Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Autor substituiu a si mesmo por um avatar de IA no YouTube: visualização média de 1 minuto em vez de 5

O fundador de um app para aprender palavras criou uma cópia de si mesmo com IA e lançou um canal no YouTube sem gravações. O roteiro foi escrito pelo Claude Code, a voz veio do ElevenLabs e o rosto do HeyGen. Um vídeo de dez minutos saía por US$ 2–3, mas a duração média de visualização do avatar ficou em cerca de 1 minuto, enquanto a do autor ao vivo, com um microfone de 300 rublos, chegou a cerca de 5 minutos. O YouTube recomenda vídeos que as pessoas assistem até o fim, então uma produção barata que não retém o espectador não funciona.

Processado por IA de Habr AI; editado por Hamidun News
Autor substituiu a si mesmo por um avatar de IA no YouTube: visualização média de 1 minuto em vez de 5
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O avatar ocupava 20% do tempo do vídeo; o restante era composto por infográficos e ilustrações
Dado-chave #2O primeiro vídeo, feito por US$ 25, recebeu 10 curtidas e 100 descurtidas
Dado-chave #3O HeyGen Avatar 6 custa cerca de US$ 1 por minuto de vídeo

Imagine não precisar montar iluminação, gravar dez takes seguidos nem lutar contra a dicção: você escreve o roteiro e uma cópia digital de você mesmo o lê diante da câmera. O autor de um aplicativo para aprender idiomas testou esse esquema no YouTube. Ele montou um pipeline quase totalmente automático, em que um vídeo de dez minutos custa US$ 2–3.

Mas, nos dados do YouTube, tudo saiu ao contrário. A duração média de visualização, ou seja, quantos minutos o espectador assiste em média antes de fechar o vídeo, ficou em cerca de 1 minuto nos vídeos com avatar. Nos vídeos comuns, em que o próprio autor aparece diante da câmera, essa média é de cerca de 5 minutos.

E é justamente esse indicador que determina se o YouTube vai recomendar o vídeo a outras pessoas.

Como o pipeline funciona

O autor buscava tráfego orgânico para o aplicativo e decidiu lançar um canal sobre técnicas de memorização de palavras. O app poderia ser mencionado ao longo dos vídeos.

Primeiro, ele testou serviços que animam imagens. O vídeo feito no Hedra ficou tão fraco que precisou ser removido. O King AI teve resultado ainda pior. Uma qualidade aceitável veio apenas do HeyGen, no modelo mais caro, o Avatar 6, por cerca de US$ 1 por minuto de vídeo.

Para que a imagem lembrasse uma gravação com várias câmeras, o autor fez fotos suas de diferentes ângulos. Pelo ChatGPT, transformou essas fotos em cenas com um mesmo estúdio gerado por IA e, com base nisso, montou no HeyGen várias configurações do avatar.

Depois entrou o Claude Code. Ele escrevia o roteiro e o dividia em cenas: qual texto vai ao ar, qual ângulo usar, quando mostrar um close e quando exibir um infográfico. Cada trecho era narrado pelo ElevenLabs com um clone da voz do autor. O clone foi criado a partir da leitura de um pequeno texto no microfone. Todas as etapas eram operações repetitivas, com entrada e saída bem definidas, por isso os scripts foram fáceis de escrever. O mais difícil foi conseguir um rosto aceitável.

Economia: de US$ 25 para US$ 2–3

O primeiro vídeo completo custou cerca de US$ 25. Quase tudo foi consumido pela geração de vídeo no HeyGen. O autor decidiu reduzir o tempo do avatar na tela. O rosto ficou no início, no final e nas transições entre blocos, cerca de 20% da duração. O restante foi preenchido com infográficos, ilustrações e inserções. Isso trouxe dois efeitos: o espectador vê menos expressões artificiais e um vídeo de dez minutos passou a custar cerca de US$ 2–3. Na avaliação do autor, os vídeos até ganharam, porque, no lugar de uma cabeça falante, passaram a ter explicações visuais.

Ele também redirecionou o canal para um público de língua inglesa que estuda espanhol. Segundo sua observação, em inglês a expressão facial do HeyGen ficou visivelmente melhor do que em russo.

O que os dados mostraram

O autor publicou o primeiro vídeo no X, e as críticas nos comentários foram duras. As pessoas falaram sobre o efeito do vale da estranheza, termo usado para a sensação desconfortável de que um humano artificial parece quase real, mas pequenas incoerências na expressão facial causam desconforto. O blogueiro Vlad Ten compartilhou o vídeo no Telegram. O resultado foram alguns milhares de visualizações, 10 curtidas e 100 descurtidas. O paradoxo é que, por causa da atividade gerada, o YouTube passou a mostrar o vídeo para outras pessoas.

O autor admitiu que esse foi um teste injusto: todos sabiam que estavam diante de um avatar e procuravam defeitos de propósito. Por isso, ele publicou os vídeos em inglês sem anúncio e os comparou com seu canal habitual. Ali ele aparece em um quarto escuro, com um microfone de 300 rublos, com problemas de dicção e palavras de preenchimento.

Segundo a análise do YouTube, a duração média de visualização dos vídeos comuns foi de cerca de 5 minutos, enquanto nos vídeos com avatar ficou em cerca de um minuto. Se o vídeo não é assistido até o fim, a plataforma não o impulsiona. O primeiro pico de visualizações refletiu a curiosidade pelo "constrangimento", não pelo tema dos idiomas.

Alguns conhecidos, a quem os vídeos foram mostrados sem aviso, não perceberam nada de estranho. Ainda assim, o conteúdo não retinha a atenção. O autor não sabe a causa exata e supõe que: uma pessoa real tropeça, muda a entonação, sorri fora de hora, busca palavras. O avatar lê o texto com fluidez, mas parece alguém que não entende do que está falando. Trata-se de uma hipótese, não de uma medição.

O que isso significa na prática

  • Automatizar a produção é possível, mas isso não resolve a retenção do espectador. Dez vídeos por dia não ajudam se cada um for fechado no primeiro minuto.
  • A métrica para validar essa ideia é a duração média de visualização, e não o número de views ou as primeiras reações.
  • Testar "às cegas", sem anúncio, é melhor; do contrário, o público vai procurar falhas.
  • As redes neurais continuam úteis para roteiros, ilustrações e infográficos. Neste caso, elas não substituíram o apresentador ao vivo.

As limitações são evidentes: trata-se da experiência de um único autor, em um canal, em um nicho e com uma amostra de poucos vídeos. Outros formatos ou modelos futuros podem mudar o resultado. Mas, para quem adia o lançamento de um canal por causa da iluminação ou da dicção, a conclusão é prática: uma pessoa de verdade diante da câmera ainda retém o espectador melhor do que uma cópia perfeita.

História

Perguntas frequentes sobre a notícia

Como o pipeline funciona?

O autor buscava tráfego orgânico para o aplicativo e decidiu lançar um canal sobre técnicas de memorização de palavras. O app poderia ser mencionado ao longo dos vídeos. Primeiro, ele testou serviços que animam imagens. O vídeo feito no Hedra ficou tão fraco que precisou ser removido. O King AI teve resultado ainda pior. Uma qualidade aceitável veio apenas do HeyGen, no modelo mais caro, o Avatar 6, por cerca de US$ 1 por minuto de vídeo.

O que se sabe sobre Economia: de US$ 25 para US$ 2–3?

O primeiro vídeo completo custou cerca de US$ 25. Quase tudo foi consumido pela geração de vídeo no HeyGen. O autor decidiu reduzir o tempo do avatar na tela. O rosto ficou no início, no final e nas transições entre blocos, cerca de 20% da duração. O restante foi preenchido com infográficos, ilustrações e inserções. Isso trouxe dois efeitos: o espectador vê menos expressões artificiais e um vídeo de dez minutos passou a custar cerca de US$ 2–3.

O que os dados mostraram?

O autor publicou o primeiro vídeo no X, e as críticas nos comentários foram duras. As pessoas falaram sobre o efeito do vale da estranheza, termo usado para a sensação desconfortável de que um humano artificial parece quase real, mas pequenas incoerências na expressão facial causam desconforto. O blogueiro Vlad Ten compartilhou o vídeo no Telegram. O resultado foram alguns milhares de visualizações, 10 curtidas e 100 descurtidas.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…