Gerador autônomo de vídeo

O problema

Vídeo curto de finanças é um formato com uma armadilha: se o número na tela estiver errado, o vídeo inteiro vira desinformação. E modelos generativos de imagem são justamente ruins nisso — eles desenham algo que parece um gráfico, com eixos que parecem números.

O sistema recebe um tema e monta o vídeo sozinho: escreve o roteiro, narra com voz clonada, gera as imagens, transcreve a própria narração para alinhar a legenda no tempo certo, anima a boca do mascote e monta o MP4 vertical de aproximadamente um minuto.

A decisão que mudou o projeto

Escrevi uma regra que o pipeline não pode violar: nenhum número ou texto financeiro pode vir do modelo de imagem. Todo gráfico é renderizado por código, a partir do dado real, e composto por cima.

Isso custa liberdade estética — dá para fazer coisa mais bonita deixando a IA desenhar o quadro inteiro. Mas o custo do outro lado é publicar um número inventado com a minha cara junto. A troca não é difícil.

O resultado

O pipeline roda inteiro sem intervenção, com os modelos rodando localmente numa GPU: síntese de voz, clonagem, alinhamento forçado para a legenda e lip-sync do mascote. Cada etapa é um módulo separado — roteiro, voz, imagem, legenda, mascote, montagem — porque quando uma delas falha eu preciso trocar só aquela.

O gargalo hoje não é técnico: é a política de uso das plataformas de publicação, que é um problema de posicionamento do produto, não de código.