GenAI aplicada
De 8 para 4 dias: redesenhando a produção de vídeo com IA
Criei um sistema que transforma um roteiro em prompts otimizados, insumos organizados e uma timeline pré-montada, e que aprende a cada projeto. O tempo de produção de um vídeo completo em IA caiu pela metade.
Contexto
Produzir vídeo com IA generativa parece rápido, mas na prática não é. Cada ferramenta e cada modelo responde de um jeito diferente ao mesmo prompt. Um prompt genérico gera muitas tentativas descartadas, e cada geração custa tempo e créditos.
Além da geração, havia o trabalho manual em volta: decidir quais cenas fazer com IA e quais com banco de imagens, buscar e baixar insumos, organizar pastas e montar a timeline sincronizando locução e imagens.
O desafio
Como reduzir o tempo e o desperdício na produção de vídeos com IA sem perder qualidade criativa e com um processo que melhore sozinho com o uso?
Abordagem
Tratei meu próprio fluxo de trabalho como um serviço a ser redesenhado:
- Mapeei o processo atual de ponta a ponta, do roteiro ao vídeo final, e identifiquei onde estavam os gargalos: escrita de prompts, retrabalho de gerações, busca de insumos e montagem manual.
- Separei o que exige julgamento criativo do que é repetível. A direção criativa continua comigo, e o trabalho operacional foi para o sistema.
- Codifiquei o conhecimento que eu já tinha sobre cada ferramenta e modelo (o que funciona, em que ordem, com que linguagem) em um sistema reutilizável.
- Embuti a melhoria contínua no processo: ao fim de cada projeto, o sistema registra o que aprendeu.
Insight-chave
O gargalo não estava na geração, estava na falta de método. Com o prompt certo, para o modelo certo, na ordem certa, o número de tentativas cai drasticamente.
A ordem importa: primeiro fichas de personagem, depois cenários, depois keyframes (o quadro inicial de cada cena) e só então o vídeo. Isso garante consistência visual entre as cenas, que é o maior problema de vídeos feitos com IA.
Solução
Um sistema construído como uma skill no Claude, que funciona como um assistente de produção.
1. Leitura do roteiro. O sistema lê o roteiro e classifica cada cena: IA generativa ou banco de imagens (Envato).
2. Prompts sob medida para cada ferramenta e modelo. Para as cenas de IA, ele identifica a ferramenta (Runway, Flow, Leonardo…) e o modelo (Kling, Wan, Seedance, Omni…) e escreve prompts otimizados para aquela combinação, seguindo a sequência fichas → cenários → keyframes → vídeo.
3. Curadoria e organização de insumos. Para as cenas de banco de imagens, ele busca vídeos e imagens na Envato, baixa e organiza tudo em pastas padronizadas.
4. Timeline pré-montada. Gera scripts que montam a timeline no Premiere ou no After Effects já sincronizando locução + vídeos de IA + insumos do banco. Eu começo a edição a partir de um corte inicial, não de uma timeline vazia.
5. Aprendizado contínuo. Ao fim de cada projeto, o sistema registra o que funcionou e o que não funcionou e atualiza as próprias instruções. A cada vídeo, ele fica mais preciso.
Um ecossistema, não uma ferramenta. O mesmo princípio virou um conjunto de sistemas complementares: montagem automatizada para Premiere, animação programática com Remotion e edição de podcast. Juntos, eles formam um sistema operacional de produção audiovisual com IA.
Resultados
| Indicador | Antes | Com o sistema |
|---|---|---|
| Vídeo completo em IA | 8 dias | 4 dias (−50%) |
| Tentativas até uma boa geração, por cena | 12 | 3 (−75%) |
| Ganho no processo criativo como um todo | — | mais de 40% |
| Vídeos já produzidos | — | mais de 8 |
- Gerações 4× mais assertivas, economizando tempo e créditos das ferramentas.
- Conhecimento que não se perde: cada aprendizado fica registrado e é reaproveitado automaticamente.
Por que isso importa além do vídeo
Este projeto não é sobre edição. É sobre como levar IA para dentro de um processo real:
- Diagnosticar onde a IA gera valor e onde o humano é insubstituível;
- Redesenhar o processo em vez de só adicionar uma ferramenta;
- Transformar conhecimento tácito em sistema, que pode ser replicado por outras pessoas;
- Criar um ciclo de melhoria contínua.
É a mesma abordagem que aplico como consultor de IA para otimizar fluxos de times inteiros.
O que eu faria diferente
- Medir de forma sistemática desde o início. Os ganhos (8 → 4 dias, 12 → 3 tentativas) vieram da minha experiência de produção. Eu teria registrado tempo por etapa em cada projeto desde o primeiro vídeo, para ter um antes × depois auditável.
- Documentar para outras pessoas. O sistema foi pensado para mim. O próximo passo é empacotá-lo para que outro editor ou um time inteiro possa usá-lo.
- −50%
- tempo por vídeo completo em IA
- 12 → 3
- tentativas por cena
- 8+
- vídeos produzidos com o sistema