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)

Claude Code monta um rascunho 3D no navegador, e o MiniMax H3 gera o vídeo a partir dele

Modelos de vídeo obedecem mal a descrições em texto de câmera e de caminhada, e cada geração fracassada custa dinheiro. O Claude Code monta em Three.js (biblioteca 3D para navegador) um rascunho de cena, uma pré-visualização (previz), com um manequim cinza em que se ensaiam o passo, a pausa e os ângulos de câmera. O vídeo vai para o modelo MiniMax H3 como referência de movimento, e o prompt encolhe para dois itens. Por isso, é mais barato acertar a direção no navegador e deixar a geração paga só para a versão final.

Processado por IA de TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
Claude Code monta um rascunho 3D no navegador, e o MiniMax H3 gera o vídeo a partir dele
Fonte: TG: @cgevent (Метаверсище и ИИще). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @cgevent (Метаверсище и ИИще) ↗
Editor-chefe
Prompt para o MiniMax H3«siga o movimento do vídeo» e a descrição do local
Manequim sem texturasno navegador, ajustam-se a física do passo e os ângulos da câmera
Dado-chave #3Dobras do tecido e mangas ainda exigem acabamento manual

Modelos de vídeo entendem mal descrições de movimento em texto, e cada tentativa custa dinheiro. Você escreve que o personagem anda pela rua, para por um segundo, olha para trás e a câmera dá a volta por ele pela esquerda, e recebe a caminhada errada, a pausa no lugar errado e a câmera apontada para outro lado. O autor do canal de Telegram «Metaversishche» (@cgevent) mostra um atalho.

Primeiro, o Claude Code, agente de programação com IA da Anthropic, escreve em Three.js (popular biblioteca JavaScript para 3D no navegador) uma cena de rascunho, a chamada previz, isto é, um esboço barato do futuro quadro. Depois, esse esboço é entregue em forma de vídeo ao modelo MiniMax H3 como referência de movimento.

A direção é ensaiada no código, e a geração paga fica para o final.

Como funciona o pipeline

A ideia é familiar a quem já trabalhou com cinema ou animação: antes de uma filmagem cara, faz-se a previz e ensaia-se o blocking, ou seja, quem fica onde, como se move e de onde a câmera o filma. Aqui, o papel de artista de previz fica com o Claude Code.

Na primeira etapa, o agente monta uma cena leve para o navegador. Nela há um manequim simples e sem texturas: uma figura cinza, sem rosto nem roupas. Direto no navegador, ajustam-se a física do passo, a duração da pausa antes de olhar para trás e os ângulos da câmera. O modelo de vídeo não participa dessa etapa: corrigir significa mudar algumas linhas de código e recarregar a página, não pagar por uma nova geração.

Em seguida, a cena é gravada como um vídeo curto e enviada ao MiniMax H3 como referência de entrada. O autor reduz de propósito o prompt final a dois itens: seguir o movimento do vídeo original e descrever o local desejado. Tudo o que antes era preciso escrever em palavras (trajetória da câmera, tempos, caminhada) já está embutido na própria referência.

Por que isso economiza dinheiro

O post não traz números concretos de custo, então só dá para falar da lógica. A inferência de vídeo, isto é, a execução do modelo de vídeo, é a parte mais cara da cadeia, e cada tentativa fracassada é cobrada por inteiro. A previz no navegador custa quase nada: um manequim simples roda num notebook comum, e o gasto com o Claude Code se resume aos tokens de um script pequeno.

O resultado é que as iterações migram para onde são baratas. Dez variantes da pausa antes de olhar para trás podem ser testadas no navegador em minutos, e só a versão aprovada segue para o modelo de vídeo. O segundo efeito é o prompt curto. Quando o movimento vem definido por um vídeo, o modelo tem menos espaço para interpretações livres, e o autor tem menos motivos para reescrever a descrição dez vezes.

Trata-se da continuação de uma abordagem que o autor chama de extensão da ideia de neurorrender. Antes, ele tinha visto exemplos em que o agente Astra montava interiores e exteriores no Blender e animava a câmera por conta própria. Agora o mesmo princípio, «primeiro uma base 3D controlável, depois a rede neural», passa para os personagens. De quebra, fica a pergunta de quem vai fazer as cenas de rascunho e os bonecos 3D, e o autor responde: o agente.

Limitações e o que fazer a respeito

O próprio autor aponta o ponto fraco: a dinâmica secundária, como as dobras do tecido e o movimento das mangas, ainda exige acabamento. O manequim sem roupa não mostra como o tecido reage ao passo e à virada, e o modelo de vídeo nem sempre completa isso de forma convincente. Num vídeo comercial, isso significa pós-produção manual ou rodadas extras de geração.

Há outras ressalvas. Para saber se o agente escreveu uma caminhada plausível, é preciso avaliá-la a olho, então noções básicas de 3D ajudam. Além disso, trata-se da descrição de um único caso, publicada num canal pessoal, e não de um benchmark: o post não diz quantas tentativas exatamente foram poupadas.

O que levar daqui

Para equipes de produção e estúdios, a conclusão é simples. Se o orçamento vai embora na busca por formulações para câmera e movimento, leve esse trabalho para o código e para um render barato. O Claude Code com Three.js serve como gerador rápido de cenas de rascunho, e o modelo de vídeo fica como a camada final, que aplica imagem, luz e local sobre um movimento já aprovado.

Para quem desenvolve ferramentas com agentes, é mais um exemplo de divisão sensata de trabalho: o agente escreve código determinístico onde é preciso controle, e o modelo generativo entra onde é preciso expressividade. Dá para testar a ideia numa noite: uma cena simples, um manequim, um movimento de câmera e um vídeo de referência na entrada do modelo de vídeo.

História

Perguntas frequentes sobre a notícia

Como funciona o pipeline?

A ideia é familiar a quem já trabalhou com cinema ou animação: antes de uma filmagem cara, faz-se a previz e ensaia-se o blocking, ou seja, quem fica onde, como se move e de onde a câmera o filma. Aqui, o papel de artista de previz fica com o Claude Code. Na primeira etapa, o agente monta uma cena leve para o navegador. Nela há um manequim simples e sem texturas: uma figura cinza, sem rosto nem roupas.

Por que isso economiza dinheiro?

O post não traz números concretos de custo, então só dá para falar da lógica. A inferência de vídeo, isto é, a execução do modelo de vídeo, é a parte mais cara da cadeia, e cada tentativa fracassada é cobrada por inteiro. A previz no navegador custa quase nada: um manequim simples roda num notebook comum, e o gasto com o Claude Code se resume aos tokens de um script pequeno. O resultado é que as iterações migram para onde são baratas.

O que se sabe sobre Limitações e o que fazer a respeito?

O próprio autor aponta o ponto fraco: a dinâmica secundária, como as dobras do tecido e o movimento das mangas, ainda exige acabamento. O manequim sem roupa não mostra como o tecido reage ao passo e à virada, e o modelo de vídeo nem sempre completa isso de forma convincente. Num vídeo comercial, isso significa pós-produção manual ou rodadas extras de geração. Há outras ressalvas. Para saber se o agente escreveu uma caminhada plausível, é preciso avaliá-la a olho, então noções básicas de 3D ajudam.

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…