Front-end14 min de leitura
Como eu crio vídeos com IA usando Remotion: um caso real
Como eu faço reels com IA e Remotion: pauta, roteiro, cena em React, legenda palavra por palavra e render. Com o caso real do Explica, Palito e os números dele.

Eu tenho uma conta de curiosidades no Instagram em que nenhum vídeo foi gravado nem passou por editor de vídeo. Cada reel é um componente React, renderizado quadro a quadro pelo Remotion. E quem escreve a maior parte desse código é uma IA.
A conta é o Explica, Palito: bonecos de palito em 3D explicam o que a ciência já testou sobre casal e corpo. Um desses vídeos passou de meio milhão de views.
Esse post mostra o fluxo inteiro, da pauta ao post, com o código de verdade. E mostra também onde a IA entra, onde ela não entra e o que deu errado no caminho.
TL;DR#
- Remotion transforma React em vídeo. Cada quadro é uma função do número do quadro, e o render sai em
.mp4pela linha de comando. - Vídeo como código é ótimo pra IA: ela não precisa de um editor gráfico, só de arquivos de texto e de um comando pra renderizar.
- O fluxo: pauta e estudo, roteiro em JSON, voz sintética com o tempo de cada palavra, cena em React com three.js, prévia, render e publicação.
- A IA não desenha nada. Não tem modelo de imagem nem de vídeo: todo boneco é geometria escrita em código. Os números saem do estudo, e as decisões de pauta e formato são minhas.
- O tema pesou mais que tudo. Em 06/11/2026, os vídeos de casal somavam cerca de 86% das views da conta.
- Deu errado também: uma queda de alcance depois de um post político, o limite de cerca de 25 publicações por dia e legendas que sumiam na publicação automática.
O que é o Explica, Palito#
O Explica, Palito é uma conta de reels de ciência, também no TikTok. O formato é sempre parecido: uma pergunta que a pessoa consegue conferir em si mesma ou em quem ama, um estudo que testou isso e a resposta, em 30 a 50 segundos.
Os bonecos vivem num diorama 3D low-poly: uma ilha redonda flutuando, com a câmera girando em volta. Por cima entram as placas de texto e uma legenda grande, palavra por palavra, sincronizada com a narração.
O método do canal também virou um ebook, o Palito AI: crie vídeos com IA sem aparecer. Ele vai da escolha do tema e do gancho até a leitura dos números depois de postar. Este post fica com a parte técnica: como o vídeo é feito em código.
Por que Remotion#
O Remotion é uma biblioteca que renderiza componentes React como vídeo. A ideia central é simples: o componente lê o número do quadro atual com useCurrentFrame() e devolve o que aparece naquele quadro. O Remotion abre um navegador sem janela, tira um print de cada quadro e junta tudo num .mp4 com o áudio.
Pra esse projeto, isso resolveu três coisas:
- Tudo é reaproveitável. Ilha, boneco, placa, legenda e transição viram componentes. Um vídeo novo é, na maior parte, uma combinação de peças que já existem.
- 3D sem sair do React. Com o pacote
@remotion/three, as cenas usam three.js pelo React Three Fiber, e a câmera também é só uma função do quadro. - Uma IA consegue operar. Não tem linha do tempo pra arrastar nem botão pra clicar. O vídeo é um arquivo
.tsx, e o render é um comando no terminal. Isso é exatamente o tipo de trabalho que um agente de código faz bem.
O fluxo, da pauta ao post#
Eu trabalho com o Claude Code aberto na pasta do projeto. Ele tem uma skill com as regras do canal (como escolher tema, como escrever o gancho, quais peças usar) e um guia de produção. Cada vídeo segue os mesmos passos:
1. Pauta e estudo#
A pauta passa num filtro só: a pessoa consegue conferir isso em si ou em quem ama, agora? "Casal fica com a cara parecida?" passa. Uma notícia da semana, não.
Com o tema escolhido, a IA procura o estudo primário (o artigo na revista ou no PubMed, não a notícia sobre ele) e anota autor, ano, revista, amostra e o que foi medido. Se não acha a fonte primária, troca o tema. Em estudo observacional, o vídeo fala em associação, não em causa.
2. Roteiro em JSON#
O roteiro é um narration.json: uma lista de falas, cada uma com um id, o texto que a voz vai ler e, na primeira, o título que aparece na tela. Esse é o roteiro real do vídeo do abraço:
[
{ "id": "hook", "say": "Um abraço depois da briga mexe com o seu humor até no dia seguinte.", "caption": "O abraço que [SALVA O DIA SEGUINTE]" },
{ "id": "mito", "say": "Parece só um carinho. Coisa pequena.", "caption": "" },
{ "id": "mas", "say": "Mas pesquisadores ligaram pra quatrocentas e quatro pessoas, toda noite, por duas semanas.", "caption": "" }
]Os números vão por extenso ("quatrocentas e quatro") porque é a voz sintética que lê, e ela erra menos assim.
3. Voz e o tempo de cada palavra#
A narração sai do edge-tts, uma biblioteca em Python que usa as vozes neurais do Microsoft Edge. O detalhe que faz a legenda funcionar: além do áudio, ela devolve quando cada palavra começa.
for line in lines:
path = out_dir / f"{line['id']}.mp3"
words = []
with open(path, "wb") as f:
async for chunk in edge_tts.Communicate(line["say"], VOICE, rate=RATE, boundary="WordBoundary").stream():
if chunk["type"] == "audio":
f.write(chunk["data"])
elif chunk["type"] == "WordBoundary":
# offset comes in 100 ns units: turn it into a frame at 30 fps
words.append([round(chunk["offset"] / 1e7 * FPS), chunk["text"]])
sec = duration(path) # ffprobe
timings[line["id"]] = {"voice": math.ceil(sec * FPS), "frames": math.ceil((sec + GAP) * FPS), "words": words}O resultado é um timings.json com quantos quadros cada fala dura e uma lista de [quadro, palavra]. Tudo no vídeo se sincroniza por ele.
4. A cena em React#
Cada fala vira um plano, com a câmera andando de um ponto a outro enquanto a voz fala. O vídeo do abraço tem oito:
Esse é o plano em que o vídeo do abraço entrega o resultado, com os nomes traduzidos pro inglês (no projeto eles estão em português) e as cores tiradas pra encurtar:
import { Cam, Plates, Shot, Source } from '../v2/kit'
import { makeWordFrame } from '../shared'
import timings from './timings.json'
// at('payoff', 'baixo') = frame where the narrator says that word
const at = makeWordFrame(timings)
// Hug (the couple hugging) is declared above, in the same file
const Payoff: React.FC<SceneProps> = ({ parts }) => (
<>
{/* camera travels from a to b during the line and shakes on the strongest word */}
<Shot parts={parts} palette="sun" a={Cam(0.4, 14, 2.4)} b={Cam(0.2, 10, 2.6)} shake={at('payoff', 'baixo')}>
<Hug />
</Shot>
<Plates
items={[
[at('payoff', 'seguinte'), 'NO DIA SEGUINTE', 'big'],
[at('payoff', 'baixo'), 'humor ruim mais baixo'],
]}
/>
<Source text="Murphy et al., 2018 · PLoS ONE" delay={20} />
</>
)Repare que nada ali fala em segundos. A câmera, as placas e o tremor da tela estão presos a palavras da narração. Se a voz mudar de velocidade, o timings.json muda e o vídeo continua sincronizado.
O makeWordFrame é pequeno. Ele procura a palavra na lista e devolve o quadro:
export const makeWordFrame = (timings: Timings) => (lineId: string, word: string) => {
const words = timings[lineId].words
const clean = (text: string) => text.toLowerCase().replace(/[^\p{L}\d]/gu, '')
const hit =
words.find(([, text]) => clean(text) === clean(word)) ??
words.find(([, text]) => clean(text).startsWith(clean(word)))
return hit ? hit[0] : 0
}5. Legenda palavra por palavra#
A legenda grande usa a mesma lista. A cada quadro, o componente acha a última palavra que já foi falada e desenha só ela, com um pop de entrada. Palavras de uma ou duas letras grudam na seguinte ("e quatro", "do começo"), pra legenda não piscar.
6. Prévia e render#
Um script junta os passos. Sem --render, ele gera uma tira de quadros num PNG, que a IA abre e olha antes de gastar minutos renderizando. É assim que ela pega texto cortado, placa em cima do rosto ou cena vazia.
./make.sh abracobriga AbracoBriga 120 400 700 # preview strip with 3 frames
./make.sh abracobriga AbracoBriga --render # final mp4 in out/upload/O render cria uma composição só pra aquele vídeo e chama npx remotion render. Depois o ffmpeg normaliza o volume e gera uma versão leve, abaixo de 10 MB, pra subir pelo navegador. O vídeo do abraço, com 41 segundos, tem 1.225 quadros a 30 fps.
7. Publicação#
A publicação também passa pela IA, com o Claude in Chrome dirigindo o Instagram web: upload, corte, legenda com a fonte e horário programado. Esse é o passo mais frágil do fluxo, e mais abaixo eu conto por quê.
Onde a IA entra e onde não entra#
| Etapa | Quem faz |
|---|---|
| Foco da conta, formato e quantos posts por dia | eu |
| Achar o estudo e conferir os números | IA, na fonte primária |
| Roteiro, legenda do post e código das cenas | IA, seguindo a skill |
| Voz | voz sintética (edge-tts) |
| Desenho, animação e câmera | código: React, three.js e Remotion |
| Olhar a prévia e corrigir | IA |
| Login, senha e decisões sobre a conta | eu |
O que eu mais gosto nesse arranjo: não existe imagem gerada por IA. Cada boneco é um cilindro, uma esfera e quatro bastões em three.js. O mesmo código renderizado duas vezes dá o mesmo vídeo, e nenhum número aparece na tela sem ter saído de um estudo que alguém abriu.
O trabalho da IA é o de uma pessoa muito rápida no time: pesquisa, escreve, monta a cena com as peças que existem, olha o resultado e corrige. Numa madrugada de 03/11, saíram 23 vídeos novos assim. As regras que ela segue, porém, saíram de mim e dos números.
Os números#
A conta não tem os Insights abertos pelo navegador, então os números abaixo são os públicos, lidos no perfil, cada um com a data da leitura.
- Em 03/11/2026: 70 reels, cerca de 1,1 milhão de views somadas e 710 seguidores. O vídeo da cara parecida tinha 466 mil views, 44 mil curtidas e 332 comentários. Os vídeos de casal eram cerca de 87% de todas as views.
- Em 06/11/2026: 114 posts, cerca de 1,67 milhão de views e 1.069 seguidores. A cara parecida chegou a 598 mil, e os de casal seguiam com cerca de 86% das views.
- Em 09/11/2026: 1.272 seguidores. Pra comparar, em 28/10 a conta tinha 43.
O resto da conta conta outra história. Academia teve mediana de 1,9 mil views, com uma exceção ("Panturrilha não cresce?", 40,8 mil em 03/11). Curiosidade geral, história e notícia ficaram perto de 1,5 mil.
E views não viraram seguidores na mesma proporção: entre 03/11 e 06/11, mais 570 mil views trouxeram só 359 seguidores, cerca de 0,06%. O topo do funil funciona; o meio, ainda não.
O que deu errado#
A queda de 28/10#
Até 28/10, quase todo reel parava entre 1,2 mil e 1,9 mil views. Naquela noite, a partir das 19h, a distribuição despencou: um vídeo sobre o oceano fez 179 views, uma checagem de notícia falsa sobre política fez 28, e o vídeo da manhã seguinte tinha 4 views em 1h40.
O status da conta estava todo verde, sem restrição formal. A minha hipótese é a soma de um post político com 5 posts por dia. Não dá pra provar, mas mudei as duas coisas: tirei notícia e política da pauta e baixei pra 3 posts por dia, por um tempo. Poucos dias depois vieram os vídeos de casal.
O limite de 25 por dia#
Quando os vídeos de casal pegaram, eu aumentei o volume. Numa madrugada, depois de umas 24 programações e 2 posts no mesmo dia, o Instagram passou a responder "Não foi possível programar seu post". Bate com um limite de cerca de 25 publicações criadas em 24 horas que eu encontrei na prática. Mover um post já programado não conta; só criar.
Os vídeos prontos ficaram numa lista com legenda e horário sugerido, e foram programados no dia seguinte.
A legenda que sumia#
Colar a legenda e clicar em Compartilhar por JavaScript deixou reels sem legenda, mesmo com o campo e o contador de caracteres certos na tela. O que funcionou: escrever linha por linha, apertar Enter de verdade entre elas e clicar de verdade no botão. Depois de publicar, a IA recarrega o reel e confere se a legenda está lá.
A conta errada#
Com mais de um Chrome conectado, já saiu vídeo na conta errada duas vezes. Hoje, antes de qualquer publicação, a IA confere o nome da conta logada na própria tela e para se não for a do Palito.
O que aprendi sobre gancho#
Em 05/11, eu pedi pra padronizar o gancho dos vídeos que mais viralizaram. Virou uma fórmula:
"Sabe quando [situação do dia a dia]? Não é [desculpa popular]. A ciência testou."
Com o título na tela no formato "Por que [quem] [PALAVRA-CHAVE?]" e o fim "Marca o seu amor e responde: [disputa entre os dois]?".
Funcionou como base, mas não como mágica. Os vídeos seguintes pararam numa mediana de 1,9 mil views, e em 10/11 o canal tinha caído na mesmice: mesmo gancho, mesmas cinco cenas paradas, câmera longe. Daí veio o formato 2.0, inspirado nos explicadores 3D curtos que viralizam lá fora: oito planos curtos, câmera sempre em movimento, uma virada com "Mas" e pelo menos um corte pra dentro do corpo.
Os primeiros vídeos no 2.0 são de 16/11/2026. Ainda não dá pra dizer se funcionaram: eu comparo a mediana de views com 72 horas, e a leitura fica pra 19/11.
O que aprendi#
O tema pesa mais que a produção. O vídeo da cara parecida é do formato antigo, mais simples. O que ele tem é uma pergunta que o casal confere em si mesmo, na hora. Casal "abstrato", com estudo bom mas distante, não pegou (1,4 mil e 1,7 mil views).
Não julgue um reel em 24 horas. "Dormir juntinho" tinha 2,8 mil views em 03/11 e passou de 120 mil três dias depois.
Vídeo como código vale pelo reaproveitamento. O primeiro vídeo em 3D levou tempo. Depois do kit pronto (ilha, boneco, placa, legenda, câmera), um vídeo novo é roteiro mais cena, e a cena é quase só composição.
Sincronize por palavra, não por segundo. Prender cada efeito a uma palavra da narração foi o que permitiu mudar a velocidade da voz sem refazer nenhuma cena.
Escreva as regras pra IA, não só o pedido. A skill com o que funcionou, o que não funcionou e as medidas que evitam retrabalho (onde o título cobre a cena, a distância da câmera) vale mais que qualquer prompt bem escrito.
Cuidados#
- Licença do Remotion. Ele é gratuito pra pessoa física e empresa pequena; empresa maior precisa de licença paga. Confira as regras da licença antes de usar no trabalho.
- Rótulo de IA. O Instagram pede que conteúdo com voz realista gerada por IA seja marcado como tal. Leia a regra atual da plataforma antes de publicar.
- Saúde e ciência. Sem dose, sem prescrição, sem número que não esteja no estudo. Quando o estudo é observacional, o vídeo diz que não prova causa.
- Imagem real só com crédito. Quando o vídeo mistura foto real, ela vem de acervo com licença aberta (Wikimedia Commons, NASA), com o crédito na tela.
- Automação de rede social quebra. Interface muda, botão muda de nome, limite aparece. Confira cada publicação depois que ela sai.
- Memória e máquina. Render 3D pesa. Eu rodo com
--concurrency=2pra máquina aguentar.
Referências#
Leia também

Front-end16 min de leitura
SEO em React: meu blog em 4 idiomas no Google e nas IAs

Front-end15 min de leitura
Como compartilhar senhas com segurança: o Yush por dentro

Front-end13 min de leitura
Vite 8 com Rolldown na prática: medi o build do meu site