Como criar fluxos de IA para imagens e vídeos

Por que a IA ainda não gera imagens perfeitas sozinha

Muitos profissionais de marketing se perguntam por que as imagens geradas por inteligência artificial parecem boas nas demonstrações, mas ficam sem qualidade quando tentam reproduzir o resultado. Segundo o especialista Jerrod Lew, o erro mais comum é acreditar que basta apertar um botão para criar algo pronto para uma grande campanha publicitária.

Os vídeos impressionantes mostrados nos lançamentos de ferramentas de IA são produzidos por pessoas com experiência profissional em cinema, que passaram horas trabalhando neles. Esses criadores tinham uma visão criativa antes mesmo de abrir o software. As ferramentas de IA para imagem e vídeo funcionam como programas tradicionais de edição, como Premiere Pro ou After Effects: elas precisam de direção. Sem uma visão clara, não produzem nada útil.

O lado humano continua sendo essencial no início de qualquer processo criativo. O criador precisa saber qual história quer contar, qual marca representa e qual resultado deseja alcançar. Por outro lado, para quem tinha uma história para contar mas não dominava as técnicas visuais, a IA remove essa barreira. Basta ter uma ideia, um produto ou um hábito de escrita para começar a produzir conteúdo visual profissional pelo celular ou notebook.

Ferramentas de vídeo em destaque

No evento Google I/O, realizado em maio de 2026, o Google apresentou uma atualização do Google Flow, seu ambiente de produção criativa. A ferramenta agora é organizada por projetos, permitindo que o usuário reúna imagens, vídeos, referências de personagens e diretrizes de marca em um único local compartilhável. Um novo assistente conversacional permite que o usuário descreva suas necessidades em linguagem comum, sem precisar configurar parâmetros técnicos.

A novidade mais relevante foi o Omni Flash, um modelo multimídia descrito como o equivalente em vídeo do Imagen 2. Ele aceita roteiros, prompts de texto e vídeos existentes, e responde a comandos em linguagem natural para fazer edições específicas, como remover elementos de uma cena ou mudar o estilo visual. O modelo já está disponível no Gemini e deve ser integrado ao Google Docs, Apresentações e outros serviços.

O modelo de vídeo mais bem avaliado por Jerrod é o Seedance 2.0, da ByteDance. Ele aceita prompts de texto, imagens de referência e vídeos existentes, além de gerar áudio, diálogos e sons de fundo junto com as imagens. O Kling 3.0 aparece em segundo lugar e se destaca por gerar vídeos realistas de pessoas a partir de fotos de referência, com suporte para exportação em 1080p e 4K.

Ferramentas de imagem

Na geração de imagens, a disputa fica entre Imagen 2, do Google, e ChatGPT Images 2.0. Este último leva vantagem por renderizar textos longos e coerentes dentro das imagens, o que é útil para storyboards e documentos de animação. Jerrod usa a ferramenta diariamente para criar miniaturas de vídeos no YouTube, imagens para newsletters e anúncios de eventos.

Para quem quer acesso a várias ferramentas sem pagar por cada uma separadamente, a recomendação é usar um agregador de plataformas. O Magnific, antigo Freepik, reúne mais de uma dezena de ferramentas de imagem e vídeo em uma única assinatura, com preços entre US$ 10 e US$ 100 por mês. A plataforma tem um recurso chamado Spaces, que permite criar fluxos de trabalho visuais conectando nós de geração de imagem, áudio e vídeo em sequências automatizadas.

Jerrod usou esse sistema para criar suas miniaturas: enviou fotos de referência, gerou diferentes ângulos com Imagen 2, levou as imagens para o ChatGPT Images para composição e texto, e rodou 30 variações ao mesmo tempo. Das 30 opções, escolheu 5 que melhor representavam sua marca, que viraram o padrão visual para todo o conteúdo futuro.

A base da marca vem antes da IA

Antes de usar qualquer ferramenta de IA, o trabalho inicial continua sendo definir a identidade da marca, o público-alvo e os elementos visuais básicos, como paleta de cores, fontes e logotipo. Sem essa base, as ferramentas produzem resultados que não mantêm consistência entre as peças. Jerrod trabalhou com uma marca de moda que não tinha um guia de estilo definido e usou o CoreDesigner, que cria guias de estilo a partir de materiais existentes da marca, para organizar tudo antes da geração de imagens.