O Claude cria vídeos e imagens? Como o QuQi o faz

A resposta curta é: sozinho, não. O Claude é um modelo de linguagem. Escreve texto, raciocina e programa e, numa conversa, consegue esboçar diagramas e gráficos em HTML e SVG. Não pinta fotos como um modelo de imagem, nem tem um botão que transforme um prompt num MP4.

A resposta longa é mais interessante. Dê ao Claude um computador e a situação muda. Com um navegador, uma linha de comandos e o ffmpeg, consegue desenhar uma imagem como página web e guardá-la como ficheiro de imagem. Consegue animar essa página fotograma a fotograma e codificar os fotogramas como vídeo. E para as poucas coisas que o código não consegue desenhar, como uma voz humana ou uma foto realista, pode pedir ajuda a modelos feitos exatamente para isso.

É assim que o QuQi faz agora todos os vídeos, imagens e carrosséis para os seus clientes. Este artigo levanta o capô: o que é o computador, o que o Claude faz nele e porque é que os resultados parecem trabalho de um designer e não de um gerador que faz tudo de uma vez.

O que um modelo consegue fazer sozinho e o que um computador acrescenta

A diferença vê-se melhor lado a lado.

Tudo o que está na coluna da direita depende de uma coisa: um computador real em que o modelo possa trabalhar.

A peça que falta é um computador

O QuQi põe o Claude a trabalhar através do Boxline, um serviço que dá a um agente de IA uma máquina isolada na nuvem, com navegador, linha de comandos e disco. Cada peça é feita numa máquina limpa só para ela, por isso nada do trabalho de um cliente fica alguma vez ao lado do de outro.

Na máquina estão as ferramentas que o portátil de um motion designer teria, menos o rato:

• O Chrome, que o Claude controla diretamente para abrir sites, compor designs e capturar fotogramas. Consegue até correr cenas 3D simples para uma imagem de produto.
• Uma linha de comandos com Python e Node, para escrever e executar o seu próprio código.
• O ffmpeg para codificar vídeo e o ImageMagick para inspecionar e preparar imagens.
• Um disco de trabalho onde fica cada ficheiro da peça: notas de pesquisa, o plano, as cenas, o som e as renderizações.

O que a máquina nunca guarda é uma chave para o que quer que seja. Quando o Claude precisa de uma voz, de uma música de fundo, de um clip de banco ou de uma filmagem gerada, pede-a ao QuQi através de uma pequena ferramenta de linha de comandos, e o QuQi faz a encomenda com as suas próprias contas. Cada peça tem limites para o que pode encomendar, por isso o agente não consegue gastar mais do que a peça permite.

O que espera na máquina quando ela arranca

Antes de o Claude começar, o QuQi coloca quatro coisas no disco.

• RULES.md, as regras da casa. Abre com o negócio, com o seu contexto e o seu kit de marca já escritos, e depois expõe o que o cliente precisa e as suas instruções. O Claude tem de o ler antes de poder encomendar seja o que for.
• Uma pasta da marca com o perfil de empresa, o logótipo e capturas de ecrã do site.
• Uma biblioteca de competências de ofício: guias escritos sobre técnicas de cinema e de design, que cobrem filmes de produto, b-roll animado, vídeos explicativos, estruturas de anúncios curtos e som, mais um sobre como rever uma peça antes de a renderizar.
• O comando quqi, a sua única ligação ao exterior. Lê as regras, responde a perguntas sobre o negócio, lista os produtos da loja, recebe o plano, encomenda recursos, mede as cenas e verifica o ficheiro final.

Repare no que não está na lista. O QuQi não passa peças prontas: nem modelos, nem kits, nem ficheiros de som, nem imagens escolhidas de antemão. Tudo o que está na peça final é escolhido ou feito para aquele pedido.

Uma execução, passo a passo

Imagine que uma loja pede um vídeo curto sobre a sua promoção de primavera. Este é o caminho que o Claude percorre desde o pedido até ao ficheiro final.

1. Ler as regras. O primeiro comando é quqi rules. Nada pode ser encomendado antes disso.
2. Pesquisar. O Claude abre no Chrome a página inicial da loja e qualquer página que o pedido indique, lê o perfil de empresa, lista os produtos da loja e pode fazer ao QuQi até 12 perguntas sobre o negócio. Escreve o que aprendeu num ficheiro de pesquisa. Sem ficheiro de pesquisa, não há encomendas.
3. Escolher a técnica. Abre pelo menos três guias de ofício para um vídeo (dois para uma imagem ou um carrossel) e o guia sobre como rever o seu trabalho.
4. Planear. Escreve um plano que indica, para cada cena, de onde vem a imagem (o site, o banco de imagens, um clip gerado ou o seu próprio código) e porquê. O plano lista também as técnicas escolhidas, explica porque se adequam a este negócio e diz em que é que a peça vai diferir das três últimas da marca. O QuQi verifica o plano e devolve-o se, por exemplo, o Claude nunca chegou a abrir o site.
5. Construir. Cada cena é uma página HTML com uma função capaz de desenhar qualquer momento dela. O texto é composto com as fontes da própria marca, e as fotos de produto são recortadas pelo QuQi para ficarem limpas sobre o design.
6. Som. Uma gravação da voz, uma música de fundo e um conjunto de efeitos sonoros que o próprio Claude corta e coloca. As legendas são sincronizadas a partir dos tempos de cada palavra da voz e, se um apresentador falar, os lábios só são sincronizados nos segundos em que aparece.
7. Medir. quqi measure abre cada cena no Chrome no tamanho final e assinala texto pequeno demais, letras que se tocam, linhas apertadas, palavras fora da área segura, um logótipo pequeno demais para se ler e tudo o que estiver esticado ou cortado. O Claude corrige o que for assinalado.
8. Renderizar. Percorre cada cena fotograma a fotograma e o ffmpeg codifica o resultado uma única vez, com as definições que as plataformas pedem: vídeo H.264 a 30 fotogramas por segundo, com som AAC.
9. Verificar e entregar. quqi check corre sobre o vídeo terminado, depois o QuQi faz as suas próprias verificações e coloca a peça no Studio do cliente.

Uma imagem segue o mesmo caminho, sem o som e sem os fotogramas: o Claude desenha-a como página, mede-a e guarda-a como PNG. Um carrossel faz o mesmo para cada slide.

Porque é que o design é uma página web

Seria mais rápido pedir a um modelo de imagem “uma publicação para o Instagram sobre uma promoção de primavera”. Então porquê o caminho mais longo? Porque um navegador é a ferramenta de composição tipográfica mais precisa que a maioria de nós alguma vez terá, e construir sobre ele traz quatro coisas que um gerador que faz tudo de uma vez não pode prometer.

• Texto real. As palavras são texto, não uma pintura de texto, por isso estão bem escritas e compostas na fonte da própria marca.
• Design mensurável. Um navegador sabe a posição e o tamanho exatos de cada caixa da página. É isso que torna possível uma verificação automática do design.
• Fotogramas repetíveis. O mesmo momento de uma cena é sempre desenhado da mesma forma, por isso uma correção pode voltar a renderizar só os seus próprios segundos em vez do filme inteiro.
• Edições, não repetições. Mudar uma palavra muda uma palavra. Nada mais na página se mexe, a não ser que deva.

Os conteúdos gerados continuam a ter lugar, mas pequeno. Uma imagem ou um carrossel recebe no máximo uma foto gerada, e só realista. Um vídeo recebe no máximo um clip gerado, nunca uma imagem fixa gerada mostrada no ecrã, e o banco de imagens fica limitado a cerca de um terço das filmagens. O resto é animação do próprio Claude.

As regras pesam mais do que os prompts

Um agente com um computador consegue fazer muito, e é por isso que as regras importam mais do que qualquer pedido isolado. Algumas aplicam-se a todas as peças que o QuQi faz:

• As cores, as fontes e o logótipo da marca prevalecem sobre qualquer estilo que um pedido indique.
• Sem pessoas famosas, sem sósias e sem o logótipo de outra marca.
• Nenhum desconhecido de um banco de imagens é apresentado como alguém do próprio negócio.
• As afirmações são copiadas palavra por palavra do negócio, com as ressalvas incluídas.
• O cartão final é o logótipo com o site por baixo, e mais nada.
• Num vídeo vertical, nenhuma palavra na décima parte superior nem na quinta parte inferior do enquadramento, onde as apps colocam os seus próprios botões.

Uma pequena regra de que gostamos muito: todas as vozes dizem QuQi como “Q-Kee”, e tudo o que é escrito continua a grafá-lo QuQi.

Quem verifica o trabalho

Não há uma segunda IA a corrigir os trabalhos de casa da primeira. O Claude é o seu próprio revisor, e revê com números. As regras de tipografia são concretas: no máximo quatro tamanhos, cada um pelo menos um quarto maior do que o seguinte, títulos nunca com as letras mais apertadas do que 2%, e espaçamento entre linhas dentro de intervalos definidos para os títulos e para o texto corrido.

Depois, o QuQi verifica o resultado a partir de fora. Uma peça volta para trás uma vez se a sua revisão não mostrar medições, se a duração de um vídeo não corresponder ao pedido, se a imagem continuar depois da voz ou se um transcritor ouvir menos de metade das palavras ditas.

Três níveis de qualidade, todos com o Claude

Os clientes escolhem entre Standard, Normal e High quality. Os três funcionam com o Claude. O que muda entre eles é o cuidado posto no design, na filmagem e na revisão: o Standard é mais rápido e custa menos, e o High quality é o mais cuidadoso, para as peças que mais importam. As imagens e os carrosséis começam em High quality e os vídeos em Normal. Todas as execuções trabalham com o raciocínio do Claude num nível alto.

As edições acontecem na mesma máquina

Quando uma peça é entregue, a sua máquina não é deitada fora. É parada e guardada durante dois dias, com todos os ficheiros, e cada edição entregue acrescenta mais dois dias. Peça uma alteração e o Claude retoma onde ficou. Se só o som mudar, o novo som é misturado sobre a imagem já renderizada, sem novos fotogramas. Se uma cena mudar, só os seus segundos são refeitos. O cliente paga apenas o que mudou.

Como foram feitas as imagens deste artigo

Usámos a mesma ideia nesta página. A capa, o diagrama da máquina e a execução acima começaram todos como ficheiros HTML, que abrimos no Chrome em modo headless e guardámos como imagens. Não foi usado nenhum modelo de imagem, e é por isso que todas as etiquetas estão bem escritas. Os nossos outros artigos, sobre vídeo com IA para redes sociais e sobre imagens e carrosséis fiéis à marca, foram ilustrados da mesma forma.

Perguntas frequentes

O Claude consegue gerar imagens?

Não como píxeis a partir de um prompt, como faz um modelo de imagem. Consegue escrever o HTML, o SVG ou o código que desenha uma imagem e, com um navegador numa máquina, consegue renderizar esse código num ficheiro de imagem real. É assim que o QuQi faz imagens e carrosséis.

O Claude consegue fazer vídeos?

Sozinho não, porque não tem um modelo de vídeo. Com um computador, consegue: constrói cada cena como uma página web animada, captura os fotogramas num navegador e codifica-os com o ffmpeg. Modelos especializados tratam da voz, da música e, no máximo, de um clip gerado.

O que é o Boxline?

O Boxline é um serviço que dá aos agentes de IA as suas próprias máquinas isoladas na nuvem, cada uma com navegador, linha de comandos e disco. O QuQi usa-o para que cada peça tenha uma máquina limpa só para ela, guardada durante dois dias depois para edições.

Preciso de uma conta Claude ou Boxline para usar isto?

Não. O QuQi trata de tudo por si. Pede um vídeo, uma imagem ou um carrossel no Studio ou num chat, e paga em créditos do QuQi o que a peça realmente usa.