O motor que produz os vídeos

Os vídeos do canal no YouTube saem de um pipeline, não de um editor de vídeo. O primeiro episódio publicado foi A IA acertou as regras. O bug era nosso.

Problema

Publicar um episódio técnico por semana sem equipe de edição. E sem cair nos dois defeitos mais comuns de vídeo sobre IA: estética genérica e afirmação que ninguém conferiu — o terminal montado para parecer real, o número arredondado para soar melhor.

Hipótese

Se o vídeo for código, a produção pode ser tratada como engenharia: roteiro, cenas e legendas viram dados versionados, e o que hoje é "conferir com atenção" vira verificação automática.

E se toda tela de terminal vier de uma execução real, gravada, a honestidade deixa de depender de boa vontade. Passa a ser checável.

Arquitetura

As cenas são páginas HTML renderizadas quadro a quadro em vídeo pelo HyperFrames, com Chrome sem interface e FFmpeg. O Claude Code orquestra o processo, com cinco subagentes de papéis separados: pesquisa, revisão técnica, edição do texto, direção de vídeo e revisão de qualidade.

O caminho de um episódio:

1. Demo real. O experimento roda isolado num contêiner, e cada saída de terminal é capturada em arquivo.
2. Roteiro e narração. A narração é sintetizada, e o alinhamento da síntese devolve o tempo exato de cada palavra.
3. Storyboard como dado. Cada cena fica ancorada numa frase real da narração. Mudou o texto, as cenas se reposicionam sozinhas.
4. Componentes. Onze peças reutilizáveis: terminal, bloco de código, cartão, diagrama de fluxo, antes e depois, captura de fonte oficial.
5. Render, masterização e conferência. O áudio é normalizado para o padrão do YouTube, e a sincronia entre voz e imagem é medida antes de publicar.

O mesmo pipeline gera o post e o carrossel do Instagram a partir de quadros reais do episódio.

Implementação

O que vale registro são as verificações que viraram script:

• Fidelidade: todo texto de terminal que aparece na tela precisa existir, literalmente, nas capturas da demo. Na primeira execução, a checagem já pegou um comando sem captura.
• Sincronia: compara os pontos em que a fala retoma depois de cada pausa, no render e na narração original. Foi testada com negativos de propósito: áudio 10% mais rápido, atraso de 200 ms, áudio de outro vídeo.
• Pronúncia: a voz sintetizada às vezes lia "IA" em inglês. A checagem mede a vogal pelo espectro do áudio, porque a transcrição automática escreve "IA" nos dois casos e não percebe.

A narração é gerada por blocos com cache. Corrigir uma frase regera só o bloco que mudou.

Resultado

O primeiro episódio saiu em 28 de outubro de 2026, com 10 minutos e 45 segundos. Antes disso, a revisão de qualidade bloqueou a publicação três vezes. A última por duas afirmações falsas que nasceram na própria revisão de clareza — uma delas comparava duas execuções feitas em condições diferentes.

O código da demo não é público, por decisão. Nada no vídeo promete código: o passo a passo da descrição ensina a montar o harness no projeto de quem assiste.

Aprendizados

As nossas regras deixaram a narração mecânica. O texto estava correto e soava como máquina: 7,4 palavras por frase, quase quatro reticências por minuto, nenhum "eu". A causa estava no guia de voz que nós escrevemos. Virou métrica, comparada com vídeos de referência.

Um pipe escondeu uma falha. Um render com --quiet | tail falhou em 25% e pareceu ter dado certo, porque o código de saída era o do tail. A causa da falha original ainda não foi confirmada.

Configuração esquecida vence configuração declarada. Uma variável antiga no .env trocou o modelo de voz em silêncio, e a narração saiu com 43 pausas longas. Agora o script avisa quando ignora o .env e imprime o modelo usado.

A verificação também precisa de teste negativo. A checagem de sincronia deixava passar 30 segundos mudos no meio do vídeo. Quem pegou foi um teste feito para ela falhar.

Hipótese refutada é conteúdo. O primeiro episódio foi montado apostando que a IA erraria as regras. Ela não errou — e isso virou o centro do roteiro.