Habilidade de Geração de Vídeos
Gere vídeos usando IA (Google Veo 3.1, OpenAI Sora).
Capacidades:
- 🎬 Texto-para-Vídeo: Crie vídeos a partir de descrições de texto
- 🖼️ Imagem-para-Vídeo: Anime imagens como o primeiro quadro
- 🔊 Geração de Áudio: Diálogo, efeitos sonoros, sons ambientes (Veo 3+)
- 🎭 Imagens de Referência: Guie o conteúdo do vídeo com até 3 imagens de referência (Veo 3.1)
Pré-requisitos
Padrão: Vertex AI (10 requisições/minuto) ⭐
O Vertex AI é o backend padrão com limites de taxa 1400x maiores:
# 1. Defina seu projeto
export GOOGLE_CLOUD_PROJECT=seu-id-do-projeto
# 2. Autentique (abre navegador)
gcloud auth application-default login
# 3. Habilite a API (uma vez)
gcloud services enable aiplatform.googleapis.com
Adicione ao seu arquivo .env:
GOOGLE_CLOUD_PROJECT=seu-id-do-projeto
GOOGLE_CLOUD_LOCATION=us-central1
Alternativa: AI Studio (10 requisições/dia)
Use apenas se você não tiver um projeto GCP:
GOOGLE_API_KEY- Obtenha em https://aistudio.google.com/apikey
Para Sora (OpenAI)
OPENAI_API_KEY- Para OpenAI Sora
Modelos Disponíveis
Modelos Google Veo
| Modelo | Descrição | Melhor Para |
|---|---|---|
veo-3.1 | Maior qualidade (padrão) | Vídeos profissionais, diálogo, imagens de referência |
veo-3.1-fast | Processamento mais rápido | Iterações rápidas, geração em lote |
Ambos os modelos incluem:
- Resolução 720p/1080p
- Duração de 4, 6 ou 8 segundos
- Áudio nativo (diálogo, efeitos sonoros, ambiente)
- Imagem-para-vídeo (animar imagens)
- Imagens de referência (até 3)
- Extensão de vídeo
- Geração em lote/paralela
OpenAI Sora
- Melhor para: Vídeos criativos, qualidade cinematográfica, movimento complexo
- Resoluções: 480p, 720p, 1080p
- Durações: 5s, 10s, 15s, 20s
- Recursos: Texto-para-vídeo, imagem-para-vídeo
Fluxo de Trabalho
Etapa 1: Coletar Requisitos (OBRIGATÓRIO)
⚠️ Use questionamentos interativos — faça UMA pergunta de cada vez.
Fluxo de Perguntas
⚠️ Use a ferramenta AskUserQuestion para cada pergunta abaixo. Não apenas imprima as perguntas na sua resposta — use a ferramenta para criar prompts interativos com as opções mostradas.
P1: Imagem
"Vou gerar esse vídeo para você! Primeiro — você tem uma imagem para animar?
- Sim (forneça o caminho — vou usá-la como primeiro quadro)
- Não, gerar do zero"
Aguarde a resposta.
P2: Áudio
"Qual preferência de áudio?
- Com áudio (padrão) — Veo 3.1 gera diálogo, efeitos sonoros, ambiente
- Vídeo silencioso — sem áudio"
Aguarde a resposta.
P3: Modelo
"Qual modelo você gostaria?
veo-3.1— Mais recente, maior qualidade com áudio (padrão)veo-3.1-fast— Processamento mais rápido com áudioveo-3/veo-3-fast— Geração anterior com áudiosora— OpenAI, até 20 segundos, sem áudio"
Aguarde a resposta.
P4: Duração
"Qual duração?
- 4 segundos
- 6 segundos
- 8 segundos (padrão)"
Aguarde a resposta.
P5: Formato
"Qual proporção de tela e resolução?
- 16:9 paisagem, 720p
- 16:9 paisagem, 1080p
- 9:16 retrato, 720p
- 9:16 retrato, 1080p
- Ou especifique"
Aguarde a resposta.
Referência Rápida
| Pergunta | Determina |
|---|---|
| Imagem | Imagem-para-vídeo vs texto-para-vídeo |
| Áudio | Com/sem geração de áudio |
| Modelo | Compensação entre qualidade e velocidade |
| Duração | Comprimento do clipe |
| Formato | Proporção de tela e resolução |
Etapa 2: Criar o Prompt
Transforme a solicitação do usuário em um prompt de vídeo eficaz:
- Descreva a cena: Defina o contexto visual
- Especifique a ação: O que se move, muda, acontece
- Inclua trabalho de câmera: "panorâmica lenta", "plano de acompanhamento", "plano com dolly"
- Adicione dicas de áudio (Veo 3+): Use aspas para diálogo, descreva sons
- Defina o clima: Iluminação, atmosfera, horário do dia
Exemplo com diálogo (Veo 3.1):
- Usuário: "uma pessoa descobrindo um tesouro"
- Aprimorado: "Close-up do rosto de um caçador de tesouros enquanto a luz de tocha tremula. Ele murmura 'Deve ser aqui...' enquanto tira o pó de um baú antigo. Som de dobradiças rangendo enquanto ele o abre, revelando luz dourada em seu rosto maravilhado. Cinematográfico, sombras dramáticas."
Exemplo sem diálogo:
- Usuário: "um cachorro correndo na praia"
- Aprimorado: "Câmera lenta cinematográfica de um golden retriever correndo alegremente por uma praia ao pôr do sol, ondas quebrando, iluminação dourada de hora dourada, profundidade de campo rasa"
Etapa 3: Selecionar o Modelo
Padrão: veo-3.1 (maior qualidade, com áudio)
| Caso de Uso | Modelo Recomendado | Motivo |
|---|---|---|
| Melhor qualidade | veo-3.1 (padrão) | Maior qualidade, áudio |
| Iteração rápida | veo-3.1-fast | Processamento mais rápido |
| Geração em lote | veo-3.1-fast | Velocidade é importante para múltiplos clipes |
| Vídeos mais longos (>8s) | sora | Suporta até 20s |
Etapa 4: Gerar o Vídeo
Execute o script apropriado de ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/:
Para Google Veo 3.1 (padrão, com áudio):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "seu prompt aprimorado com 'diálogo entre aspas'" \
--model "veo-3.1" \
--duration 8 \
--aspect-ratio "16:9" \
--resolution "720p"
Para Google Veo 3.1 com entrada de imagem:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "O gato lentamente abre os olhos e boceja" \
--image "/caminho/para/gato.jpg" \
--model "veo-3.1" \
--duration 8
Para geração mais rápida:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "seu prompt" \
--model "veo-3.1-fast"
Para OpenAI Sora (vídeos mais longos):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/sora.py \
--prompt "seu prompt aprimorado" \
--duration 20 \
--resolution "1080p"
Listar modelos disponíveis:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py --list-models
Extensão de Vídeo (Para Continuidade Longa)
A flag --extend cria continuidade visual VERDADEIRA ao continuar de onde um vídeo Veo anterior terminou. Esta é a melhor abordagem para vídeos longos.
Extensão básica:
# Primeiro, gere o clipe inicial
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "Uma pessoa caminha por uma floresta ao nascer do sol" \
--duration 8
# Estenda com novo conteúdo (adiciona ~7 segundos)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend veo_veo-3.1_20260104_120000.mp4 \
--prompt "Continue caminhando, descubra um riacho escondido"
Múltiplas extensões (para vídeos mais longos):
# Estenda 5 vezes (adiciona ~35 segundos de continuação)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend clipe_inicial.mp4 \
--prompt "Continue explorando a floresta, encontre vida selvagem" \
--extend-times 5
Extensão vs Costura:
| Abordagem | Resultado | Caso de Uso |
|---|---|---|
| Extensão | Continuidade real, mesmos personagens/cena | Tomadas contínuas longas |
| Costura | Clipes separados com transições | Mudanças de cena, montagens |
Limites de Extensão:
- O vídeo de entrada deve ser gerado pelo Veo (máx. 141 segundos)
- Cada extensão adiciona ~7 segundos
- Máximo de 20 extensões no total (~2.5 minutos)
- A resolução de saída é 720p
Geração em Lote (Paralela)
Gere múltiplos vídeos simultaneamente para fluxos de trabalho com múltiplas cenas mais rápidos. Em vez de esperar 15+ minutos por 5 vídeos sequenciais, gere todos em paralelo (~3 minutos no total).
Crie um arquivo scenes.json:
[
{"prompt": "Cena 1: Plano heróico cinematográfico de fones de ouvido sem fio em superfície escura", "duration": 6, "output": "cena1_hero.mp4"},
{"prompt": "Cena 2: Visualização de ondas sonoras, pessoa curtindo música", "duration": 8, "output": "cena2_som.mp4"},
{"prompt": "Cena 3: Close-up do fone no ouvido, pessoa se exercitando", "duration": 8, "output": "cena3_conforto.mp4"},
{"prompt": "Cena 4: Montagem de estilo de vida, vários cenários", "duration": 8, "output": "cena4_estilo_vida.mp4"},
{"prompt": "Cena 5: Produto com logotipo em fundo limpo", "duration": 4, "output": "cena5_cta.mp4"}
]
Gere todas as cenas em paralelo:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json
Com número personalizado de workers:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json \
--max-workers 3
Opções de configuração de lote por vídeo:
| Opção | Descrição | Padrão |
|---|---|---|
prompt | Descrição do vídeo (obrigatório) | - |
model | veo-3.1, veo-3.1-fast, etc. | veo-3.1 |
duration | 4, 6 ou 8 segundos | 8 |
aspect_ratio | "16:9" ou "9:16" | "16:9" |
resolution | "720p" ou "1080p" | "720p" |
image | Caminho para imagem para imagem-para-vídeo | - |
negative_prompt | O que evitar | - |
output | Nome de arquivo de saída personalizado | gerado automaticamente |
Comparação de velocidade:
| Cenas | Sequencial | Paralelo (5 workers) | Aceleração |
|---|---|---|---|
| 3 | ~9 min | ~3 min | 3x |
| 5 | ~15 min | ~3 min | 5x |
| 10 | ~30 min | ~6 min | 5x |
Etapa 5: Entregar o Resultado
- Forneça o arquivo/URL do vídeo gerado
- Compartilhe o prompt aprimorado usado
- Mencione as configurações de geração (duração, resolução)
- Ofereça-se para:
- Gerar variações
- Tentar um estilo/duração diferente
- Usar uma API diferente
- Estender o vídeo
Tratamento de Erros
Chave de API ausente: Informe o usuário qual chave é necessária:
Violação de política de conteúdo: Reformule o prompt adequadamente.
Falha na geração: Tente novamente com um prompt simplificado ou API diferente.
Cota excedida: Sugira aguardar ou tentar o outro provedor.
Dicas de Engenharia de Prompt
Para Áudio (Veo 3.1)
- Diálogo: Use aspas para fala:
"Olá!" ela disse animadamente - Efeitos sonoros: Descreva explicitamente:
pneus cantando, motor rugindo - Ambiente: Descreva a paisagem sonora:
pássaros cantando, trânsito distante - Exemplo:
Um homem sussurra "Você ouviu isso?" enquanto passos ecoam no corredor escuro
Para Qualidade Cinematográfica
- Inclua direções de câmera: "dolly lento", "plano de acompanhamento", "plano de grua"
- Especifique iluminação: "hora dourada", "sombras dramáticas", "luz suave difusa"
- Adicione referências de filmes: "estilo Blade Runner", "estética Wes Anderson"
Para Movimento Realista
- Descreva física: "movimento natural", "física realista"
- Inclua detalhes ambientais: "vento no cabelo", "folhas farfalhando"
- Especifique velocidade: "câmera lenta", "tempo real", "time-lapse"
Para Imagem-para-Vídeo
- Descreva o que deve mudar/mover a partir da imagem inicial
- Seja específico sobre a ação: "o gato lentamente abre os olhos"
- Inclua movimento ambiental: "folhas passam voando"
Prompts Negativos
- Descreva o que NÃO incluir:
--negative-prompt "desenho animado, baixa qualidade, borrado" - Não use "não" ou "nunca" - apenas descreva os elementos indesejados
Comparação de APIs
| Recurso | Veo 3.1 (Padrão) | Veo 3.1 Fast | Sora |
|---|---|---|---|
| Provedor | OpenAI | ||
| Chave de API | GOOGLE_API_KEY | GOOGLE_API_KEY | OPENAI_API_KEY |
| Duração máxima | 8 segundos | 8 segundos | 20 segundos |
| Resolução | 720p, 1080p | 720p, 1080p | Até 1080p |
| Proporções de tela | 16:9, 9:16 | 16:9, 9:16 | 16:9, 9:16, 1:1 |
| Áudio (diálogo, efeitos sonoros) | ✅ Sim | ✅ Sim | ❌ Não |
| Imagem-para-vídeo | ✅ Sim | ✅ Sim | ✅ Sim |
| Imagens de referência | ✅ Até 3 | ✅ Até 3 | ❌ Não |
| Extensão de vídeo | ✅ Sim | ✅ Sim | ❌ Não |
| Geração em lote | ✅ Sim | ✅ Sim | ❌ Não |
| Velocidade | Melhor qualidade | ~2x mais rápido | Mais lento |
| Melhor para | Profissional | Fluxos de trabalho em lote | Vídeos mais longos |