Como transformar um roteiro em vídeo com IA: o fluxo completo, do roteiro pronto ao render

Você tem um roteiro pronto — sessenta falas de locução, uma cena por parágrafo, até as piadas revisadas — e o instinto é colar o documento inteiro na caixa de texto do gerador. O resultado é sempre o mesmo: trinta segundos de pesadelo em que o personagem troca de rosto a cada quatro segundos e ninguém entende a mensagem. A culpa não é do modelo nem do roteiro: os motores de vídeo atuais geram um plano curto por corrida, e um roteiro são dezenas de planos com continuidade entre eles. Converter um no outro não é prompt, é fluxo de trabalho — e o fluxo tem quatro etapas: quebrar o roteiro em cenas, fazer o storyboard barato, gerar tudo como um projeto só com um planejador segurando a coerência, e editar a saída como o material bruto que ela é.

Este guia percorre as quatro etapas, com um caso real no fim: um roteiro de 300 palavras de lançamento de confeitaria virando um vídeo de quase noventa segundos, com a planilha de créditos aberta na tela. Se você ainda não tem o roteiro escrito e quer partir de uma lista de ideias soltas, comece pela make video by script (em inglês, do estágio de esboço); aqui assumimos que o documento existe.

Por que um roteiro pronto é a melhor entrada que você pode dar à máquina

Os modelos de texto para vídeo obedecem melhor quando a direção já vem estruturada. Um roteiro — de curta-metragem, de anúncio, de vídeo explicativo com locução — te entrega de graça informação que um prompt de uma frase não tem:

• As quebras de cena já estão marcadas; ninguém precisa adivinhar onde o plano muda.
• Cada cena costuma ter um sujeito e uma ação, exatamente o grão que um motor maneja bem.
• A fala ou a locução definem uma duração por cena, e essa duração diz o tamanho que o clipe precisa ter.
• O ambiente e a hora do dia já moram nas rubricas — metade da sua imagem de prompt escrita está ali.

Compare com «faz um vídeo sobre meu produto»: o pedido sem estrutura obriga o modelo — ou você — a inventar as decisões criativas no ponto mais caro da linha de produção, o render. Quando o roteiro veio antes, essas decisões já estão tomadas, e mudar custa barato: editar uma linha não custa nada; re-renderizar uma cena custa créditos e tempo.

Etapa 1: quebre o roteiro em cenas e etiquete cada uma

Pegue o documento e monte uma lista numerada em que cada item seja uma ideia visual só. Para vídeo explicativo, uma cena por frase ou por batida de locução funciona; para ficção, cada cabeçalho de locação já é uma cena natural.

Para cada cena, escreva quatro etiquetas, uma linha por etiqueta:

1. Sujeito e ação: quem ou o que está no quadro e o que muda. «A confeiteira fala para a câmera ao lado da bancada de montagem» é uma cena. «A mão despeja a calda sobre o bolo de pote» também é.
2. Ambiente e hora: uma cláusula basta; o motor completa o resto.
3. Câmera: enquadramento e movimento em termos de set de filmagem — plano médio com aproximação lenta, câmera fixa no tripé, órbita suave—. Se um diretor de fotografia conseguiria executar a frase num set, um modelo de vídeo normalmente consegue tentar.
4. Duração alvo: leia a fala em voz alta e cronometre. Um clipe de quatro segundos sob uma frase de nove fica quebrado, por mais bonito que saia.

Mantenha os prompts curtos: uma cena de vinte e cinco a quarenta e cinco palavras rende mais que um parágrafo inteiro. A estrutura que mais funciona — sujeito, movimento, ambiente, câmera, estilo, nessa ordem — está desenvolvida no guia para escrever um prompt de vídeo com IA (em inglês), e a biblioteca de 50 exemplos de prompt serve igual em português para roubar linguagem de câmera.

Etapa 2: storyboarde barato, não pule esta etapa

Storyboard soa como a parte artística que todo mundo pula. Num pipeline de IA é a alavanca de qualidade mais barata que você tem, por duas razões.

A primeira: um fotograma fixo é uma instrução muito mais precisa que texto. Se a cena é «a bancada de montagem ao amanhecer, luz quente atravessando o pó de açúcar», gerar uma imagem dessa composição custa créditos de um dígito — o gerador de imagem sai por 1–2 créditos no degrau de qualidade baixa. Você aprova ou regenera a foto, e só então essa foto aprovada entra no motor de vídeo como primeiro quadro. O image-to-video te dá controle de composição que um prompt de puro texto não dá, e o caminho completo — da foto aprovada ao movimento — está passo a passo no guia para transformar uma foto em vídeo.

A segunda: num projeto de várias cenas, a versão prática do storyboard é gerar um fotograma-chave por cena, ordená-los num documento e passar a lista lendo em silêncio como se fossem cartões mudos. Se a sequência não se entende como história sem som, o problema é o roteiro — e consertá-lo agora custa zero: você move uma linha de texto. Um enquadramento ruim descoberto no render custa créditos e uma espera; o mesmo enquadramento ruim descoberto aqui custa um teclado.

Etapa 3: gere as cenas como um projeto só, não como doze clipes soltos

É aqui que a maioria das tentativas caseiras quebra: doze clips gerados separadamente nunca fecham. A luz desloca, o rosto do personagem muda entre planos, a cozinha da cena três não é a cozinha da cena dois. Juntá-los produz o trailer de um filme que não existe.

Esse é exatamente o problema que a geração multi-cena resolve. O Project Director da Moosky recebe o briefing ou o roteiro, monta a lista de cenas e as gera como um projeto com personagens, ambientes e estilo compartilhados, não como doze corridas estranhas entre si. Você revisa o plano e a descrição de cada cena antes de renderizar qualquer coisa — editar descrição na revisão é de graça —, aprova uma vez, e a corrida percorre a sequência inteira com continuidade entre planos. A página de roteiro a vídeo mostra o fluxo com exemplos ao vivo. Se o projeto exige o MESMO personagem entre planos a partir de materiais seus — o produto, o locutor, o movimento de câmera —, a peça de identidade é o guia de referência para vídeo (r2v).

A parte econômica, honesta e conferível: o planejamento cabe nos 50 créditos de cortesia que a conta nova recebe só para conversar o briefing (roteiro, cenas, prompts, orçamento), e nada é cobrado até você aprovar; a cotação completa aparece na tela antes de renderizar, e o disparo do render multi-cena tem um mínimo proposital — a lista de cenas não roda com saldo abaixo de 500 créditos (US$5), para proteger a corrida de morrer antes do último plano. O render de cada plano sai do saldo compartilhado — 100 créditos = US$1: um rascunho em Wan 3.0 a 480P ronda os 49 créditos o take de cinco segundos, o mesmo plano como herói em 1080P sai por uns 164, e um take de LTX 2.5 a 720P com áudio nativo anda pelos 80 — a tabela de créditos por clipe do sucessor do LTX 2.0 Pro está no guia de compra do LTX. O motor por motor e a aritmética de repetições estão no guia de quanto custa um vídeo com IA, e a letra miúda do saldo de cortesia — o que ele cobre e o que não cobre — no guia do que é realmente grátis.

Se o projeto é de um plano só ou você prefere segurar cada render na mão, o composer de geração roda os mesmos motores por clipe, e a escolha importa por tipo de cena: plano cinematográfico com personagem pede um motor, corte rápido de produto pede outro.

O que quer que você rode, existe um truque que separa um vídeo de uma coleção de clipes: segure o mesmo cluster de estilo fixo em todas as cenas — uma única decisão de luz, uma única graduação de cor, uma única textura—. «Luz principal quente, graduação âmbar, grão suave» repetido em cada prompt de cena é o que faz doze clipes se lerem como um vídeo só.

Etapa 4: narração em português e edição como material bruto

Os clips gerados são bruto, não peça pronta, e precisam passar por uma montagem como qualquer metragem passaria:

• Corte cada clipe na batida: se a ação acontece entre os segundos dois e seis, o resto da cabeça e do rabo sai.
• Jogue a locução ou a cama musical primeiro e monte as imagens em cima dela, não o contrário. Os problemas de duração que não apareciam por clipe ficam evidentes contra a narração.
• Trabalhe as emendas: corte em L, um fundido entre locações, texto sobre os planos de ambientação. Um vídeo de IA com edição de verdade em volta para de se ler como vídeo de IA.
• Os outliers se consertam refazendo só aquela cena: num projeto se regenera o plano ruim, não a sequência. Toda a economia de planejar antes de renderizar cabe nessa frase.

E sobre a narração, a camada que em português pesa tanto quanto em espanhol: o sotaque vende ou entrega. Se o personagem fala, ou o narrador apresenta, você quer que soe ao seu mercado — não à voz genérica do motor lendo com sotaque emprestado. Com os motores de voz atuais o teste é de três escutadas: o mesmo parágrafo em três leituras, e você escolhe pela naturalidade, não pela fidelidade ao texto (idêntica nas três). O guia de clonagem de voz cobre quais motores nomeiam bem o português brasileiro e como passar o teste das três escutadas com os créditos de cadastro — narrar sessenta segundos de roteiro com voz clonada sai por 29 créditos.

Caso real: um roteiro de 300 palavras de confeitaria, em 90 segundos

Um formato comum: a dona de uma confeitaria de bolos de pote escreveu um roteiro de 300 palavras para lançar a assinatura semanal pelo WhatsApp. Não tem filmagem, nem ator, nem orçamento para nenhum dos dois. O pipeline acima, rodado:

1. Quebra: o roteiro se divide em 9 batidas de locução. Duas são da apresentadora falando para a câmera (o problema, o fechamento), quatro são de produto (a calda caindo, a montagem do pote, a geladeira, a caixa de entrega), três são de ambientação (a manhã do bairro, o vapor, a primeira colherada).
2. Storyboard: os quatro planos de produto não precisam de geração — filmar o produto real com o celular ganha de qualquer render e sai de graça —, e a foto fraca vira foto usável pelos 2 créditos fixos do upscaler SeedVR2 para foto antes de subir. As três ambientações recebem um fotograma-chave cada, aprovado antes de qualquer render de vídeo.
3. Geração: tudo roda como um projeto único do Director com o roteiro de briefing, para que a apresentadora e a cozinha dela se mantenham as mesmas entre a cena um e a nove, e as ambientações dividam uma só graduação. Duas cenas pedem uma segunda tomada na revisão; as duas são pegas antes do render completo.
4. Montagem: a locução gravada primeiro, os cortes sobre ela, textos de benefício sobre os planos de produto, um fundido entre o ato do problema e o da solução. Cinquenta e poucos segundos de clipes aprovados viram um vídeo de quase noventa segundos com títulos e encerramento.

O custo total é dominado pelos poucos renders de vídeo, não pelas repetições, porque as etapas um e dois moveram os erros caros para o extremo barato da linha. Essa é a disciplina inteira de roteiro a vídeo: cada decisão que você toma antes de um render é uma decisão que não custa nada mudar. Para a conta completa de um vídeo terminado — planejamento de graça, rascunho, render final, a faixa típica de US$10 a US$15 num vídeo multi-cena de trinta segundos —, a mesa por mesa está no guia de quanto custa um vídeo com IA.

Onde o roteiro a vídeo chega hoje (e onde não)

Expectativa calibrada evita metade das frustrações. Diálogo longo com sincronia labial precisa continua loteria: planos falados curtos funcionam, e para os longos convém locução sobre imagens de apoio. Texto dentro da cena gerada — placas, rótulos de embalagem, letreiros — continua não confiável: letreiro que precisa ser lido se compõe na montagem, não se pede ao modelo. E ambientes muito específicos da sua marca — sua loja real, sua embalagem exata — respondem melhor a fotos do objeto real do que a descrições: suba a foto, anime a foto.

Um roteiro é o artefato mais barato da produção de vídeo e o mais estrutural. Escreva-o, quebre-o em cenas, storyboardue por centavos, gere como um projeto só e monte o resultado. Os modelos renderizam; o roteiro dirige.

Quer ver o fluxo inteiro antes de escrever uma linha? A página de roteiro a vídeo e o Project Director rodam com o saldo da conta nova — os 10 créditos de cadastro alcançam a primeira fornada de fotogramas-chave. E se quiser o original em inglês deste guia, com o caso SaaS completo, está em How to Turn a Script into a Video with AI.