Mark Zuckerberg acaba de anunciar o Movie Gen, uma nova e poderosa ferramenta de geração e edição de vídeos por inteligência artificial (IA). Desenvolvida pela Meta — a empresa-mãe de produtos como Facebook, Instagram e WhatsApp —, a mais nova tecnologia pretende transformar o futuro de como criamos e editamos vídeos, utilizando instruções textuais simples para produzir conteúdos de alta qualidade.
Em essência, o Movie Gen é um conjunto de modelos de IA construído para simplificar e democratizar a produção de vídeos, tornando acessível a qualquer pessoa a possibilidade de criar materiais visuais complexos e envolventes, sem a necessidade de conhecimentos avançados em edição ou produção audiovisual.
A principal premissa do Movie Gen é combinar diversas modalidades — como vídeo, imagem e áudio — em um único ambiente integrado. Assim, é possível desenvolver conteúdos imersivos e envolventes que antes exigiam equipes multiskill especializadas e grande investimento.
Por meio de técnicas avançadas de aprendizado de máquina e modelos baseados em milhões de parâmetros, essa tecnologia viabiliza a criação de vídeos de alta definição, com detalhes impressionantes e efeitos de som que complementam as cenas de maneira precisa e sincronizada.
Ainda em fase de pesquisa, o Movie Gen é considerado um dos modelos mais avançados do setor e deve ser integrado aos produtos da Meta nos próximos anos, oferecendo novas formas de expressão e criatividade para usuários do Facebook e Instagram.
A base tecnológica do Movie Gen é um modelo transformador com mais de 30 bilhões de parâmetros, que opera de forma integrada para converter texto em imagens e, posteriormente, imagens em vídeos.
O sistema é otimizado para reconhecer e replicar movimentos de objetos, interações entre personagens e ajustes de câmera, permitindo que o vídeo final seja fluido e coerente. Além disso, ele já é capaz de interpretar contextos complexos e detalhes específicos, criando vídeos que incorporam nuances visuais e de iluminação que enriquecem a narrativa.
Porém, o processo de geração de vídeo é apenas um dos aspectos do Movie Gen. A tecnologia também permite a personalização de vídeos a partir de imagens de pessoas, transformando fotos em cenas animadas que mantêm a identidade visual e os movimentos naturais dos indivíduos representados.
Com isso, é possível criar vídeos personalizados com qualidade cinematográfica, mantendo o realismo e a fidelidade ao material original.
O Movie Gen foi desenvolvido com quatro capacidades principais que exploram todo o potencial da inteligência artificial para a criação e edição de vídeos. São elas:
A geração de vídeo por meio de comandos textuais é a principal funcionalidade do Movie Gen. Utilizando o modelo transformador com 30 bilhões de parâmetros, a ferramenta é capaz de criar vídeos de até 16 segundos, com uma taxa de 16 quadros por segundo, a partir de descrições textuais detalhadas.
Isso significa que o usuário pode simplesmente digitar o que deseja ver e o sistema traduzirá essa descrição em uma sequência visual animada e fluida.
Lembrando que o modelo não apenas converte texto em vídeo, como também é otimizado para entender movimentos, interações entre objetos e personagens, e até mudanças na posição da câmera, tudo de maneira coerente e realista.
Por exemplo, um comando simples como “um macaco de rosto vermelho brincando com um veleiro em uma fonte termal cercada de vegetação” resultará em um vídeo que apresenta os elementos descritos e também adicionará movimento e vida à cena, mantendo a fidelidade ao texto original.
Uma das inovações mais assustadoras do Movie Gen é a capacidade de gerar vídeos personalizados a partir de imagens de pessoas. Com essa funcionalidade, o sistema transforma uma foto de referência e um comando textual em uma animação que mantém a identidade e os movimentos naturais da pessoa retratada.
Esse recurso é extremamente esperado por toda a comunidade de criadores que desejam incorporar seus próprios rostos ou os de outras pessoas em vídeos personalizados, mantendo um alto grau de realismo.
Afinal, a personalização de vídeos tem tudo para ser uma ferramenta potente e ágil criação de conteúdo digital para redes sociais, permitindo a produção de vídeos como mensagens animadas de aniversário ou conteúdos promocionais personalizados.
A precisão do modelo na preservação das características e movimentos das pessoas faz com que esse recurso se destaque no mercado.
Outra capacidade que é um pilar no lançamento do Movie Gen é a edição de vídeos já existentes. O sistema permite que os usuários façam modificações específicas em vídeos, utilizando apenas comandos textuais.
Então, a IA executa mudanças locais, como a adição, remoção ou substituição de elementos na cena, assim como alterações globais, como a modificação de fundos e estilos visuais.
Ao contrário de ferramentas tradicionais de edição de vídeo que demandam conhecimentos técnicos e softwares especializados, o Movie Gen promete uma solução simplificada e precisa, onde o usuário descreve o que deseja alterar e o modelo ajusta apenas os pixels relevantes, preservando o restante do conteúdo original. ]
Tal façanha tem tudo para abrir novas frentes para edições rápidas e eficientes — especialmente para criadores que buscam agilidade sem sacrificar a qualidade.
Por fim, o Movie Gen também inclui a capacidade de gerar áudio de alta fidelidade sincronizado com o vídeo, utilizando descrições textuais como base.
A ferramenta pode criar efeitos sonoros, trilhas sonoras instrumentais e até sons ambientes, ajustando-se ao contexto visual e ao ritmo das cenas. O modelo de áudio possui 13 bilhões de parâmetros e é capaz de gerar até 45 segundos de áudio de alta qualidade, entregando alinhamento preciso com o vídeo.
Esse recurso será vital para enriquecer a narrativa audiovisual, permitindo que os vídeos gerados pelo Movie Gen sejam imersivos e envolventes. Por exemplo, a descrição de um “motor de carro acelerando em uma estrada” resultará em um som que acompanha visualmente a cena e ainda se ajusta ao ambiente e à ação, criando uma experiência mais realista e completa.
O Movie Gen apresentou resultados impressionantes em avaliações comparativas, estabelecendo rapidamente um novo padrão na indústria de geração e edição de vídeos por inteligência artificial.
Em testes A/B realizados com humanos, o sistema superou consistentemente concorrentes de renome em todas as suas quatro capacidades principais. A tabela abaixo resume os índices de preferência dos avaliadores, demonstrando a superioridade do Movie Gen em cada uma das áreas analisadas.
| Capacidade | Modelos Competidores | Taxa de Preferência Líquida (%) |
|---|---|---|
| Geração de vídeo | Runway Gen3, OpenAI Sora, Kling 1.5 | +35.0, +8.2, +3.9 |
| Geração de vídeos personalizados | ID-Animator | +64.7 |
| Edição de vídeo precisa | Runway Gen3, Runway Gen3 Style | +86.7, +19.4 |
| Geração de áudio | PikaLabs Sound Gen., External Music Gen. API | +53.6, +38.2 |
Os resultados positivos em cada pilar demonstram o percentual da preferência dos avaliadores humanos pelos vídeos e sons gerados pelo Movie Gen em relação aos de sistemas similares.
Além dos índices de preferência, o Movie Gen atingiu resoluções de até 1080p e sincronização precisa de áudio a 48 kHz, provando ser uma solução robusta tanto para criadores amadores quanto para profissionais.
Mas apesar das conquistas, a Meta continua trabalhando em melhorias, com foco em reduzir o tempo de inferência e escalar os modelos para suportar vídeos e áudios mais longos e complexos, garantindo que a plataforma continue evoluindo para atender às necessidades futuras dos usuários.
Embora o Movie Gen já tenha demonstrado um desempenho superior em comparação com outras soluções do mercado, a Meta planeja uma série de atualizações e melhorias para o futuro da plataforma.
A empresa reconhece que, apesar dos avanços, ainda há desafios a serem superados, principalmente em relação ao tempo de inferência e à escalabilidade dos modelos para suportar vídeos mais longos e de maior complexidade.
O roadmap futuro do Movie Gen inclui:
- Otimização de tempo de inferência: um dos principais focos da Meta será reduzir o tempo de processamento para gerar e editar vídeos. Atualmente, o sistema já funciona com eficiência, mas a meta é torná-lo ainda mais rápido, permitindo que os usuários obtenham resultados em tempo real ou em intervalos significativamente menores, o que é necessário para a adoção em larga escala por criadores de conteúdo e profissionais de marketing.
- Escalonamento dos modelos: aMeta também trabalha no escalonamento das capacidades do Movie Gen para suportar vídeos e áudios de maior duração e complexidade. Hoje, o sistema gera vídeos de até 16 segundos, mas o objetivo é aumentar esse limite, permitindo a criação de produções mais longas que poderiam ser utilizadas em filmes curtos, documentários e outras formas de mídia digital.
- Colaboração com criadores e profissionais: em um esforço para assegurar que as futuras iterações do Movie Gen atendam às necessidades reais dos usuários, a Meta planeja trabalhar de perto com cineastas, criadores de conteúdo e animadores. Essa colaboração permitirá que a empresa incorpore feedback direto no desenvolvimento das ferramentas.
- Expansão de integrações com outras plataformas Meta: outra etapa prevista no roadmap é a integração do Movie Gen em produtos e plataformas Meta, como Facebook, Instagram e WhatsApp. O plano é disponibilizar recursos nativos de criação e edição de vídeos diretamente nessas redes sociais, permitindo que os usuários criem conteúdos personalizados e interativos com facilidade. A ideia é que funções como geração de vídeos e edição por texto estejam acessíveis para qualquer pessoa, democratizando a criação de vídeos de alta qualidade.
- Pesquisa e desenvolvimento contínuos: entre as áreas de foco estão a geração de áudio de longa duração, aprimoramento de detalhes visuais em vídeos gerados, e personalização avançada que mantenha a identidade e a expressividade dos indivíduos retratados.
Se você é desenvolvedor ou entusiasta de tecnologia com IA, pode acessar o paper oficial da Meta com todas informações da tecnologia.