Como construir um estúdio de vídeo com IA no Claude Code

Eu transformei o Claude Code em um estúdio de cinema funcional e vou entregar a você o sistema completo: as habilidades, os prompts, os loops e o pipeline de seis estágios que os conecta

cada estágio se apoia em uma parte diferente do conjunto: habilidades para os modelos, subagentes para o volume, bash para o corte e loops projetados para tudo que se repete

hoje, estou ensinando você a produzir curtas-metragens como este usando Higgsfield Supercomputer, Claude Code e Seedance 2.0:

aqui está o que contém este artigo:

• o motor: todos os modelos em uma plataforma, e as duas formas de entrada
• estágio 1: extrair um contrato de estilo do cinema real
• estágio 2: quadros em volume, personagens e locais fixados
• estágio 3: o agente escreve cada prompt de cena
• estágio 4: movimento, e a gramática que elimina cenas congeladas
• estágio 5: a frota de subagentes rodando gerações em paralelo
• estágio 6: trilha sonora, montagem a partir de um arquivo de texto, master 4K

se você quiser o kit de produção completo por trás deste conteúdo, os painéis de prompts, a bíblia de estilo e os briefs prontos para usar dos agentes, é para isso que serve a comunidade de IA em tempo real em weeklyaiops.com

por que o loop é o produto

um take profissional costumava ser uma aposta, porque cada tentativa custava dinheiro real e dias reais, então ninguém experimentava e tudo parecia igual

o vídeo com IA colapsou esse loop: descreva uma cena, gere-a em minutos, assista, mude três palavras, regenere

o custo de tentar caiu tanto que tentar de tudo se tornou a estratégia

mas um loop colapsado só compensa se algo o executar para você, porque cinquenta ciclos por cena em vinte cenas são mil decisões, e um humano clicando em um botão de gerar mil vezes é um operador muito cansado, e o trabalho ainda entrega porcaria

então o sistema divide o trabalho em dois:

• você é dono do gosto: quais quadros parecem certos, quais cenas sobrevivem, o que o filme quer ser
• o agente é dono da vazão: escrever prompts, enviar gerações, consultar jobs, repetir falhas, montar cortes

o nome para essa habilidade na linha do tempo agora é engenharia de loops, e estamos usando isso nesta configuração

um loop de agente é um trabalho que o agente repete até que uma condição seja atendida, e esta produção tem loops aninhados em três níveis:

• o loop da cena: gerar, assistir, mudar uma variável, regenerar, até que a cena mereça seu lugar
• o loop da frota: percorrer a lista de cenas, enviar onde quer que uma vaga apareça, coletar os vencedores
• o loop da sessão: registrar cada geração, para que a próxima produção comece de tudo que esta aprendeu

você projeta os loops uma vez e o agente os executa a noite toda, que é a diferença entre usar um modelo e administrar um estúdio

todo "filme feito por agente" que você verá, este incluído, se divide exatamente assim: o agente planeja, cria prompts e tenta novamente, um humano escolhe e dirige

ninguém mostrou um filme assistível feito por um agente do início ao fim sem envolvimento humano, e o sistema abaixo não finge ser um

geração barata não tornou o vídeo bom fácil... ela moveu todo o trabalho para o gosto

tudo que se segue é construído em torno dessa frase

o motor: uma plataforma, duas portas

esta produção lida com modelos de imagem, modelos de vídeo, geração de música e upscaling, a passagem que eleva o material finalizado para 4K, o que normalmente significa cinco assinaturas, cinco abas, cinco filas de renderização e cinco lugares para perder um arquivo

a Higgsfield coloca praticamente todos os modelos em uma superfície, atrás de um único login e pool de créditos, e a plataforma inteira é construída para uso agêntico, que é exatamente o que este sistema precisa, porque um agente não pode gerenciar cinco logins separados

existem duas portas para entrar:

• Supercomputer é a porta fácil: um agente que roda na própria plataforma, planeja sua produção, escolhe o melhor modelo para cada tarefa por conta própria e monta suas cenas, você descreve o que quer e ele lida com o roteamento, e ele roda em habilidades da mesma forma que o Claude Code, então se você não vive em um terminal, comece aqui
• a CLI é a porta de controle: ela torna cada modelo endereçável a partir do Claude Code ou de qualquer conjunto que você já execute, o que significa que seu próprio agente detém todo o pipeline, o que é gerado, quando, com qual modelo, em que ordem

e se você é novo em vídeo com IA e não tem ideia de quantas iterações uma boa cena leva, o Supercomputer não custa nada para rodar: planejamento, teste e retrabalho gastam zero créditos, você só paga quando renderiza o vídeo final, então o plano gratuito cobre toda a exploração

a configuração da CLI são três comandos:

• npm install -g @higgsfield/cli
• higgsfield auth login
• npx skills add higgsfield-ai/skills

o pacote de habilidades ensina o Claude Code quando alcançar qual modelo, como manter os personagens consistentes e como enviar e consultar jobs, então a partir deste ponto seu terminal é o estúdio

um comando envia qualquer modelo e espera pelo resultado:

• higgsfield generate create seedance_2_0 --prompt "dolly lento para dentro enquanto a vela se rasga" --start-image ./frame.png --duration 5 --resolution 1080p --wait

troque o nome do modelo e essa mesma estrutura cobre toda a produção: gpt_image_2 para quadros, nano_banana_2 para edições de personagem, sonilo_music com --duration para a trilha, o upscaler para o master 4K

as flags que carregam o pipeline:

• --start-image define o primeiro quadro para imagem-para-vídeo, e um caminho de arquivo local faz o upload sozinho
• --end-image fixa o último quadro, que é como as cenas em cadeia se conectam
• --wait bloqueia até que o clipe termine e imprime a URL do resultado, e --json torna a saída legível para um agente
• higgsfield model list --json mostra todos os modelos que você pode chamar, e higgsfield model get seedance_2_0 --json mostra as configurações exatas que um aceita

e rodar tudo a partir do Claude Code leva um arquivo de texto, não uma integração:

• escreva as regras de roteamento no CLAUDE.md do seu projeto: qual modelo por tipo de trabalho, a escada de resolução, o limite de concorrência
• o agente lê as regras uma vez e todo subagente que ele cria as herda
• as gerações são enviadas via bash, verificadas com higgsfield generate get, e registradas em um arquivo por execução

tudo abaixo passa por essa porta

estágio 1: extraia o gosto do cinema, não o invente

a maneira mais rápida de trazer gosto para o vídeo com IA é parar de descrever humores da imaginação e começar a extraí-los de cenas que já funcionaram com milhões de pessoas

suas fontes, salve estas:

• frameset.app para fotos de filmes e vídeos, pesquisáveis por lente, iluminação, movimento
• shotdeck.com e fancaps.net para fotos quadro a quadro de quase qualquer filme
• savee.com e cosmos.so para imagens e quadros de humor
• eyecannndy.com para transições e técnica de câmera

escolha de cinco a dez cenas que carreguem exatamente o sentimento que você quer

então execute o movimento de extração: alimente cada cena para um modelo de visão como o Gemini 3.1 Pro e peça que ele nomeie os parâmetros da cena em detalhes extremos... sensação de lente, direção e fonte da luz, paleta, granulação, contraste, bloqueio, atmosfera, marcadores de época

a saída se torna o que chamo de contrato de estilo: um parágrafo fixo de linguagem visual que é colado em todo prompt de imagem e vídeo do projeto, palavra por palavra, para que toda geração puxe para o mesmo filme

porque você não está mais esperando que um modelo entenda "cinematográfico"

você está entregando a ele os ingredientes medidos de uma cena que já emocionou pessoas

"cinematográfico" sozinho é a palavra mais desperdiçada em vídeo com IA, os modelos já viram dez milhões de imagens marcadas com ela, então não significa nada... pares de reforço são o que funcionam: "iluminação quente motivada, granulação 35mm, profundidade de campo rasa, pretos elevados"

esse único parágrafo decide como tudo a jusante se parece

estágio 2: quadros antes do movimento, sempre

nunca gere vídeo a partir da imaginação

gere quadros estáticos até que o quadro esteja certo, então anime o vencedor, porque um quadro custa uma fração de um clipe e leva segundos em vez de minutos, então toda sua exploração acontece na camada barata

a passagem de quadros se parece com isso:

• execute o mesmo resumo de cena através de vários modelos de difusão lado a lado com seu contrato de estilo anexado, e em uma superfície isso é trivial: mesmo prompt, cinco modelos, compare
• tente MUITOS quadros por batida, diferentes composições, diferentes momentos dentro da cena, diferentes climas
• refine os vencedores: Nano Banana para edições cirúrgicas e passes de consistência, Soul Cinema para looks fotográficos de personagem, GPT-Images-2 para direção de arte densa
• fixe o que deve permanecer idêntico: uma folha de referência por personagem (frente, três quartos, perfil, recortados separadamente, porque grades confundem os modelos de vídeo fazendo-os ler painéis como pessoas diferentes), uma folha separada por guarda-roupa ou mudança de estado, folhas de múltiplos ângulos por local

esta passagem também é onde o Supercomputer ganha seu valor se você preferir não conduzi-lo sozinho: ele testa o mesmo resumo através de modelos por conta própria, olha as saídas e itera sem você monitorar nada

três regras de quadro que decidem mais do que qualquer escolha de ferramenta:

• objetos seguram emoção melhor que rostos, porque rostos derivam entre gerações e objetos se fixam, então quando uma batida da história pode cair em uma vela rasgada ou um remo quebrado em vez de uma expressão, entregue-a ao objeto
• uma coisa impossível em um lugar normal é a composição que para um scroll
• dê ao personagem um custo: uma figura andando é filmagem, uma figura mancando em direção a algo é uma história

os quadros são apenas metade do trabalho, no entanto, porque um quadro bonito que não se move ainda é porcaria...

estágio 3: o agente escreve os roteiros das cenas

toda cena precisa de um prompt, e escrever prompts em volume é exatamente o trabalho que você delega

Eu uso o Fable 5 Medium como escritor de roteiro: ele pega a folha de batidas e o contrato de estilo e escreve o prompt de cada cena em um modelo fixo... contexto da cena, referências, bloqueio, câmera, iluminação, áudio, travas de estilo, mesma ordem sempre

fixo, porque consistência entre cenas vem de imagens de referência repetidas e linguagem repetida, nunca de sementes ou sorte

as regras de prompt que os roteiros seguem, cada uma digna de ser roubada por si só:

• um verbo por cena: "ele vira" gera, "ele vira, anda para frente, estende a mão e fala" colapsa
• cinco pequenas ações funcionam melhor que um adjetivo: "olhar vazio, piscada lenta, bebe café, olha para cima" lê-se como uma pessoa, "ele parece confuso" lê-se como uma foto de stock
• movimento do sujeito e movimento da câmera sempre recebem frases separadas, porque uma cláusula carregando ambos é como você obtém a bobagem tremedeira que todos culpam no modelo
• prompts que geram apenas a partir de texto têm de 120 a 280 palavras, prompts que animam uma imagem de referência ficam abaixo de 80, porque além disso o texto começa a lutar contra a imagem e seu personagem deriva
• restrições permanecem positivas: "imagem estável, nitidez nítida" funciona, "sem desfoque, sem tremor" é ignorado

estágio 4: movimento, e a gramática que elimina cenas congeladas

agora os clipes

cada quadro-chave, o quadro fixo que você construiu no estágio 2, passa pelo Seedance 2.0 imagem-para-vídeo, que transforma aquele quadro em um clipe em movimento, como uma cena isolada de 3 a 5 segundos, e um minuto de filme são 12 a 16 desses costurados, que é como todo filme real funciona de qualquer forma... um editor corta cenas, não takes

o isolamento da cena também é o truque de consistência: a deriva de identidade aparece após 30 segundos de cena contínua, e batidas isoladas nunca chegam lá

minhas duas primeiras passagens de movimento falharam da mesma forma: figuras paradas congeladas enquanto a câmera derivava além delas, clipes que tecnicamente se moviam e visivelmente não faziam nada

a correção é uma gramática, três partes, em todo prompt imagem-para-vídeo:

• um movimento de câmera nomeado
• um evento dentro da cena: algo ACONTECE durante os cinco segundos
• um explícito "sem figuras congeladas"

mesmo quadro-chave, dois prompts: "dolly lento para dentro, cinematográfico" te dá uma imagem estática que deriva, "dolly lento para dentro enquanto a vela se rasga e a tripulação corre para pegá-la" te dá um filme

duas técnicas de movimento que valem toda a seção:

• cenas em cadeia: o último quadro da cena N se torna o quadro de referência da cena N+1, então a continuidade avança sem que uma única folha de personagem seja recarregada
• marque o clímax dentro de uma geração: [0-4s] amplo e estático, [4-8s] aproximação conforme a tensão aumenta, [8-12s] close-up no pico, [12-15s] a revelação, então você está dirigindo cortes dentro de um único clipe

um bom clipe é uma amostra, no entanto, um filme precisa de sessenta deles, e isso é um problema de volume

estágio 5: a frota

este é o estágio onde o Claude Code ganha a palavra estúdio

uma sessão orquestradora é dona da lista de cenas

ela cria subagentes por família de cena... criaturas, água, interiores, ação... e cada subagente escreve seus próprios prompts a partir do contrato de estilo, envia suas gerações através da CLI, consulta seus jobs e reporta de volta seus vencedores

como todo modelo é endereçável a partir do mesmo terminal, a frota cobre toda a lista de cenas em paralelo, através de modelos, enquanto você faz outra coisa

a frota vive ou morre em uma regra pouco glamorosa... respeite a concorrência

modelos de vídeo limitam quantos jobs rodam ao mesmo tempo, então o agente verifica jobs ativos e envia apenas quando uma vaga libera

um agente que limita termina durante a noite... um loop ingênuo morre em limites de taxa uma hora depois, o que é correto, o limite é o que torna a execução noturna previsível

disciplina de iteração para a frota: 3 a 4 candidatos por cena, então mude UMA variável por passagem... a câmera, a iluminação ou a velocidade, nunca uma reescrita completa, porque uma falha na qual você mudou cinco coisas não te ensina nada

e o agente registra toda geração: prompt, modelo, resultado, mantido ou descartado

sua produção se torna um banco de dados, e a produção número dois começa de tudo que a número um aprendeu

estágio 6: montagem como código

a montagem é menor do que você pensa

• música primeiro: faça um brief da trilha sonora contra o arco emocional do corte em movimentos, não humores (construção, pico, calmaria, resolução), gerada em uma passagem, então corte a edição para a trilha
• o corte em si é um arquivo de texto: uma linha por clipe com sua duração e uma flag de áudio, e o ffmpeg, a ferramenta de linha de comando gratuita de vídeo que o Claude Code já sabe usar, lê o arquivo e renderiza o filme

cada linha desse arquivo é um nome de cena, os segundos a manter e uma flag de áudio... 17-scylla-deck está no arquivo do meu último corte com seu áudio marcado como mudo, porque seu grito gerado lutou contra as cordas, e a ambiência do mar duas linhas depois permanece ativa porque vende a cena

o áudio por clipe é silenciado exatamente onde colide com a trilha, mantido onde quer que adicione realismo

o que significa que toda a edição é reproduzível e mutável em segundos, sem software de timeline, sem editor

• faça upscale uma vez, no final, no corte finalizado, nunca em clipes individuais
• gere em 720p enquanto explora, 1080p para os mantidos, 4K apenas para o master final, e você para na resolução mais baixa que responde à pergunta que está fazendo

se usar o ffmpeg e um upscaler a partir de um terminal é mais pipeline do que você deseja, este estágio também é território do Supercomputer: entregue a ele os clipes vencedores e ele monta o corte e renderiza o master 4K sozinho

e a última passagem de corte é pura honestidade: qualquer clipe onde você checaria seu telefone é deletado, custe o que custar

para que serve este sistema de fato

o filme é a demonstração... o sistema é o ativo

os mesmos seis estágios produzem anúncios de produto, UGC em volume, filmes de marca, vídeos de lançamento, porque nada no pipeline sabe que está fazendo um filme

e um sistema estabelecido vence em velocidade: quando um momento atinge seu nicho, a janela é medida em horas, e um operador com um contrato de estilo, personagens fixos e uma frota de geração publica enquanto todos os outros estão abrindo abas

a construção toda, comprimida:

1. extraia um contrato de estilo do cinema real com um modelo de visão
2. gere quadros em volume através de vários modelos de difusão, refine, fixe personagens e locais em folhas
3. Fable 5 Medium escreve todo prompt de cena a partir de um modelo fixo
4. Seedance 2.0 anima quadros-chave como cenas isoladas de 3 a 5s: movimento de câmera + evento + sem figuras congeladas
5. subagentes rodam as gerações em paralelo através da CLI da Higgsfield, com limitação, registradas
6. trilha sonora, corte a partir de um arquivo de texto com ffmpeg, faça upscale do master uma vez

pule o estágio 1 e todo outro estágio produz belas imagens de nada em particular

o primeiro filme deste sistema levou uma sessão noturna... o seu começa na noite em que você instala a CLI...

ou dê uma chance ao Higgsfield Supercomputer gratuitamente (a Higgsfield AI está patrocinando este artigo, mas essa coisa é genuinamente impressionante) - ele é capaz de trabalhar autonomamente, desde planejar cenas, escrever prompts, escolher modelos até uma produção final

todo mundo lendo isso pode alugar os mesmos modelos, então o filme é tão bom quanto o que você alimenta o sistema

gosto entra, filme sai