAMERA MOVES: a steady dolly-in … ending noticeably tighter. O parado é só para o produto.
• Nenhum texto inventado. Reveja cada rótulo letra a letra; se não quiser letras, proíba-as no prompt.
• O chroma key sobre foto «que pareça gravado» tem limite, e diz-se antes de começar. Se o realismo importa, gera-se a cena junta ou grava-se (ver composição e arranjos).
• Numa trend de baixo valor, uma passada e entrega-se. Não quatro versões nem refazer por trechos um vídeo longo.

4 · Números

O quê	Quanto
Produto: avanço da câmara	12 a 15 %
Produto: rotação lateral	10° no máximo
Zoom extra no editor sobre um clipe do Kling	4 % no máximo (o clipe já traz o seu avanço)
Gesto animado a partir de um fotograma real	2 a 3 s
Fundido entre clipes encadeados	4 fotogramas
Lip-sync	2 tomas por frase; desfasamento aceite de ±3 fotogramas
Golpe de zoom sobre um apresentador	empurrão de 0,3 a 0,5 s; um seco de 0,15 s lê-se como desfasamento
Amostra para clonar uma voz no Higgsfield	MP3 de 10 s a 3 min
Chroma: desfoco do fundo	1,2 px no máximo, ou os rótulos deixam de ler-se
O que deve estar parado	menos de 1 px de movimento
Rejeições seguidas antes de perguntar	2
Repetições de uma falha sem motivo	1

5 · Armadilhas técnicas conhecidas

• Enviar uma foto local para o Higgsfield: media_upload → curl -X PUT --data-binary @arquivo "<url>" → media_confirm. Não é preciso o widget. Os fotogramas de início e fim passam-se pelo id do trabalho da imagem.
• O recomendador de presets do Higgsfield bloqueia generate_video com um preset sem relação e não cria o trabalho. Reenvie com declined_preset_id igual ao id DESSE erro (muda em cada tentativa). Como não foi criado nada, não cobra.
• A «câmara fixa» do Kling desliza uns 12 px em 5 s. Se for compor por cima, estabilize contra o fundo.
• Kling com um início e um fim muito distintos funde (dupla exposição por volta dos 2,5 s) em vez de mover a câmara. Use a parte boa e faça a viagem em montagem.
• Seedance reescreve rótulos (dobra letras de um site). Reveja todo o texto da marca.
• O reenquadramento com IA de um vídeo longo não é fiável: inventou uns 5 s de plano e comeu um corte. Para passar para vertical, recorte seguindo o protagonista.
• Os editores de vídeo que conservam o movimento original somam em vez de mudar: um telemóvel posto na mão saiu com três mãos (Runway Aleph; além disso pede 30 fps no máximo e devolve 612×1088).
• Materiais estranhos: descreva-os («opaco, espelho, crómio fundido» para um metal líquido) e proíba no negative prompt aquilo com que o modelo os confunde (água, pérolas). A água tem que ler-se como água: uma bola lisa parece cristal.
• Letras que ninguém pediu: um modelo escreveu «POLICE» em inglês nuns coletes. Se não quiser texto, proíba-o.
• Brilhos e hologramas sobre fundo claro: o modo de fusão «trama» desaparece em brancos. Forneça um vídeo com alfa próprio.
• O que vai para montagem exporta-se só vídeo e cortado para a duração exata. Colocar um clipe gerado com o seu áudio chegou a apagar a pista de voz; verifique-a depois de colocar.
• Arquivos repetidos: compare com md5 a cara ou o produto de uma peça nova com os das anteriores. Três peças «distintas» usavam o mesmo arquivo copiado.

Custos vistos entre setembro e novembro de 2026, para se ter uma ideia (mudam: verifique no serviço e use precios.json): Kling 3.0 a 9:16, de 1,25 a 1,5 créditos por segundo (em modo 4K, cerca de 48 por toma de 5 a 8 s); Seedance 2.0 em 4K, 176 créditos por clipe; Genjutsu em 1080p, cerca de 20,6 créditos por segundo; um reenquadramento com IA de 45 s, 561 créditos; HeyGen text_to_video, 9 créditos por 5 s em 1080p; lip-sync com Sync 3, cerca de US$ 1,8 por 10 s.

6 · O que se entrega e o que se verifica

Entrega-se: os arquivos no formato do destino (resolução, fps e duração exata; só vídeo se forem para montagem) e, por cada um, o modelo, o prompt, as imagens de referência e o custo registado. O que correu mal diz-se, não se esconde.

Verifica-se, e diz-se ao entregar:

• Rótulos e textos, letra por letra.
• O produto, lado a lado com a sua foto real: proporções, número de peças, posição de cada uma.
• A mesma cara em todos os planos da peça, e diferente das peças anteriores (md5).
• Mãos, dedos e objetos que aparecem ou desaparecem.
• Que o fixo esteja fixo: uma peça que não deve mover-se move-se menos de 1 px.
• Formato, fps e duração iguais ao destino.
• O gasto, registado e dentro do limite da peça.