Vídeo publicitário com IA: passo a passo e custos

Um vídeo publicitário com IA sai de uma cadeia de cinco ferramentas: modelo 3D do produto, referência visual, imagem-base gerada e corrigida no ChatGPT, animação no Seedance 2.5 dentro do Higgsfield e upscale para 4K. Neste artigo mostro o passo a passo do vídeo Stanley Time, com prompts, prints e o custo de cada etapa.

O vídeo foi publicado no meu perfil do Instagram, o @henriquesaas, e este é o primeiro artigo de uma série que abre os prompts por trás de cada postagem. É uma peça de estudo, sem vínculo com a marca Stanley. O objetivo era medir até onde uma pessoa só, sem set, sem modelo e sem produtora, consegue levar um comercial.

Antes da lista de passos, uma advertência honesta: nenhuma etapa saiu de primeira. O copo nasceu pequeno, a modelo ganhou pernas a mais e houve take de vídeo descartado. O processo abaixo inclui os erros, porque eles são a parte que ninguém mostra e a que mais ensina.

O que é um vídeo publicitário com IA e o que ele exige?

Vídeo publicitário com IA é uma peça de comunicação em que produto, cenário, modelo e movimento são gerados ou reconstruídos por modelos de inteligência artificial, a partir de referências e prompts escritos por uma pessoa. Ele exige o mesmo que um comercial tradicional exige antes da câmera: direção de arte, decisão de enquadramento e critério para aprovar ou descartar. O que muda é o custo de cada tentativa.

No caso do Stanley Time, a cadeia foi esta, na ordem:

1. Modelo 3D do copo no Blender, construído pelo GPT-6 Astra a partir de um prompt.

2. Caçada no Pinterest por uma referência de composição e tipografia.

3. Imagem-base gerada no ChatGPT e corrigida em rodadas até fechar cor, escala e anatomia.

4. Animação da imagem no Seedance 2.5, dentro do Higgsfield, com um prompt longo de física e câmera.

5. Upscale para 4K com Topaz Video, também no Higgsfield.

Cada etapa tem uma seção abaixo, com o print do que aconteceu e o prompt que gerou aquele resultado. No fim, uma tabela consolida o que cada ferramenta consumiu.

Passo 1: o produto em 3D no Blender com GPT-6 Astra

O copo começou como objeto 3D, não como foto. A razão é controle: com o produto modelado, a cor, a alça, a tampa e o canudo ficam fixos, e toda imagem gerada depois tem uma referência sólida para respeitar. Foto de estoque não dá esse controle, e a cor exata precisava ser uma decisão minha, não um achado.

Quem construiu o modelo foi o GPT-6 Astra, o modelo da OpenAI lançado em 3 de setembro de 2026 que, segundo a análise da Decrypt publicada em 6 de setembro de 2026, opera aplicativos de desktop controlando mouse e teclado em vez de devolver uma lista de instruções. Na prática, ele recebeu o prompt e montou o copo dentro do Blender: geometria, materiais e uma cena editável. Eu revisei proporções e ajustei o render.

O texto que orienta essa etapa é o prompt do Astra para o Blender, que a Wama está liberando de graça em um artigo próprio. Custo desta etapa: cerca de 11% da cota mensal do meu plano Pro do ChatGPT. É, de longe, a etapa mais cara em consumo de modelo, e faz sentido: são muitas idas e voltas de um agente operando software, não uma resposta de texto.

O render final saiu com o logotipo aplicado e a cor pistache que virou a paleta de tudo o que veio depois. Guardei mais de uma vista do copo; elas entram como referência nas etapas seguintes.

Passo 2: a referência antes de qualquer prompt

Prompt sem referência é loteria. Antes de pedir qualquer imagem, fui ao Pinterest atrás de uma composição que já resolvesse o problema de direção de arte: pessoa em primeiro plano, produto na mão, tipografia 3D aveludada orbitando o corpo. Encontrei uma peça assinada por @atachkina, do estúdio Design Touch, com a frase Summer Time em letras felpudas sobre uma quadra de tênis.

A referência não é copiada; ela é a régua. Ela decide a pose, a lente, a posição das letras e o clima. Isso é a decisão de design que precede a ferramenta: sem ela, cada rodada de geração puxa para um lado, e você gasta crédito procurando uma direção que deveria estar definida antes de abrir qualquer modelo.

Passo 3: como gerar a imagem-base no ChatGPT?

A imagem-base sai do gerador de imagens do ChatGPT recebendo três coisas: a referência do Pinterest, os renders do copo e um prompt em português que descreve a cena e trava o que não pode mudar. A primeira versão raramente é a final; as rodadas seguintes corrigem escala, cor e anatomia, de preferência uma correção por vez.

Primeira rodada: a cena inteira em um prompt

Este foi o primeiro prompt, colado sem edição:

Quero que vc crie uma imagem publicitária sem textos, somente com a frase 3d estilizada de uma pessoa na mesma posição que essa mulher, segurando o copo verde da Stanley, mostrando a marca para a camera e essa fonte 3d em volta dela com a frase "Stanley Time" com o exato mesmo efeito e textura da fonte da imagem original, as cores da roupa do óculos devem estar bem próximas do verde da pistache da garrafa

A primeira versão acertou a pose e a tipografia e errou o resto: quadra azul, copo pequeno, letras em caixa mista.

Segunda rodada: escala, fundo e paleta

O segundo prompt corrige três coisas de uma vez, e duas delas dão certo:

As fontes devem ser todas em caixa alta, o copo da stanley tem 28 cm e deve maior do que você colocou. troque a cor do fundo por uma quadra de tenis de saibro e um pouco mais de verde ao fundo, quero que a imagem seja quase que tons monocromáticos pistache (90%)

Repare no detalhe que muda tudo: o copo tem 28 centímetros. Dar a medida real do produto é o que faz o modelo respeitar a escala em relação ao corpo. A segunda versão acertou o saibro e a paleta, mas ainda errou o tamanho, e criou membros a mais.

Terceira rodada: anatomia e tamanho real

O terceiro prompt é só correção, e é o que fecha a imagem:

o copo precisa ser 30% maior ainda está pequeno e nao está no tamanho real. você precisa se atendar no corpo da menina, ela precisa ter 2 pernas e uma saia ligeiramente curta, nada sensual pois as palavras cobrirão. só se atente em não criar varias pernas e varios braços como está na ultima imagem criada

A terceira versão é a que foi para o vídeo. Custo total desta etapa: menos de 1% da cota do plano Pro, mesmo com todas as rodadas de retoque. Gerar imagem no ChatGPT é barato; caro é não saber o que pedir.

Passo 4: como transformar a imagem em vídeo com o Seedance 2.5?

A imagem vira vídeo no Higgsfield, com o Seedance 2.5 no modo imagem para vídeo: você sobe a imagem-base, escreve um prompt descrevendo ação e câmera, escolhe duração, resolução e proporção, e o modelo gera o clipe com áudio. O take do Stanley Time saiu com 15 segundos, 1080p, proporção 3:4 e áudio ligado.

Segundo a página do Higgsfield sobre o Seedance 2.5, publicada em 6 de agosto de 2026, o modelo da ByteDance gera até 30 segundos por clipe, em 480p, 720p ou 1080p, com ambiente, foley e trilha criados na mesma passada do vídeo. A mesma página lista 90 créditos para 10 segundos em 1080p, o que explica os 135 créditos do take de 15 segundos.

Se quiser reproduzir o fluxo, a conta é a mesma que eu uso: crie sua conta no Higgsfield e procure o Seedance 2.5 na aba de vídeo. Os links para o Higgsfield neste artigo são de afiliado: se você assinar por eles, a Wama recebe uma comissão, sem custo extra para você.

O prompt do vídeo é longo, em inglês, e está transcrito na íntegra na seção seguinte. A lógica dele cabe em uma frase: descrever a física antes da estética. Peso do copo na mão, respiração, cabelo reagindo ao vento, sombra sob o queixo mudando com a cabeça, letras 3D passando na frente e atrás do corpo com oclusão correta. Estética sem física vira imagem parada que se mexe.

Dois takes de 15 segundos saíram desse prompt, a 135 créditos cada. Um foi descartado; o outro seguiu para o upscale. Antes deles, no mesmo dia, testei um take horizontal de 10 segundos e um comercial só com o produto, a partir dos renders do Blender. Os dois ficaram no arquivo.

Anatomia do prompt do Seedance, bloco a bloco

O prompt abaixo é o que gerou o take final, transcrito na íntegra. Os travessões do original foram trocados por vírgula e dois-pontos; nada mais mudou. Cada bloco tem uma nota curta sobre o que ele resolve.

Preservar a referência

Primeiro o que não pode mudar. Identidade, roupa, produto, ambiente e tipografia entram como cláusula fixa antes de qualquer verbo de ação.

Create an ultra-realistic, live-action luxury commercial animation from the provided reference image.
PRESERVE THE REFERENCE
Preserve the woman’s exact identity, facial features, body proportions, clothing, sunglasses, hairstyle, skin tone, pose language, hands, fingers, Stanley tumbler design, Stanley logo, colors, tennis-court environment, lighting direction, composition, and the exact visual style of the 3D typography.
Do not redesign, beautify, stylize, reshape, age, or alter the woman.
The final result must feel like a real human performance captured on an expensive cinema camera, never like a static AI image that has simply been animated.

Performance humana

A ação é uma só: levantar o copo e beber. O bloco descreve a cadeia de músculos e o contrapeso do corpo, porque braço isolado se mexendo é o erro mais comum de imagem animada.

HUMAN PERFORMANCE: EXTREME PHYSICAL REALISM
The woman slowly and naturally lifts the large pistachio-green Stanley tumbler toward her mouth and takes a calm, elegant sip through the straw.
Her entire body must participate naturally in the action.
As she raises the tumbler:
her shoulder slightly elevates and rotates;
her elbow bends naturally;
her forearm rotates with realistic anatomy;
her wrist subtly adjusts to compensate for the weight of the tumbler;
her fingers maintain believable grip pressure around the cup;
her torso subtly shifts its center of gravity;
her upper body leans forward by a few degrees;
her opposite shoulder naturally counterbalances the movement.
There must be continuous, subtle secondary motion throughout the body rather than isolated arm animation.
Her chest, clothing and upper torso should respond very subtly to gravity, breathing and body acceleration, with physically believable soft-tissue inertia. Keep this extremely natural and restrained, no unnatural deformation.

Rosto, boca e o gole

O gole é o momento em que o vídeo convence ou entrega que é IA. Por isso a descrição é muscular e pequena: bochecha, mandíbula, garganta.

FACE, MOUTH AND DRINKING REALISM
The drinking action must be anatomically convincing.
When her lips make contact with the straw:
the lips gently close around it;
the corners of the mouth subtly contract;
the jaw slightly changes position;
the muscles around the mouth activate;
the cheeks very subtly draw inward from suction;
the area beside the nose and upper lip shows tiny muscular changes;
the skin around the mouth compresses naturally against the straw.
The cheeks must never collapse dramatically. The effect should be barely perceptible but realistic enough to communicate that she is actively drawing liquid through the straw.
During the sip, include tiny natural facial micro-movements:
subtle cheek tension;
minimal jaw movement;
slight movement of the chin;
tiny changes in nasolabial folds;
microscopic skin compression around the mouth;
natural movement of the lower face;
very subtle tension in the neck muscles.
After drinking, create a small realistic swallowing motion:
tiny movement around the throat;
subtle larynx movement;
slight relaxation of the cheeks and lips;
a nearly imperceptible exhale afterward.
Never freeze the face.
Even while remaining elegant and composed, her face must constantly exhibit tiny living micro-movements.

Cabeça, pescoço e respiração

Cabeça e pescoço acompanham o gole, e a sombra sob o queixo precisa reagir ao sol. A respiração é contínua e quase invisível.

HEAD, NECK AND POSTURE
As she drinks, her head tilts naturally by a few degrees to meet the straw.
The neck bends and rotates anatomically with the head.
The chin position changes naturally during the movement.
Create realistic compression and stretching of the skin between the jawline, chin and neck.
A physically accurate soft shadow must form beneath her chin and jaw as her head position changes.
The shadow must dynamically respond to the sun direction and her motion rather than remaining painted onto the image.
BREATHING
Introduce very subtle breathing throughout the entire shot.
The upper chest, ribcage and shoulders should rise and fall almost imperceptibly.
The breathing must be visible only as natural human secondary motion, never exaggerated.
Her breathing should continue even while drinking, with a brief natural pause during the main sip followed by a soft release afterward.

Cabelo, pele e tecido

Três materiais que denunciam vídeo sintético quando ficam rígidos: cabelo, pele e tecido. Cada um ganha regras de inércia e uma lista do que não pode acontecer.

HAIR PHYSICS
Her hair must never behave like a rigid object.
Individual strands and small groups of hair should respond naturally to:
head rotation;
body movement;
inertia;
gravity;
a very soft outdoor breeze.
When she slightly tilts or moves her head, loose strands should lag behind by a fraction of a second and then settle naturally.
Add extremely subtle random strand movement caused by the environment.
Hair must maintain its original haircut, volume, color and styling.
No morphing hairstyle, no disappearing hair, no artificial liquid-like movement.
SKIN REALISM
Skin must behave like real human skin under natural sunlight.
Preserve:
pores;
peach fuzz;
subtle skin translucency;
natural variations in skin tone;
tiny facial texture;
realistic specular response;
subtle subsurface scattering.
As facial muscles move, skin texture must remain attached to the anatomy rather than sliding or morphing.
Avoid plastic CGI skin, excessive smoothing or beauty-filter appearance.
CLOTHING AND SOFT-TISSUE PHYSICS
Fabric must react naturally to movement.
Create subtle fabric tension and relaxation around:
shoulders;
upper torso;
waist;
hips;
arms.
The fabric should slightly stretch, fold and settle as her posture changes.
Her body should display extremely subtle physically believable soft-tissue secondary motion caused purely by gravity, breathing and momentum.
Keep everything tasteful, restrained and realistic.

Luz e sombra

Sombras de contato mudam com a postura; luz chapada no rosto é proibida. É o bloco que impede a cena de parecer recorte colado sobre fundo.

LIGHTING AND SHADOW INTERACTION
Lighting must behave dynamically as her body moves.
Create realistic contact shadows and self-shadowing:
beneath the chin;
beneath the jaw;
between the neck and shoulders;
beneath the chest and natural clothing folds;
beneath the arms;
between the hand and Stanley tumbler;
beneath the tumbler when it approaches the body.
These shadows should shift naturally as her posture changes.
Maintain premium golden outdoor sunlight with believable directional light, soft fill from the environment and realistic global illumination.
Avoid flat facial lighting.
The face should retain dimensionality with gentle light falloff across the cheeks, jaw and neck.

O copo como objeto rígido

O produto é o herói e, ao mesmo tempo, o ponto mais frágil: copo que derrete, alça que some e logo que muda são os defeitos clássicos de vídeo gerado. Tudo vira proibição explícita.

STANLEY TUMBLER: ABSOLUTE GEOMETRIC CONSISTENCY
The Stanley tumbler is a hero product.
It must remain perfectly solid, rigid and geometrically consistent during the entire shot.
Preserve exactly:
tumbler shape;
dimensions;
handle;
lid;
straw;
Stanley branding;
material;
pistachio-green color.
No morphing.
No bending.
No shrinking.
No stretching.
No geometry changes.
No disappearing handle.
No duplicated straw.
No changing logo.
The Stanley logo must stay correctly positioned and readable whenever physically visible to the camera.
The tumbler should feel like a real weighted object.
Her hand and wrist must react to its weight.
Create physically accurate finger contact with the surface and realistic occlusion between fingers, handle and cup.
The straw remains rigid enough to behave like a real Stanley straw while maintaining realistic material properties.

Tipografia 3D

As letras têm massa, passam na frente e atrás do corpo, e a oclusão precisa estar correta. O que o bloco anterior fez pelo copo, este faz pela tipografia.

3D TYPOGRAPHY: “STANLEY TIME”
At the same time, the large 3D words:
“STANLEY TIME”
slowly orbit around the woman in three-dimensional space.
Preserve exactly:
spelling;
font;
character proportions;
extrusion depth;
material;
pistachio color;
fuzzy velvet-like texture.
The letters behave like real solid objects with mass and depth.
Their motion follows elegant, smooth curved trajectories around the subject.
Different letters can travel with slightly different timing to produce dimensional parallax while remaining visually coordinated as one composition.
The letters must naturally pass both in front of and behind the woman.
Occlusion must be physically correct.
When a letter passes behind her:
the body must completely occlude the hidden portion.
When a letter passes in front:
it must cast believable subtle shadows and ambient occlusion where appropriate.
Never allow letters to:
melt;
deform;
change spelling;
duplicate;
disappear;
intersect unnaturally with her anatomy;
change font;
flatten into 2D graphics.

Câmera, foco e motion blur

Câmera de cinema, lente de 50 mm, dolly-in lento com órbita de 5 graus e foco puxado como um assistente de câmera faria. O motion blur é físico, nunca decorativo.

CAMERA
Premium cinematic advertising photography.
Camera system:
ARRI Alexa 35 aesthetic.
Lens:
high-end cinema prime lens around 50mm.
Movement:
begin with a very slow cinematic dolly-in while simultaneously performing an extremely gentle lateral orbit of approximately 5 degrees around the woman.
Add almost imperceptible heavy-camera micro-movement, similar to a real stabilized cinema rig operated by a human.
The camera must feel alive but expensive and controlled.
No obvious digital stabilization.
No robotic path.
No aggressive handheld shake.
Use realistic lens perspective.
Maintain the woman, her face and the Stanley tumbler as the hero subjects.
DEPTH OF FIELD
Use shallow but controlled cinematic depth of field.
Prioritize focus on:
the woman’s face;
her lips and straw during the drinking action;
the Stanley tumbler;
the nearest portions of the 3D typography.
The clay tennis court, distant foliage and background elements should fall naturally out of focus according to their physical distance from the focal plane.
Focus transitions should feel like an experienced 1st AC performing a subtle cinema focus pull.
Do not create artificial portrait-mode edge blur.
MOTION BLUR
Use physically plausible cinema motion blur.
Motion blur should appear naturally on:
moving hair strands;
hand motion;
tumbler movement;
orbiting letters;
subtle camera movement.
The woman’s facial features must remain readable and stable.
Do not smear the eyes, lips, fingers or Stanley logo.

Ambiente e qualidade de imagem

Ambiente preservado com vida discreta, e uma lista longa de qualidades de imagem: poros, reflexos, sombras de contato, alcance dinâmico. O parágrafo final fixa a referência: comercial de marca esportiva de alto orçamento.

ENVIRONMENT
Maintain the original tennis-court environment.
Preserve:
clay court;
pistachio-green visual direction;
surrounding vegetation;
small amount of blue sky;
realistic outdoor atmosphere.
Add subtle environmental life:
extremely gentle foliage movement;
tiny breeze interaction;
natural variation in sunlight;
realistic atmospheric depth.
Do not introduce new objects or people.
CINEMATIC IMAGE QUALITY
The final animation must have:
hyper-realistic human skin,
visible pores,
peach fuzz,
realistic hair strands,
realistic fingernails,
correct anatomy,
physically accurate fabric,
natural soft-tissue motion,
realistic reflections,
accurate contact shadows,
subsurface scattering,
global illumination,
cinematic highlight roll-off,
realistic motion blur,
natural depth of field,
extremely high micro-detail,
premium commercial color science,
high dynamic range,
clean highlights,
rich but natural shadows.
Visual reference:
high-budget luxury sportswear commercial + premium Stanley product advertising + fashion editorial cinematography.
4K cinematic master quality.
The shot must look as if a real actress, real Stanley tumbler, real physical typography and real tennis location were filmed together practically with an ARRI Alexa 35.

O que evitar

A lista negativa é tão longa quanto a positiva. Ela fecha com a prioridade que rege o prompt inteiro: credibilidade física humana.

ABSOLUTELY AVOID
AI-like facial morphing.
Frozen facial expressions.
Rigid hair.
Floating hair.
Rubber-like skin.
Plastic skin.
Beauty-filter skin.
Face identity changes.
Eye deformation.
Lip deformation.
Cheek deformation.
Overdone cheek suction.
Exaggerated body physics.
Exaggerated chest motion.
Body warping.
Breast or torso deformation.
Extra limbs.
Extra arms.
Extra hands.
Extra legs.
Extra fingers.
Missing fingers.
Fused fingers.
Changing hand anatomy.
Cup deformation.
Cup resizing.
Cup morphing.
Logo deformation.
Logo disappearance.
Straw duplication.
Changing tumbler geometry.
Typography morphing.
Misspelled text.
Melting letters.
Unnatural object intersections.
Static shadows attached to the original image.
Fake CGI lighting.
Robotic body movement.
Robotic camera movement.
Excessive slow motion.
Artificial digital sharpness.
Overprocessed HDR.
Every movement should contain subtle acceleration, deceleration, inertia, weight, muscle response and secondary motion.
Nothing should move independently without a physical cause.
The strongest priority is HUMAN PHYSICAL BELIEVABILITY.
It must feel observed rather than animated.
The viewer should believe this was captured as a real live-action Stanley commercial.

Passo 5: o upscale para 4K com Topaz Video

O Seedance entrega 1080p, o Instagram comprime, e o resultado no celular perde textura de pele e nitidez nas letras. O upscale existe para chegar com folga: o take escolhido passou pelo Topaz Video dentro do próprio Higgsfield e saiu de 1080 por 1440 para 2880 por 3840 pixels, por 51 créditos.

A integração vem de uma parceria de 2025: segundo a cobertura da PetaPixel de 6 de agosto de 2025, o Higgsfield passou a oferecer o upscale de vídeo da Topaz Labs para 2K e 4K direto no navegador, com modelos diferentes para rosto, textura e conteúdo estilizado. Para uma pessoa só, isso elimina uma etapa inteira de software instalado.

É o mesmo raciocínio de acabamento que aplico ao apresentar um produto digital em vídeo: a peça precisa chegar com sobra de qualidade onde vai ser vista, porque a plataforma vai comprimir. O upscale está na mesma conta: teste o upscale de vídeo do Higgsfield com um clipe seu antes de decidir se vale para o seu produto.

Quanto custa um vídeo publicitário com IA?

O vídeo Stanley Time custou 186 créditos do Higgsfield no take que foi ao ar: 135 do Seedance 2.5 e 51 do Topaz Video, cerca de US$ 9 pela conversão de US$ 0,05 por crédito que o próprio Higgsfield usa na página do modelo. Somando o modelo 3D e as imagens, o consumo no ChatGPT ficou perto de 12% da cota mensal do plano Pro. Sem contar as horas de quem dirige.

A conta com o que foi descartado

A conta honesta inclui o que foi descartado. Contando os takes do mesmo dia que não foram ao ar, dois de 10 segundos e um segundo take de 15, o consumo no Higgsfield sobe para 501 créditos, perto de US$ 25. O registro da conta mostra o primeiro take às 16h36 e o upscale às 19h56 de 6 de setembro de 2026.

O que a tabela não mostra é a etapa que mais pesa: direção. Escolher a referência, saber que o copo tem 28 centímetros, perceber que a modelo ganhou uma perna a mais, decidir que a paleta é 90% pistache. Isso é o trabalho, e é o que separa um vídeo de campanha de um clipe gerado. É o mesmo critério que uso com IA no desenvolvimento: a ferramenta cuida do repetitivo, a pessoa responde pela decisão. E é a mesma régua que uso para explicar quanto custa um site profissional: o valor está na decisão, não na ferramenta.

Se a sua dúvida é se esse custo se paga para o seu produto, o caminho mais barato é fazer a conta com um clipe real: veja os planos do Higgsfield, gere 10 segundos em 720p e compare com o orçamento de uma diária de produção.

Erros que custam créditos

Cada item abaixo custou crédito ou rodada neste projeto. A ordem é a ordem em que eles apareceram.

1. Não dar a medida do produto. O copo saiu pequeno duas vezes. Só respeitou a escala quando o prompt disse 28 centímetros e pediu 30% a mais.

2. Corrigir várias coisas na mesma rodada. Caixa alta, fundo e paleta juntos deram certo; tamanho e anatomia juntos, não. Uma correção por rodada é mais barato do que parece.

3. Deixar a cor solta. Enquanto a paleta não foi fixada em 90% pistache monocromático, cada versão puxava para um verde diferente.

4. Animar antes de aprovar a imagem. A imagem custa quase nada; o take de vídeo custa 135 créditos. Todo defeito de anatomia que passa para o vídeo é animado por 15 segundos.

5. Não travar a geometria do produto no prompt de vídeo. Sem o bloco de consistência, o copo derrete, a alça some e o logotipo muda. Metade do prompt existe para impedir isso.

6. Gerar direto em 1080p com áudio. A central de ajuda do Higgsfield recomenda iterar em 720p e ligar o áudio só na passada final. Ignorei e paguei dois takes de 15 segundos em 1080p.

7. Fazer upscale de take não aprovado. São 51 créditos que só valem sobre o take definitivo. Aprove no 1080p, depois suba.

Antes de gastar o primeiro crédito, vale ter esta lista aberta ao lado: abra sua conta no Higgsfield e comece por um clipe curto e barato, só para ver como o seu produto se comporta em movimento.

O que isso muda para uma marca?

Para uma marca, um vídeo publicitário com IA muda o custo de experimentar, não a necessidade de direção. Uma peça de teste que antes exigia set, modelo e produtora sai de uma mesa com uma pessoa e algumas dezenas de dólares em créditos. O que continua caro é acertar: referência, escala, cor, anatomia e o critério para descartar o que não presta.

Há limites que uma marca precisa conhecer antes de encomendar. Identidade de modelo gerada não é um rosto contratado, e a consistência entre peças exige cuidado. Marca registrada de terceiro, como a Stanley neste estudo, não pode ir a mercado sem autorização. E o vídeo é só a peça: ele precisa de um lugar para trabalhar, que quase sempre é a página onde esse vídeo vai converter ou um perfil que a marca sustenta com constância.

Na Wama, esse fluxo entra no mesmo lugar em que a IA já entra no nosso processo: acelerar a produção sem tirar a decisão da mesa. Mostro isso em agências que já usam IA na produção de sites e no que a Wama entrega como agência Framer. O vídeo do produto, o site e a identidade são partes do mesmo projeto, e a direção que fez o copo ter 28 centímetros é a mesma que decide o que entra na home.

Perguntas frequentes

Preciso saber Blender para fazer um vídeo assim?

Não para começar. O GPT-6 Astra construiu o copo dentro do Blender a partir do prompt; o que eu fiz foi revisar proporções e o render. Saber o básico ajuda a corrigir rápido, e é o que evita aceitar um modelo torto por não enxergar o erro. Sem produto 3D, uma boa foto do produto também serve como referência.

O Higgsfield é pago? Quanto custa gerar um vídeo?

O Higgsfield funciona por créditos incluídos em planos mensais. Pela página oficial do Seedance 2.5, 10 segundos em 1080p custam 90 créditos, e o take de 15 segundos deste artigo custou 135. O upscale com Topaz custou 51. O preço aparece antes de confirmar cada geração, e dá para testar com um clipe curto no Higgsfield sem surpresa.

O Seedance 2.5 gera áudio junto com o vídeo?

Gera. Segundo a página do Higgsfield sobre o modelo, o Seedance 2.5 cria ambiente, foley e trilha na mesma passada em que gera a imagem, em clipes de até 30 segundos. No Stanley Time o áudio ficou ligado no take final. Para iterar barato, a recomendação do Higgsfield é gerar em 720p e só ligar o áudio na passada final.

Posso usar a marca de um produto que não é meu em um vídeo com IA?

Para estudo e portfólio, com identificação clara de que a peça não é oficial, é o que fiz aqui. Para veicular como anúncio, não: marca registrada, logotipo e design de produto pertencem ao dono da marca, e uso comercial exige autorização. Se o produto é seu, o mesmo fluxo vale sem essa restrição. Isto não é aconselhamento jurídico.

Quanto tempo leva para fazer um vídeo publicitário com IA?

A parte de vídeo coube em uma tarde: o registro da minha conta no Higgsfield mostra o primeiro take às 16h36 e o upscale às 19h56 de 6 de setembro de 2026. O modelo 3D e as rodadas de imagem vieram antes. O tempo que não aparece em registro é o de olhar cada versão e decidir o que corrigir.

Um vídeo gerado mostra o produto; o que sustenta a marca é o conjunto: site, identidade e peças com a mesma direção. Na Wama, projeto e desenvolvo isso de ponta a ponta, do design à publicação, com IA onde ela acelera e critério onde ela não decide. Se a sua marca precisa de um site à altura do que você vai mostrar nele, conheça o trabalho da Wama.