Qwen, Luma e Pika: teste tenta criar vídeo com IA indistinguível de um real

Há apenas um ano e meio, vídeos gerados por IA se entregavam facilmente: movimentos travados, rostos borrados, física pouco natural dos objetos. Hoje esse tipo de vídeo aparece bem menos nos feeds, e há duas explicações para o fenômeno, fundamentalmente diferentes. A primeira é que a tecnologia avançou tanto que ficou difícil distinguir vídeos de IA de gravações reais. A segunda é que as pessoas simplesmente aprenderam a usar as ferramentas de forma mais profissional. O mais provável é que os dois fatores atuem ao mesmo tempo.

O que mudou em um ano e meio

A qualidade da geração de vídeo deu um salto. Antes, os primeiros quadros já denunciavam a origem do vídeo em uma rede neural. As ferramentas atuais aprenderam a imitar a cinematografia real: movimento de câmera, profundidade de campo e transições naturais de luz entre as cenas.

Ao mesmo tempo, os usuários ficaram mais habilidosos. A comunidade em torno da geração de vídeo consolidou práticas: como escrever prompts, quais estilos definir, como fazer a pós-produção do resultado. O que antes exigia dezenas de iterações e entregava um resultado medíocre agora pode ser reproduzido em poucas tentativas.

Três ferramentas ditam o ritmo do mercado hoje:

• Qwen Video, da Alibaba: modelo multimodal com foco em seguir instruções de texto com precisão
• Luma Dream Machine: especializado em cenas cinematográficas com movimentos de câmera suaves
• Pika: voltado para vídeos curtos e virais, popular entre criadores de conteúdo no TikTok e no Reels

O que exatamente foi testado

Os autores definiram uma tarefa concreta: usar cada ferramenta para criar um vídeo que se encaixasse naturalmente no feed das redes sociais e não provocasse a reação instintiva de "isso é claramente IA". A meta ia além de uma imagem tecnicamente bonita. O objetivo era um conteúdo com dinâmica verossímil, ritmo certo e detalhes que o espectador capta de forma inconsciente.

"Decidimos fazer um experimento para descobrir se os vídeos de baixa

qualidade criados por redes neurais realmente desapareceram ou se as pessoas aprenderam a fazer vídeos tão bons que já não conseguimos mais dizer quem é quem."

A tarefa se mostrou mais difícil do que o esperado. Cada uma das três ferramentas tem pontos fortes e fracos bem definidos. O Qwen funciona melhor com prompts detalhados, mas pode gerar artefatos quando há pessoas se movendo em cena. O Luma cria cenas atmosféricas impressionantes, mas se sai pior em closes de rostos e diálogos. O Pika é rápido e intuitivo, porém a qualidade cai em cenas complexas, com vários planos e muitos objetos no quadro.

Onde fica a fronteira entre o real e o gerado

Os modelos atuais aprenderam a esconder os sinais clássicos de geração por IA. Os dedos não se deformam mais em configurações impossíveis, o texto em objetos ao fundo ficou legível e a física de líquidos e tecidos melhorou bastante.

Ainda assim, alguns marcadores persistentes continuam visíveis para um olhar treinado:

• Iluminação "certinha" demais, quase inexistente em gravações amadoras reais
• Micromovimentos dos olhos e expressões faciais levemente fora de sincronia com a fala
• Texturas de cabelo em movimento, sobretudo com fundos complexos ou dinâmicos
• Transições de edição e ângulos atípicos para operadores de câmera reais

É justamente nesses detalhes que os resultados das três ferramentas divergem. O Luma leva vantagem em paisagens e filmagens de objetos, sem pessoas em close. O Pika se sai melhor quando é preciso uma edição rápida e dinâmica, sem se demorar nos detalhes. O Qwen se destaca quando importa reproduzir com precisão os pequenos detalhes da cena descrita.

O que isso significa

A fronteira entre o vídeo gerado por IA e a gravação real está se apagando rapidamente. Para criadores de conteúdo, isso abre novas possibilidades: produzir vídeos sem câmera, atores ou estúdio, reduzindo a barreira de entrada praticamente a zero. Para os espectadores, surge uma questão fundamentalmente nova: em que se basear, daqui para frente, para avaliar a autenticidade de um vídeo no feed?