Cut.ProCut.Pro

Pika Enact: dirigir vídeo de IA ao vivo, como num set de filmagem

A Pika mostrou nesta quarta (18) o Enact, uma prévia de pesquisa em que você arrasta atores, dá nota de direção por voz e mexe a câmera enquanto a cena é gerada. Explico como funciona, o que ainda falta e o que dá para usar hoje.

Pika Enact: dirigir vídeo de IA ao vivo, como num set de filmagem

Pika Enact: dirigir vídeo de IA ao vivo, como num set de filmagem

A Pika mostrou nesta quarta (18 de novembro) o Enact, uma prévia de pesquisa que gera vídeo e som em tempo real e deixa você dirigir a cena enquanto ela acontece: arrastar o ator, dar nota de direção por voz, mexer a câmera. Não está aberto ao público, e a própria Pika diz que ele não está disponível para uso do consumidor.

Ainda assim, vale entender o que ele mostra. O fluxo de hoje é escrever prompt, esperar minutos e torcer. O Enact troca isso por ensaiar, corrigir e gritar "ação", e essa é a direção para onde os geradores de vídeo estão indo.

O que o Pika Enact faz?

Ele gera a cena em pedaços curtos e aceita comando no meio dela, em três modos descritos no anúncio da Pika:

  • Encenação ao vivo. Você arrasta um ator ou objeto com o mouse enquanto o vídeo roda, e o modelo ajusta pose, luz e sombra ao novo lugar.
  • Direção de atores ao vivo. Você dá notas digitando ou falando. Cada ator é um agente de IA com personalidade própria, responde no personagem com voz própria e guarda o que você disse nos takes anteriores da mesma sessão. Quando você chama "Action", eles fazem um take novo e contínuo.
  • Câmera ao vivo. Você move uma câmera virtual com o mouse (panorâmica, aproximação, órbita) enquanto a cena é gerada. Uma imagem de referência segura o elenco e o cenário.

O The Rundown, que noticiou a prévia, descreveu o Enact como feito para funcionar como um set de filmagem ao vivo.

Como a Pika chegou ao tempo real

O truque é não gerar o clipe inteiro de uma vez. Segundo a Pika, o Enact produz vídeo e áudio em blocos de cerca de 0,7 segundo (0,17 segundo no modo de baixa latência da encenação), e cada bloco é gerado a partir do que já saiu, sem esperar o resto da cena. Na encenação, a empresa também reduziu de vinte para poucos passos o número de etapas que o modelo precisa para desenhar cada trecho.

Os números que a Pika publicou:

Modo O que a Pika mediu
Encenação ao vivo resposta abaixo de 0,4 segundo numa placa H100, gerando 1,8 vez mais rápido que o tempo real num servidor
Direção de atores imagem e som 1,75 vez mais rápidos que a reprodução
Câmera ao vivo 640x480 a 24 quadros por segundo num servidor com 8 placas NVIDIA B300, primeiros quadros em 0,51 segundo

Duas leituras práticas dessa tabela. Primeiro, 640x480 é resolução baixa e na horizontal: não serve direto para Reels nem TikTok. Segundo, um servidor com oito placas B300 para rodar a câmera ao vivo é custo de laboratório. É por isso que o Enact está numa página de pesquisa e não num plano de assinatura.

E o H3 Flex, que já existe?

O Enact é construído em cima do Pika H3 Flex, modelo que a Pika lançou em 29 de outubro. Esse sim dá para usar: gera clipes de até 15 segundos com áudio, em 480p ou 768p, e aceita até 12 arquivos de referência entre imagem, vídeo e som. Ele saiu primeiro na API da Pika, com o app de criação previsto para 2 de novembro, e os pesos abertos foram publicados para quem roda o próprio servidor.

No relatório técnico, a Pika lista preço inicial de US$ 0,01 por segundo gerado a partir de texto ou imagem e US$ 0,03 por segundo no modo com referências. O mesmo relatório é honesto sobre os limites: em física, história com várias cenas, luz e material e em tarefas com muita ação, outros modelos foram preferidos no estudo da própria Pika. O Rundown lembra também que o vídeo de demonstração dos atores foi editado para caber, então não dá para saber como tudo funciona junto numa sessão longa.

O que muda para quem cria vídeo

Hoje, quem gera cena com IA gasta mais tempo refazendo do que criando. O prompt erra o lugar do personagem, você ajusta uma palavra, espera de novo e paga de novo. Fazer um personagem entrar pela esquerda em vez da direita pode custar várias gerações.

O Enact ataca exatamente isso: em vez de reescrever o prompt, você arrasta o personagem para onde ele deveria estar e segue. Se a ideia vingar, três coisas mudam:

  1. O custo do erro cai. Corrigir no meio do take sai mais barato que gerar o clipe inteiro de novo.
  2. A direção vira fala. Dizer "mais devagar, olha para a câmera" é mais natural que achar a palavra certa no prompt. Para quem grava ensaio de esquete ou história curta, isso aproxima a IA do jeito que se dirige gente.
  3. Gerar vira formato. Assim como percorrer um mundo jogável do Genie 4 pode render vídeo de exploração, dirigir atores de IA ao vivo pode virar live ou bastidor por si só.

O porém: nada disso vale até a Pika abrir o acesso, e não há data nem confirmação para o Brasil. Também não há palavra sobre vertical, que é o que importa para vídeo curto.

O que fazer agora

Não espere o Enact para resolver o seu fluxo. Três passos que funcionam hoje:

  • Gere barato antes de gerar bonito. O princípio do Enact (errar rápido em baixa resolução) já dá para aplicar: teste a cena na resolução mais baixa, que costuma custar menos por segundo, e só refaça em resolução maior o take que acertou. No Gerador da Cut.Pro você escolhe o modelo, gera pagando em créditos e leva o clipe direto para o editor.
  • Use referência em vez de reescrever o prompt. Imagem de referência segura personagem e cenário entre um take e outro, que é o que a imagem de âncora faz no Enact. Dá para ver isso no teste de animar foto de rosto e no guia de persona de IA.
  • Não aposte o canal em uma ferramenta. O fim do Sora 2 mostrou que prévia brilhante não garante produto. Para preço por segundo num modelo que já está no ar, veja o Gemini Omni 1.2 Flash.

O Enact não está no Gerador e não está aberto ao público, então este post sai sem teste real. Quando a Pika abrir, eu testo e atualizo aqui.

Compartilhar

Continue lendo

Mais insights e tutoriais pra você crescer como criador de conteúdo.