Na semana passada não teve newsletter porque eu estava escrevendo um artigo para o Panorama Audiovisual Iberoamericano, uma publicação anual da EGEDA e da FIPCA que traz o estado da indústria na região. Com isso, acabei me aprofundando no mundo da GenAI de vídeo, já que ultimamente meu foco tinha ficado mais na música.

Não quero adiantar muito, já que a publicação está programada para o início de outubro, mas posso dizer que vem por aí um ano bem movimentado para o audiovisual. A qualidade dos modelos já está chegando em um nível que vai gerar bastante controvérsia. A boa notícia é que o caminho percorrido pela indústria da música vai servir de guia para todo esse processo.

O que eu quero mesmo abordar hoje é quem são os principais players em geração de vídeo com IA, para que vocês comecem a montar um mapa conceitual do enfoque de cada um e da situação atual dos seus negócios.

O ponto de partida é quase acidental. Quando a OpenAI lançou o Sora em outubro do ano passado, fez isso com uma política que permitia que qualquer personagem protegido aparecesse em um vídeo gerado, a menos que o titular pedisse explicitamente para ficar de fora. Hollywood reagiu quase imediatamente, e a OpenAI teve que dar marcha à ré, passando para um esquema em que o titular precisa autorizar antes. O Sora não existe mais como produto (a OpenAI descontinuou em abril), mas essa marcha à ré deixou um precedente que ainda pesa em como o resto da indústria decide se posicionar diante do copyright.

Hoje em dia existem vários players, mas, como resumo, trago os seis que considero mais relevantes.

Runway

Seu produto é pensado para equipes de produção, não para exploração casual. O sistema de References permite subir várias imagens do mesmo personagem e manter sua aparência consistente entre planos diferentes, algo que a maioria dos concorrentes ainda resolve mal. Tem a API mais bem documentada do segmento, o que explica por que estúdios e agências a escolhem como ferramenta de acabamento final, não de tentativa e erro.

Esse posicionamento profissional convive com dois processos ativos, um de um grupo de artistas visuais e outro sobre a origem dos vídeos do YouTube usados para treinar o modelo.

Fatura 300 milhões de dólares por ano, mas o dado mais interessante dos últimos meses é para onde a empresa está olhando. A Runway acabou de anunciar que vai investir em modelos de mundo, sistemas treinados com vídeo e dados de sensores para prever como um ambiente se comporta fisicamente, não para gerar clipes prontos.

A diferença prática é esta. Gerar um vídeo para uma campanha publicitária e ensinar um braço robótico o que vai acontecer se ele soltar um objeto no ar usam o mesmo tipo de tecnologia de base, a capacidade de prever movimento ao longo do tempo. O que muda é para que essa previsão é usada. A Runway está apostando que o segundo mercado, robótica e simulação física, vai valer mais no longo prazo do que continuar competindo cabeça a cabeça em geração de vídeo para criadores de conteúdo. Ainda não abandonou o negócio de vídeo, mas é o primeiro sinal de que um dos seis players deste mapa pode estar deslocando o foco para outro lugar.

MiniMax (Hailuo)

Se promove com a frase "um estúdio de Hollywood no bolso" e busca resolver algo específico, o movimento humano. Os vídeos gerados com o Hailuo mostram uma fluidez em gestos e caminhadas que outros modelos ainda não conseguem, e isso o transformou no favorito de comunidades de criadores que buscam resultados rápidos e baratos.

Essa mesma promessa de marketing ("um estúdio de Hollywood no bolso") é a que o processo movido por Disney, Universal e Warner Bros. cita como evidência de intenção. O processo já superou a fase de rejeição e segue em andamento, sem que isso tenha freado o ritmo de lançamentos, nem a abertura de capital em Hong Kong, onde estreou avaliada em 6,5 bilhões de dólares e ultrapassou os 11 bilhões após o primeiro dia de negociação.

Midjourney

Continua sendo, antes de tudo, uma ferramenta de imagem. O vídeo chegou apenas em junho do ano passado como uma função adicional, não como o centro do produto, e permite transformar uma imagem estática em clipes curtos de cinco segundos, extensíveis até vinte e um. Sua receita, estimada em 500 milhões de dólares, depende quase inteiramente das assinaturas de imagem, então seu lugar neste mapa tem mais a ver com o peso legal que carrega do que com seu tamanho em vídeo. Está incluída no mesmo processo conjunto dos estúdios, em fase de discovery.

ByteDance (Seedance)

Diferente dos anteriores, o Seedance não existe como produto independente, mas sim integrado ao CapCut, ao Dreamina e ao resto do ecossistema de edição da ByteDance. Isso dá a ele uma distribuição que nenhum concorrente consegue igualar, mesmo sem um número de faturamento próprio e separável.

Depois de receber uma carta de cessação da Motion Picture Association em fevereiro, a ByteDance assinou em agosto um acordo-quadro que reforça as proteções de propriedade intelectual sobre seus modelos de vídeo e imagem. É o primeiro caso de um desenvolvedor de modelos de vídeo que chega a um marco de proteção negociado com a indústria organizada, sem que uma condenação judicial tenha sido necessária.

Kling (Kuaishou)

Oferece algo particular, a possibilidade de descrever uma sequência de vários planos em um único prompt e fazer com que o modelo mantenha continuidade entre eles, uma função de storyboard que nenhum outro player desta lista resolveu com a mesma solidez.

Essa confiabilidade tem um custo. A demanda de uso gerou gargalos de infraestrutura que as comunidades de usuários relatam com frequência. Fatura cerca de 240 milhões de dólares por ano, tem 60 milhões de criadores ativos e se posiciona ativamente para trabalhar com estúdios e agências, sem nenhum litígio conhecido contra ela.

Google (Veo)

Aposta na integração em vez da viralização. Oferece a resolução mais alta do grupo, com saída nativa em 4K, e uma sincronização de lábios e diálogo que várias comparações independentes colocam acima do resto. O acesso segue restrito em vários níveis, algo consistente com um produto pensado para clientes corporativos que já usam o resto do ecossistema do Google, mais do que para criadores individuais. Não tem litígios nem acordos públicos, e constrói seu argumento de confiança sobre a reputação corporativa, mais do que sobre uma política de copyright explícita.

Conclusão

O exercício de escrever toda semana me obriga a pesquisar e, consequentemente, a aprender mais sobre o que está acontecendo na interseção entre tecnologia e direitos autorais. Se a pessoa se guia pelo que vê nas redes sociais, acreditaria que já está tudo pronto para que uma pessoa e um computador façam um longa-metragem com qualidade profissional. A realidade é outra, ainda estamos na antessala disso.

Hoje, acredito que os usos mais práticos estão em conteúdo publicitário e em aplicações complementares durante uma produção. Nesse ponto, confio que meus leitores sabem mais sobre o tema do que eu, e que já vêm acompanhando casos pontuais, ou até aplicando isso eles mesmos. Da minha parte, abri um mundo novo e vou ficar atento aos acontecimentos para continuar trazendo esses temas de grande interesse.