Como melhorar a qualidade de um vídeo com IA: o guia SeedVR2, do borrado ao 4K

A escada tem três degraus, e a maioria das pessoas tenta pular direto para o último: pegar o clipe que veio mal da câmera (ou mal do WhatsApp) e subir logo para 4K, pagando o teto da tabela num arquivo que talvez não precisasse de nada disso. A ordem certa é mais barata e o resultado é melhor: primeiro você resolve a origem, depois escolhe o motor pelo tipo de arquivo, e só então sobe de degrau em degrau — raso antes de cheio. A Moosky tem dois motores de restauração, e cada um cobra de um jeito: foto vai no SeedVR2 (tarifa fixa por corrida, até 8K), vídeo vai no FlashVSR (cobrança por segundo de saída, com coerência entre fotogramas). Rodar o modelo de imagem no vídeo quadro a quadro sai caro num sentido literal: a textura que ele inventa em cada fotograma é um invento diferente, e a roupa e a pele do pessoal fervem entre os cortes. O parágrafo seguinte entrega os atalhos; o resto do guia é a escada inteira, com a conta de créditos à vista.

Se você já sabe o que tem na mão: a página do upscaler de imagem SeedVR2 e a página do upscaler de vídeo. A comparação lado a lado dos dois motores cobre os casos-limite.

Degrau zero: a origem vale mais que o motor

Um upscaler honesto faz uma coisa só: transforma uma imagem pequena em uma imagem grande — ele não transforma uma imagem ruim em uma imagem verdadeira. Toda a mágica depende do que chegou até ele, e no Brasil a resposta mais cara quase nunca está no arquivo que você tem aberto:

• Saiu do WhatsApp? Volte à fonte. O app comprime vídeo para caber no envio e destrói detalhe fino (textura de cabelo, letras, grade de compressão). O modelo vai reconstruir por cima do estrago e inventar textura onde o WhatsApp comeu pixels — invento verossímil, não recuperação. Procure o original na galeria do celular, ou peça o arquivo por nuvem e não por zap.
• Print de tela é o pior input possível. Você está ampliando um padrão de interferência (o moiré da grade de pixels da tela vira textura falsa no resultado). A captura vale menos que a foto original de onde ela veio.
• Barra preta queimada no quadro consome orçamento. O motor gasta resolução nas faixas que você não queria. Recorte antes.
• O vídeo 480p salvo do YouTube é um caso especial: ali os pixels não faltavam desde a câmera — a plataforma tirou. Esse tipo de arquivo responde muito bem; blur de movimento de verdade (um pan arrastado no dia) não responde a nada.

Depois dessa triagem, um critério único decide a expectativa: um clipe de 480p levado a 4K vira um master HD limpo assistido de longe — não vira material de câmera de cinema. Quem espera o segundo se frustra com qualquer ferramenta.

O motor se escolhe pelo tipo, não pela fama

SeedVR2 é o restaurador de difusão da ByteDance para foto: uma passada única, treinado contra fotografia real em alta resolução. A diferença para um interpolador clássico (bicúbico, Lanczos e os neurais de primeira geração) é de natureza: ele não estica os pixels que existem, ele gera a versão grande da sua imagem com textura nova e verossímil — a pele ganha poros, o tecido ganha trama, o cabelo ganha fio. É reconstrução fiel à foto, não ampliação.

FlashVSR entra onde foto nenhuma entra: a coerência temporal. Cada fotograma é uma foto, e o olho ainda precisa acreditar que os fotogramas são a mesma cena se movendo — a cara tem de ser a mesma pessoa de um quadro ao outro, o borda da janela não pode tremer no corte. Esse trabalho extra de manter o tempo é o motivo exato de o vídeo ser cobrado por segundo de saída e a imagem não.

A escada em si: raso antes de cheio

Os dois motores são composers do portal: a foto sobe no SeedVR2 Image Upscaler, o clipe no upscaler de vídeo (rota /generate/upscale-video/flashvsr-video-upscaler). Sem assinatura: você compra saldo (um dólar são cem créditos), a cotação aparece na tela antes de rodar qualquer coisa, e corrida que falha devolve os créditos.

1. Sobe a melhor cópia que existe — a maior versão que você tem na mão, não a que te mandaram.
2. Prova raso primeiro. Na foto: rode os 2 créditos da tarifa e julgue antes de pensar em alvo maior. No clipe: um trecho de 5 segundos a 720p custa 8 créditos (o piso de cobrança são 5 segundos) — o saldo de boas-vindas do cadastro sozinho já paga essa prova, sem precisar do opt-in de marketing.
3. Escolhe o alvo pelo destino, não pelo número. Foto: 2K basta para rede social (e é o jeito barato de validar a corrida); 4K é o uso geral — apresentação, impressão até uns 20×25 cm a 300 DPI, galeria de produto; 8K é master de arquivo, numa tela comum é o mesmo quadro do 4K com mais bytes. Clipe: 720p para explorar, 1080p para rede e embed, 2K para projetar em tela dividida, 4K para parede, cliente e arquivo.
4. Baixe e julgue do jeito certo (a seção da TV liga a seguinte).
5. O portal acompanha a fila — pode sair e voltar depois; a exportação sai sem marca d'água.

A conta de créditos, planilha na mesa

Como conferir os números: cada valor da tabela sai das constantes do próprio composer — tarifa por segundo do motor, multiplicador e conversão para crédito — e foi batido com a configuração de cobrança de outubro de 2026. Antes de você apertar rodar, a tela do composer informa o valor exato da sua escolha; se a tabela e a tela discordarem, vale a tela: desça o alvo ou corte o clipe.

Foto (SeedVR2): 2 créditos fixos por corrida — cerca de US$ 0,02 —, o mesmo valor para 2K, 4K e 8K. A tarifa não acompanha o alvo, então a disciplina custa quase nada: prove no 2K, julgue, e só escale o arquivo que mereceu.

Clipe (FlashVSR): cobra por segundo de saída, arredondando o total no fim. Piso de 5 segundos por corrida, teto de 10 minutos. Entre parênteses, o valor da corrida inteira em dólar, na cotação US$1 = 100 créditos:

Três casos que aparecem toda semana no balcão do WhatsApp, a US$1 = 100 créditos: os 30 segundos do aniversário do filho em 1080p saem por 71 créditos (US$0,71); o vídeo de produto do e-commerce, 1 minuto em 4K, são 250 créditos (US$2,50); o clipe de baile de 2 minutos a 4K fecha em 500 créditos (US$5,00). A prova de 5 segundos a 720p custa 8 créditos; a prova confortável de 10 segundos, 16 — passa dos 10 créditos do cadastro, mas cabe nos 20 créditos (cadastro + opt-in de e-mail) que a página do que é realmente grátis detalha, com a letra miúda do saldo promocional. Dois avisos para os números sobreviverem ao mundo real: cada corrida arredonda para o crédito seguinte (espere ±1 da tabela), e clipes com menos de 5 segundos pagam os 5 cheios — os segundos que você corta são créditos que você não paga. A matemática completa por tipo de produção — quanto custa um clipe de verdade, motor por motor — está na conta honesta de créditos; em inglês, de onde o preço vem (tarifa, margem, conversão), a guia de custo por clipe aproveitável.

O julgamento: assista como a pessoa que vai receber

Side-by-side de quadro inteiro mente; ele te dá um antes/depois de pôster. Três exames que resistem:

• A prova da TV (ou do celular do cliente). Jogue o 4K na tela onde ele vai ser visto, na distância onde vai ser visto, e só compare com o original nesse contexto. Se o público-alvo assiste no celular (feed, WhatsApp de grupo da família), o 1080p bem cotado quase sempre fecha o serviço pelo preço menor.
• Congele o fotograma e dê zoom. Cílios, poros, a borda do íris: interpolador devolve mancha suave; aqui o olhar tem de sobreviver sem ficar de cera. Se o quadro congelado não aguenta o zoom, o clipe também não vai aguentar.
• Congele durante o movimento. A textura tem de ficar colada na superfície — tecido que rasteia na pele, letras que nadam no letreiro: sinal de entrada degradada demais; desça o alvo ou melhore a fonte.

No clipe, a comparação de verdade tem teste de corte: a mesma cara antes e depois do corte precisa ser a mesma pessoa, não outra pessoa renderizada. É o que o motor temporal existe para entregar — e a razão de ele custar por segundo.

O que nenhum upscaler conserta: a lista honesta

• Texto se deforma. Refinador de difusão trata tipografia como textura e repinta: um letreiro pode voltar com letras convincentes que não dizem nada. Letreiro importa? Recompô-lo depois do upscale.
• Rosto de três pixels em foto de multidão é preenchido com confiança. «Parecido» nem sempre basta — em foto de formatura, rode numa cópia e confira de perto quem é quem.
• Marca d'água volta mais fiel. O motor trata a estampa como conteúdo e a restaura. Comece da fonte limpa, não do vídeo com o logo do canal gravado por cima.
• O teto de 10 minutos é real. Material maior: divida (ffmpeg corta em uma linha), rode cada trecho e remonte — cada trecho paga o seu por segundo.
• O que já está limpo não ganha nada. Um master 1080p nítido levado a 4K é arquivo maior, não vídeo melhor. Só escale onde existe um buraco visível entre o que a câmera entregou e onde você vai exibir.

Onde a escada termina

O upscale é a última passada, nunca a primeira: gere ou grave o material, corrija as fotos que importam na passada de imagem, e só então — se a tela de destino justificar — passe o clipe pelo motor de vídeo. É também o remate natural de um render que saiu macio demais: se você chegou aqui pelo passo a passo do vídeo com IA, o upscale entra exatamente depois da aprovação do take. Imagem, vídeo e voz saem do mesmo saldo; quem ainda está decidindo se vale o bolso começa pelos créditos de cortesia em moosky.ai/start.

Suba a melhor cópia da origem, escolha o motor pelo tipo do arquivo, prove raso, julgue na tela de destino e pague só o degrau que o seu caso pede.