Opus 5.5 e HyperFrames: edição de vídeo com um prompt

A abertura do meu último vídeo foi feita 100% pelo Opus 5.5, ainda no esforço médio, sem nenhuma geração externa de imagem naquele trecho. Montagem, animações, motion graphics, música e efeitos sonoros, tudo saiu de praticamente um único prompt. Edição de vídeo é uma das áreas em que um modelo forte mais muda o jogo, e o segredo está menos no modelo isolado e mais na combinação certa de ferramentas.

O que o Opus 5.5 consegue fazer

Quando recebe um vídeo e uma boa instrução, o modelo consegue montar a edição, criar animações e motion graphics e trabalhar o sound design, com música e efeitos sonoros gerados por ele mesmo. Além disso, ele entende o contexto do que está sendo falado. Se percebe que falta material pra ilustrar uma ideia, captura screenshots e gera imagens ou vídeos por conta própria, sem eu precisar mandar nada.

Tudo isso sem uma sequência complexa de comandos. Eu descrevo o que quero em linguagem natural e o modelo conduz o resto.

Instalando o HyperFrames

O pré-requisito é o HyperFrames, uma biblioteca que permite ao Claude Code, ou a qualquer outro modelo, editar vídeo escrevendo HTML. Com ela dá pra cortar, dar zoom, criar motion graphics e renderizar o resultado final.

O jeito mais rápido de instalar é copiar o link do repositório no GitHub e pedir pro próprio Claude Code instalar. E isso vale pra qualquer modelo, não só pro Opus 5.5.

O prompt de edição

A ideia do prompt é simples. Envio o vídeo e peço pra editar de forma envolvente e limpa, com estilo "Apple": motion graphics e animações extremamente limpos, sem poluição visual. Esse pedido ajuda bastante a fugir da cara de vídeo genérico de IA.

O primeiro passo que deixo obrigatório é transcrever o vídeo com precisão. É a transcrição com marcação de tempo que permite posicionar corretamente motion graphics, cortes e zooms. Existem três caminhos:

• ElevenLabs: API paga, rápida e muito boa.
• Whisper: ferramenta interna do próprio ambiente, sem custo extra.
• Outro modelo: qualquer um que transcreva áudio com qualidade.

Com a transcrição pronta, instruo o modelo a criar animações que apareçam exatamente nos momentos em que certos termos são falados. Por exemplo, o logo de um modelo surge no instante em que o nome dele é dito. Também peço pra inserir elementos visuais, como b-rolls, screenshots e imagens geradas, entrando pelos lados esquerdo e direito da tela, equilibrando a composição.

Referência de ritmo e skill de estilo

Pra o modelo acertar música, trilha e emoção, passo um vídeo de referência. Não é pra copiar o design, e sim pra ele entender o ritmo, a batida, o tipo de enquadramento e a energia. Num dos testes, a análise apontou 152 bpm, com a batida mandando nos cortes.

Em seguida peço pro modelo analisar por que aquele vídeo funciona e criar uma skill reutilizável baseada nesse estilo de motion graphics. A skill analisa estrutura, ritmo, velocidade, design, movimento e batidas. Foi assim que criei a minha, e vale muito a pena você criar a sua.

Pra testar, pedi um showreel de 15 segundos sobre o YouTube, com a identidade visual inconfundível da plataforma e material do meu canal como exemplo. O modelo gerou as imagens, animou, juntou tudo no HyperFrames e renderizou.

Outros exemplos

Combinei a skill com a referência visual de um site e o resultado ficou muito bom com poucas iterações.

Outro teste foi um vídeo publicitário curto, de 20 a 25 segundos, pra uma marca de roupas, usando a Insider como exemplo. O modelo pesquisou o site da marca sozinho, entendeu logo e proposta, gerou imagens de pessoas correndo e praticando esporte na praia e colocou o nome de cada peça no canto inferior esquerdo. Para as imagens, ele usou um serviço de geração de imagem e vídeo que, pelo que entendi, é o Higgsfield, mas a grafia no áudio ficou duvidosa, então vale conferir. Também dá pra pedir a mesma peça em formato vertical, pro Instagram, mantendo a qualidade.

A edição final

Depois de gerado o motion graphic, sobreponho a imagem de mim falando, no formato picture-in-picture. Pra isso uso uma extensão que criei para o Premiere, que automatiza boa parte do trabalho:

• posicionar a janelinha do rosto em diferentes cantos ou formatos, como quadrado, wide e circular;
• criar animações de entrada e saída;
• dar destaque em elementos da tela;
• criar popups ampliando um trecho que o espectador precisaria ler;
• cortar pausas e erros automaticamente;
• adicionar legendas.

São tarefas demoradas e chatas de fazer manualmente no Premiere, e que com uma boa automação viram um clique.

Dicas para melhorar o resultado

1. Reforce a transcrição no prompt. Ela precisa ser feita com muita atenção, porque cortes, inserções e mudanças de batida dependem dela.
2. Corte o tempo morto. Os cortes servem de ponto de transição para sincronizar inserções e mudança de batida.
3. Planeje as batidas. Quanto mais claro o combinado, mais perto do que você imaginou o resultado fica, seja por um prompt claro ou por uma skill.
4. Use skills que aprendem. Baixe ou crie uma skill e, a cada showreel, peça pro modelo atualizar a skill com os aprendizados. O padrão de entrega melhora a cada uso.
5. Aproveite o loop de verificação. O Opus 5.5 já critica o próprio trabalho e só entrega depois de corrigir o que ele mesmo apontou, e isso é um dos grandes responsáveis pela qualidade.

Conclusão

Um modelo forte, o HyperFrames, uma boa transcrição e uma skill de estilo formam um conjunto capaz de criar vídeos com motion graphics, som e ritmo a partir de linguagem natural, em minutos. Algo que antes era muito difícil e demorado.