Vídeo com IA: a produção por agentes em 2026

Entre julho e outubro de 2026, o vídeo feito com IA passou a ser montado por agentes de código que chamam serviços por API, e o mapa de fornecedores mudou quase todo mês. A OpenAI desligou a API do Sora em 24/09/2026, o Google tirou do Gemini API as prévias do Veo 3.1 em 22/10/2026 e o Kling 4.0 chegou à API da Runway em 23/10/2026. Na mesma janela, a ElevenLabs lançou o Eleven v4 e a União Europeia passou a exigir, desde 02/08/2026, aviso em vídeo que imita pessoa ou fato real.

Por Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA e cofundador da AI Brasil, ex-CMO da Semantix (Nasdaq) · Outubro 2026

Atualizado em .

Este artigo amplia o curso Vídeo com IA: Claude Code, Codex e ElevenLabs, revisado em 24/10/2026, que ensina quem decide a aprovar um roteiro de uma página, uma amostra de 20 segundos e o custo por minuto antes de encomendar o lote. Agente de código é o assistente que lê e escreve arquivos numa pasta e roda comandos no computador; no vídeo, ele escreve o roteiro, chama os serviços de voz e de cena e monta o arquivo final. Aqui entram as mudanças publicadas pelos fornecedores de julho a 30/10/2026, o efeito delas no orçamento de aulas, Reels e vídeos de produto e o que se pode esperar até meados de 2027, com fato datado separado de leitura.

O que mudou entre julho e outubro de 2026?

  1. 30/07/2026Runway aposenta dois modelos de vídeo na API

    Pedidos com Gen-3 Alpha Turbo e Gen-4 Aleph passam a falhar. A troca indicada é o Gen-4.5, o Gen-4 Turbo ou o Aleph 2.0, e todo script que guardava o identificador antigo para no meio do lote.

  2. 02/08/2026Transparência do AI Act passa a valer

    As obrigações do artigo 50 do regulamento europeu de IA entram em aplicação: quem fornece o gerador marca a saída em formato legível por máquina, e quem publica deepfake avisa que o conteúdo foi gerado ou manipulado.

  3. 10/08/2026ElevenLabs lança a dublagem v2 (Dubbing v2)

    A nova API (a porta pela qual um programa pede o serviço) traduz áudio e vídeo para mais de 90 idiomas e ganhou rotas para corrigir em lote os trechos de origem e de destino antes de gerar a versão final.

  4. 27/08/2026Gemini Omni 1.1 Flash em disponibilidade geral

    O Google publica no Gemini API a versão estável do seu modelo rápido de geração e edição de vídeo por conversa, com o identificador gemini-omni-1.1-flash e sem data de retirada anunciada.

  5. 24/09/2026OpenAI tira o Sora da API

    Os modelos sora-2 e sora-2-pro saem da API seis meses depois do aviso de 24/03/2026, e a tabela de descontinuação da OpenAI não lista substituto.

  6. 28/09/2026Eleven v4 chega com o Scribe editável por instrução

    O Eleven v4 e o v4 Turbo prometem fala mais expressiva e clonagem melhor em mais de 90 idiomas. No mesmo dia, a transcrição passou a aceitar instruções de edição em linguagem comum, com até 2.000 caracteres.

  7. 13/10 e 23/10/2026Kling entra na Runway, e o Kling 4.0 vem logo depois

    Primeiro chegam o Kling 2.5 Turbo Pro, o 3.0 e o O3; dez dias depois, o Kling 4.0, com clipes de 3 a 30 segundos, áudio incluído e edição de vídeo de origem.

  8. 22/10/2026Prévias do Veo 3.1 saem do Gemini API

    Deixam de responder veo-3.1-generate-preview, a versão fast, a lite e o gemini-omni-flash-preview. O substituto indicado pelo Google é o gemini-omni-1.1-flash.

Dois movimentos atravessam a lista. Os modelos de cena trocam de identificador em semanas, e o acesso migra para intermediários que reúnem vários fabricantes numa conta. A Runway vende Kling, Seedance, Veo, Grok Imagine e Gemini Omni na mesma tabela de créditos, e a ElevenLabs (empresa de voz sintética que também revende modelos de vídeo) avisou em 23/09/2026 que a chinesa ByteDance (dona do TikTok) retira o Seedance 1.5 Pro em 11/11/2026. Desde 26/10/2026, pedido a modelo aposentado na ElevenLabs falha antes de gerar e já informa o substituto. O curso trata disso no capítulo “Saiba quem faz cada etapa do vídeo e o que saiu do ar em 2026”, que manda conferir se o serviço ainda existe antes de contratar.

Por que o agente de código passou a dirigir o vídeo?

Vídeo programático é o vídeo descrito em código, com cenas, textos, tempos e dados, que um programa transforma em arquivo MP4, etapa chamada renderização. Como o agente lida melhor com código do que com linha do tempo, esse formato virou a porta de entrada dele na produção. Duas ferramentas dividem a preferência: o Remotion, que monta vídeo com componentes React, e o HyperFrames, da HeyGen, que grava páginas HTML como vídeo usando um Chrome sem janela e o FFmpeg.

O ritmo das duas é diferente. O repositório do HyperFrames (o código aberto do projeto no GitHub) foi criado em 10/03/2026, usa licença Apache 2.0 e passou da versão 0.7.23, de 1º de julho, para a 0.8.222, publicada em 30/10/2026, somando 75.993 estrelas no GitHub nesse dia. O Remotion publicou 55 versões no mesmo período, até a 4.0.539, de 26/10/2026. A licença dele é gratuita para pessoa física, empresa com até três funcionários e organização sem fins lucrativos; acima disso, a empresa precisa de licença paga, e o próprio arquivo de licença avisa que os termos mudam no Remotion 5.0.

A segunda mudança está na edição. Edição por transcrição é cortar o vídeo pelo texto da fala: o serviço de reconhecimento devolve cada palavra com o seu tempo, o agente marca pausas e repetições e um comando de FFmpeg remove os trechos. Na demonstração do curso, 30 segundos viram 22 sem três pausas e uma repetição. Desde 28/09/2026, o Scribe aceita a instrução de edição escrita em linguagem comum, e em 19/10/2026 a dublagem passou a entregar a legenda de cada idioma em WebVTT, o formato de legenda da web.

A terceira mudança é a ligação entre agente e fornecedor. O MCP (Model Context Protocol) é o padrão que expõe as funções de um serviço como ferramentas que o agente pode chamar. Em 22/08/2026, a ElevenLabs (fornecedora de voz, dublagem e trilha) arquivou o servidor MCP local e passou a oferecer um servidor hospedado, com login OAuth e sem chave de API no computador; desde 28/09/2026, a lista de ferramentas mostra se cada uma está aprovada ou pede revisão. O artigo sobre como governar agentes ligados à empresa por MCP detalha as permissões.

Para escolher a ferramenta de montagem de cada peça:

Quanto custa cada etapa em outubro de 2026?

Cada papel da produção cobra numa unidade própria, e é isso que confunde o orçamento. A voz cobra por caractere, a transcrição por hora, a dublagem e a trilha por minuto e a cena gerada por segundo. A tabela traz os preços de lista consultados em 30/10/2026, sem impostos. As quatro primeiras linhas são da ElevenLabs (voz, transcrição, dublagem e trilha), e as três de cena são vendidas pela Runway, a intermediária que cobra em créditos de US$ 0,01.

EtapaServiço e modeloUnidadePreço de lista em dólares
NarraçãoEleven v4 / v4 TurboMil caracteres0,08 / 0,04
Transcrição e legendaScribe v2Hora de áudio0,22
DublagemDubbing v2Minuto2,20
TrilhaMusicMinuto0,15
Cena com áudioKling 4.0 na Runway, 720pSegundo0,157 (15,7 créditos); 0,1256 até 30/11/2026
Cena geralGemini Omni 1.1 Flash na Runway, 720pSegundo0,10 (10 créditos)
Plano de apoio baratoGrok Imagine Video 1.5 Lite na Runway, 720pSegundo0,03 (3 créditos)
MontagemHyperFrames (HTML) / Remotion (React)LicençaApache 2.0 / gratuita até três funcionários

Exemplo hipotético: um Reels de 60 segundos com 900 caracteres de narração no Eleven v4, 12 segundos de cena gerada no Kling 4.0 a 720p, um minuto de trilha e a transcrição para a legenda. Pelos preços de lista, a narração custa cerca de US$ 0,07, as cenas cerca de US$ 1,89, a trilha US$ 0,15 e a transcrição menos de um centavo. São cerca de US$ 2,11 por tentativa, antes das tomadas descartadas e da hora de revisão humana, que também entram no custo por minuto.

O custo escondido está no armazenamento. A Runway avisa que os links de saída expiram de 24 a 48 horas depois do acesso e pede que o cliente baixe e guarde o arquivo, e o link da legenda gerada pela dublagem da ElevenLabs (arquivo WebVTT) expira em uma hora. Um pipeline que não baixa na hora perde a tomada paga. Guarde o bruto e as cenas fora do repositório de código, num armazenamento de objetos com prazo de retenção, e mantenha no projeto só o roteiro, os metadados e o código das cenas.

Que regras de rótulo e consentimento valem agora?

Na União Europeia, o artigo 50 do AI Act se aplica desde 02/08/2026. Quem publica deepfake, isto é, áudio, imagem ou vídeo que imita pessoa, lugar ou fato real a ponto de parecer autêntico, precisa avisar que o conteúdo foi gerado ou manipulado. Em obra claramente artística, criativa, satírica ou de ficção, o aviso se limita a informar a existência do conteúdo sem atrapalhar a exibição. O código de práticas sobre marcação e rotulagem, publicado em 10/06/2026, oferece ícones da UE para esse aviso e foi reconhecido pela Comissão como ferramenta voluntária de conformidade.

No YouTube, a declaração é exigida quando o conteúdo realista mostra pessoa real dizendo ou fazendo o que não fez, altera evento ou lugar real, cria cena realista que não aconteceu ou traz música gerada como foco. Roteiro, título e miniatura feitos com ajuda de IA dispensam o aviso, assim como clonar a própria voz para narrar. A plataforma pode aplicar o rótulo sozinha quando o arquivo traz metadados C2PA, o padrão que registra a origem de uma mídia, e nesse caso o criador não consegue retirá-lo. Por API, a declaração vai no campo status.containsSyntheticMedia, disponível desde 30/10/2024.

No Brasil, o TSE aprovou em 02/03/2026 a atualização da Resolução 23.610/2019 para as eleições de 2026: propaganda com conteúdo sintético precisa informar a manipulação “de modo explícito, destacado e acessível”, e conteúdo novo desse tipo fica restrito nas 72 horas anteriores e nas 24 horas posteriores à votação, mesmo rotulado. Empresa que publica vídeo com figura pública deve conhecer a regra. Para a voz de funcionários, a autorização para clonar deve passar pelo jurídico antes da primeira gravação.

Do lado do fornecedor, a política de uso da ElevenLabs (Prohibited Use Policy), atualizada em 09/10/2026, lista como uso proibido clonar ou imitar a voz, a identidade ou a semelhança de pessoa viva sem consentimento explícito, e imitar candidatos e autoridades sem autorização. O curso dedica o capítulo “Use uma voz autorizada: clone com consentimento ou voz criada” à ficha que registra de quem é a voz, para que uso e até quando.

O que fazer na segunda-feira?

O que medir em cada peça?

O que evitar?

A revisão quadro a quadro com dois agentes que conferem um ao outro aparece no artigo sobre produção e revisão de cursos com IA, e o uso do NotebookLM para gerar vídeo-aula e podcast a partir de fontes está no texto sobre NotebookLM e criação de conteúdo.

O que esperar até meados de 2027?

Algumas datas já estão marcadas. O desconto de 20% do Kling 4.0 na Runway vale até 30/11/2026, e o preço de lista volta em dezembro de 2026. Na ElevenLabs, as rotas antigas de dublagem (/v1/dubbing) estão marcadas como obsoletas desde 26/10/2026. A tabela de descontinuação do Gemini API avisa que as datas publicadas são as mais cedo possíveis, e o Remotion já anunciou mudança de licença na versão 5.0, ainda sem data.

Leitura deste artigo, sem fonte que a confirme: a escolha de fornecedor tende a se deslocar do modelo para o intermediário, porque o modelo muda em semanas e o contrato dura um ano. O rótulo automático por metadado de origem deve se espalhar, já que o YouTube aplica o C2PA e o código europeu pede marcação legível por máquina.

Perguntas frequentes

Quatro dúvidas comuns de quem decide produzir aula, Reels ou vídeo de produto com agentes.

Ainda dá para gerar vídeo pela API da OpenAI?

Não. A OpenAI removeu a Videos API e os modelos Sora 2 em 24/09/2026, sem substituto listado. Para gerar cenas por API em outubro de 2026, as opções incluem o Gemini Omni 1.1 Flash no Gemini API e o Kling, o Seedance e o Grok Imagine pela Runway.

Preciso rotular no YouTube o vídeo feito com IA?

Sim, quando o conteúdo é realista e mostra pessoa real fazendo o que não fez, altera evento ou lugar real, cria cena realista que não aconteceu ou tem música gerada como foco. Roteiro, título, legenda, correção de cor e narração com a própria voz clonada dispensam o aviso.

Posso clonar a voz do CEO para narrar comunicados?

Pode, com autorização escrita que diga finalidade, canais e prazo. A política da ElevenLabs proíbe clonar voz de pessoa viva sem consentimento explícito. Sem autorização, o caminho é uma voz original criada por descrição.

Remotion ou HyperFrames: qual escolher?

O Remotion serve a quem já usa React e produz séries a partir de um modelo com dados trocados; a licença é gratuita até três funcionários. O HyperFrames é o projeto aberto que monta cenas como páginas HTML, tem licença Apache 2.0 e serve a quem aprova pela prévia do navegador. Nada impede usar os dois na mesma equipe, com o FFmpeg para os cortes.

Leia também na série

Os 28 capítulos do curso Vídeo com IA: Claude Code, Codex e ElevenLabs seguem a ordem desta lista, do roteiro aprovado à publicação privada por API, e os demais cursos estão no hub de educação. Para quem quer entender agentes que agem com agenda própria, o artigo sobre agentes de IA autônomos em outubro de 2026 trata dessa camada.

Antes de encomendar a próxima peça, abra o catálogo de modelos da equipe, risque o que saiu do ar em 2026, escreva o teto de gasto por minuto final e marque na agenda a próxima conferência de preços, que neste mercado cabe a cada mês.

Fontes