🎬 Como Criar Vídeos com IA — Do Zero ao MP4 Final

Por Diogo Kopke — KopkAI

Este guia mostra-te exactamente como criar vídeos verticais (Shorts, Reels, TikToks) 100% com IA, sem software de edição, sem experiência em vídeo. Descreves o que queres, e o computador constrói-o por ti.

O Que Vais Precisar

Tempo total da primeira vez: ~30 minutos de setup + 15 minutos por vídeo.

Parte 1: Setup Inicial (Faz Isto Uma Vez)

1.1 Instalar o Claude Code

O Claude Code é o que torna tudo possível. Em vez de aprenderes 5 ferramentas diferentes, descreves o que queres e ele faz por ti.

Opção A — VS Code (recomendada):

1. Abre o VS Code
2. Extensões → pesquisa "Claude Code" → Instalar
3. Faz login com a tua conta Anthropic (plano Pro ou Max)

Opção B — Terminal:

npm install -g @anthropic-ai/claude-code
claude

1.2 Instalar a Skill de Vídeo (Remotion)

Uma skill ensina o Claude Code a fazer uma coisa específica. A skill do Remotion dá-lhe conhecimento profundo sobre criação de vídeo.

npx skills add remotion-dev/skills

Isto instala automaticamente em .claude/skills/ e o Claude Code passa a saber:

• Criar composições animadas
• Adicionar texto, transições e efeitos
• Pré-visualizar no browser
• Renderizar MP4

1.3 Instalar Ferramentas de Linha de Comando

# macOS
brew install ffmpeg yt-dlp

# Whisper (transcrição de áudio)
pip3 install openai-whisper

# Edge TTS (voz alternativa, grátis)
pip3 install edge-tts

1.4 Criar Contas nas APIs

Guarda as chaves num ficheiro .env no teu projecto:

KIE_AI_API_KEY=a_tua_chave_aqui
ELEVENLABS_API_KEY=a_tua_chave_aqui

⚠️ Nunca faças commit do .env — adiciona-o ao .gitignore.

Parte 2: Criar a Tua Identidade Visual

Antes de criares o primeiro vídeo, define o teu estilo. Isto garante que todos os teus vídeos são reconhecíveis e consistentes.

2.1 Analisar Referências

Escolhe 3-5 criadores cujo estilo de edição admiras. Dá os links dos vídeos ao Claude Code:

Analisa estes vídeos frame a frame e diz-me o estilo de edição:
https://youtube.com/shorts/xxx
https://youtube.com/shorts/yyy

O Claude vai:

1. Descarregar os vídeos com yt-dlp
2. Extrair frames com ffmpeg
3. Analisar visualmente cada frame
4. Dar-te um resumo completo: cores, fontes, transições, ritmo, layout

2.2 Definir o Teu Style Guide

Com base na análise, cria um style guide. Estes são os elementos que deves definir:

Formato:

• Resolução: 1080x1920 (vertical 9:16)
• FPS: 30
• Plataformas: Shorts, Reels, TikTok

Tipografia:

• Fonte dos títulos (ex: Montserrat Extra Bold)
• Fonte das legendas (ex: Montserrat Regular)
• Fonte de destaque (ex: Montserrat Bold)

Paleta de Cores:

• Cor de fundo dominante (ex: #000000)
• Cor do texto (ex: #FFFFFF)
• Cor de acento/marca (ex: #7DF9FF)
• Cor secundária (ex: #D4A017)

Branding:

• Logo em PNG transparente
• Posição do logo (ex: canto inferior esquerdo, 64px)
• Opacidade (ex: 85%)

Padrão de Edição:

HOOK (0-2s)     → Texto grande ou afirmação forte
CONTEÚDO (2-Xs) → Alternância rápida entre cenas (2-4s cada)
CTA (últimos 3s)→ Chamada à acção

2.3 Guardar Como Skill

Guarda o teu style guide como uma skill do Claude Code para que ele a siga automaticamente:

.claude/skills/o-teu-estilo/
├── SKILL.md           # Entrada principal
└── rules/
    ├── style-guide.md     # Cores, fontes, layout
    ├── editing-pattern.md # Estrutura dos vídeos
    ├── captions.md        # Estilo das legendas
    ├── branding.md        # Logo e marca
    └── kie-ai-workflow.md # Como gerar assets

A partir daqui, cada vídeo que pedires vai seguir automaticamente o teu estilo.

Parte 3: O Pipeline de Produção

Este é o fluxo que o Claude Code segue para criar cada vídeo. Tu descreves o que queres, ele executa cada passo.

Passo 1: Descrever o Vídeo

Cria um vídeo de 15 segundos sobre [tema].
Com música de fundo e narração em PT-PT.
No final, adiciona este vídeo meu como CTA: [caminho do ficheiro]

Passo 2: Shot List (O Claude Propõe, Tu Aprovas)

O Claude cria uma tabela com cada cena:

Tu validas. Se algo não te agrada, dizes e ele ajusta.

Passo 3: Gerar Assets Visuais (Kie.ai)

O Claude usa a API do Kie.ai para gerar cada cena. Há duas abordagens:

Abordagem A — Imagem + Animação:

1. Gera uma imagem estática com Flux Kontext (text-to-image)
2. Anima essa imagem com Kling 3.0 (image-to-video)
3. Resultado: clip de 5s com movimento natural

Abordagem B — Vídeo Directo:

1. Gera o vídeo directamente com Kling 3.0 (text-to-video)
2. Mais rápido, menos controlo sobre o frame inicial

API do Kie.ai — Resumo

Base URL: https://api.kie.ai/api/v1 Autenticação: Authorization: Bearer {API_KEY}

Gerar Imagem (Flux Kontext):

POST /flux/kontext/generate
{
  "prompt": "descrição da cena",
  "model": "flux-kontext-pro",
  "aspectRatio": "9:16",
  "outputFormat": "png"
}
# Resposta: { "data": { "taskId": "..." } }
# Poll: GET /flux/kontext/record-info?taskId=...

Gerar Vídeo (Kling 3.0):

POST /jobs/createTask
{
  "model": "kling-3.0/video",
  "input": {
    "prompt": "descrição do movimento",
    "image_urls": ["url_da_imagem"],  # opcional
    "duration": "5",
    "aspect_ratio": "9:16",
    "mode": "std",
    "sound": false,
    "multi_shots": false
  },
  "callBackUrl": "https://..."
}
# Poll: GET /jobs/recordInfo?taskId=...

Gerar Música (Suno):

POST /generate
{
  "prompt": "descrição do estilo musical",
  "model": "V4_5",
  "instrumental": true,
  "callBackUrl": "https://..."
}
# Poll: GET /generate/record-info?taskId=...

Todas as gerações são assíncronas. Submetes o pedido, recebes um taskId, e fazes polling até o estado ser success.

Passo 4: Gerar Narração (ElevenLabs)

POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}
Headers: xi-api-key: {API_KEY}
{
  "text": "<lang xml:lang=\"pt-PT\">O teu texto aqui</lang>",
  "model_id": "eleven_multilingual_v2",
  "voice_settings": {
    "stability": 0.45,
    "similarity_boost": 0.8,
    "style": 0.5,
    "use_speaker_boost": true
  }
}

Dica importante: A tag <lang xml:lang="pt-PT"> força o modelo a usar sotaque português europeu em vez de brasileiro.

Vozes recomendadas para PT-PT:

• onwK4e9ZLuTAKqWW03F9 — Daniel (broadcaster, tom sério)
• nPczCjzI2devNBz1zQrb — Brian (profundo, confortante)
• TX3LPaxmHKxFdv7VOQHJ — Liam (energético, social media)

Passo 5: Montar no Remotion

O Claude cria um projecto Remotion com esta estrutura:

meu-video/
├── src/
│   ├── Root.tsx              # Regista a composição
│   ├── Video.tsx             # Orquestra tudo
│   ├── components/
│   │   ├── Scene.tsx         # Reproduz cada cena (imagem ou vídeo)
│   │   ├── Captions.tsx      # Legendas word-by-word
│   │   ├── TitleBadge.tsx    # Título fixo no topo
│   │   ├── Logo.tsx          # Logo da marca
│   │   └── CTAGraphic.tsx    # Motion graphic final
│   ├── data/
│   │   └── captions.ts       # Timestamps das legendas
│   └── styles/
│       └── brand.ts          # Cores e constantes
├── public/
│   ├── logo.png              # O teu logo
│   ├── music.m4a             # Música de fundo
│   ├── narration.m4a         # Narração TTS
│   ├── cta.mp4               # O teu vídeo CTA (se tiveres)
│   └── b-roll/               # Cenas geradas pela IA
│       ├── scene-01.mp4
│       ├── scene-02.mp4
│       └── ...
└── package.json

Conceito-chave: O Remotion funciona em camadas. O conteúdo visual está numa camada, as legendas noutra, o logo noutra. Todas se sobrepõem.

<AbsoluteFill>
  {/* Camada 1: Vídeo de fundo */}
  <Series>
    <Scene src="b-roll/scene-01.mp4" />
    <Scene src="b-roll/scene-02.mp4" />
    ...
  </Series>

  {/* Camada 2: Overlays */}
  <TitleBadge text="TÍTULO" />
  <Captions words={palavras} />
  <Logo />
</AbsoluteFill>

Passo 6: Preview e Ajustes

npx remotion studio

Abre um browser onde vês o vídeo em tempo real. Podes:

• Avançar frame a frame
• Ajustar timings
• Pedir alterações ao Claude ("muda a cor do título", "aumenta o texto")

Passo 7: Render Final

npx remotion render NomeDaComposicao out/video-final.mp4

O ficheiro MP4 fica pronto para upload directo nas plataformas.

Parte 4: Legendas Automáticas

Para Cenas com Narração (TTS)

As legendas são criadas manualmente porque tu controlas o texto. Define timestamps aproximados para cada grupo de palavras:

{ word: "Bomba", start: 3.4, end: 3.9, emphasis: true },
{ word: "de água!", start: 3.9, end: 4.8, emphasis: true },

Para o Teu Vídeo (Talking Head)

Usa o Whisper para transcrever automaticamente com timestamps word-by-word:

whisper video.wav --language pt --model small --word_timestamps True --output_format json

O resultado é um JSON com o tempo exacto de cada palavra, que depois alimenta o componente de legendas.

Estilo das Legendas

• Posição: terço inferior, centrado
• 1-3 palavras de cada vez (word-by-word)
• Brancas para texto normal
• Cor de acento para palavras de destaque
• Sem caixa/background — flutuam sobre o vídeo
• Sombra para garantir legibilidade

Parte 5: Dicas e Boas Práticas

Prompts para Gerar Cenas Melhores

Inclui sempre:

• Estilo visual: "Pixar quality 3D animation", "cinematic", "photorealistic"
• Iluminação: "golden hour", "neon glow", "soft backlight"
• Composição: "vertical composition 9:16", "close-up", "bird eye view"
• Atmosfera: "whimsical", "dramatic", "peaceful"

Estrutura que Funciona

HOOK forte (0-2s) → Prende a atenção imediatamente
CONTEÚDO visual (2-12s) → Alternar cenas a cada 2-4 segundos
CONCLUSÃO (12-15s) → Fechar com impacto
CTA pessoal (15s+) → Tu a falar directamente para a câmara
MOTION GRAPHIC → Indicação visual do que fazer (comentar, seguir, etc.)

Música

• Gera com Suno via Kie.ai (instrumental, sem voz)
• Volume a 30-35% para não tapar a narração
• Fade out antes do CTA pessoal
• Escolhe o estilo musical que combina com o tema

CTA (Call to Action)

• Grava um vídeo curto (8-12s) no telemóvel a falar directamente
• Converte para 1080x1920 vertical
• Adiciona legendas automáticas (Whisper)
• Adiciona um motion graphic animado (ex: "Comenta X")
• Sem música de fundo — só a tua voz

Parte 6: Exemplo Prático Completo

Aqui está exactamente o que dissemos ao Claude Code para criar o nosso vídeo "Smurfs Pool Party":

Prompt Inicial:

Cria um vídeo de 15 segundos que tem música por trás e narração.
São os Smurfs a mandar mergulhos numa poça de água porque acabou de chover.
Eles saltam de folhas para dentro de água, nadam e divertem-se em boias feitas de gomas.

O Que o Claude Fez:

1. Criou um shot list com 5 cenas de 3 segundos
2. Gerou 5 vídeos via Kling 3.0 (Kie.ai) — um por cena
3. Gerou música whimsical via Suno (Kie.ai)
4. Gerou narração PT-PT via ElevenLabs (Daniel, multilingual v2)
5. Transcreveu o vídeo CTA com Whisper para legendas automáticas
6. Montou tudo no Remotion com legendas, título, logo e motion graphic
7. Renderizou o MP4 final

Resultado:

• 26 segundos totais (15s animação + 11s CTA)
• 5 cenas AI de Smurfs animados
• Narração em português de Portugal
• Música de fundo whimsical
• Legendas word-by-word
• Talking head CTA com legendas
• Motion graphic "Comenta SMURF" no final
• Logo KopkAI sempre visível

Tempo total de produção: ~15 minutos (maioria é espera pela geração das cenas).

Resumo do Fluxo

Tu descreves o vídeo
        ↓
Claude Code cria shot list → Tu aprovas
        ↓
Kie.ai gera imagens (Flux) → anima em vídeo (Kling 3.0)
Kie.ai gera música (Suno)
ElevenLabs gera narração (PT-PT)
        ↓
Remotion monta tudo (cenas + legendas + logo + música)
        ↓
Preview no browser → Tu ajustas
        ↓
Render MP4 → Upload para as plataformas

Sem timeline. Sem software de edição. Sem experiência necessária.

Descreves. O Claude constrói.

Guia criado por Diogo Kopke — KopkAI Gerado inteiramente com Claude Code

Preferes que isto seja feito por nós? Conhece o nosso serviço de automação de processos.

Guias relacionados

• Como Publicar em 6 Plataformas Sem Tocar no Telemóvel
• Três Agentes Que Já Trabalham Para Outros
• Três Travões Invisíveis ao Crescimento