Vibe coding para não juntar takes de vídeo automaticamente

Vários vídeos do mesmo guião são takes: o cliente gravou de novo porque errou. Colar automaticamente mistura take má com take boa. A última gravação já vem marcada e o sistema não junta sozinho.

Thiago estava no Autocut do Taurus Hub, a esteira que pega o vídeo do cartão do guião e manda cortar. 1 vídeo no cartão segue direto ao Autocut. 2 ou mais abrem um picker ranqueado com a última pré-selecionada. O botão à frente é "usar essa versão". Ele escondeu o "juntar todos" para o caso raro.

1 vídeo passa; 2 ou mais pedem o take

Ele falava com a IA sobre o que o cartão deve fazer quando o cliente sobe mais de 1 arquivo no mesmo guião. Sem a regra do take, o agente lê o lote como filme em partes e cola. Os vídeos chegam grudados no mesmo guião, e o modelo lê continuação. O cliente mandou a mesma fala outra vez. Ele tirou o comportamento desse hábito:

Quando o cliente manda dois, três, quatro vídeos do mesmo guião, quase sempre gravou de novo porque errou. Não são partes do mesmo filme, são tentativas.

1 vídeo no cartão não pergunta e vai ao corte. 2, 3 ou 4 abrem a lista, última marcada. Quem confirma aperta "usar essa versão" e o Autocut recebe 1 arquivo. Quem de fato gravou cenas procura o "juntar todos", fora da vista. Ele deixou o juntar no produto, escondido. O caso das cenas existe e o botão precisa existir, mas não no mesmo nível de "usar essa versão": o clique por reflexo mistura o lote. O "usar essa versão" está no singular porque a ação é escolher 1. O mesmo problema apareceu em testes automatizados.

O picker fica na porta do Autocut: o corte só vê o arquivo que passou, e as outras takes ficam no cartão, fora da timeline. A lista ranqueada ajuda o olho a comparar, sem transformar o ranking em ordem de colagem. Vale ver como isso terminou em vibe coding para trocar assinaturas que ninguem usa por um hub. Isso aparece também em gsap scrolltrigger.

Ele repetiu o critério da pré-seleção:

Já vem marcado a última que ele subiu. A mais nova é normalmente a boa.

A take nova entra marcada e o humano só troca se a nova for a má. Foi o mesmo caminho de vibe coding para testar modelo novo em ab sem mexer na producao.

Colar 3 no automático vira lixo

Ele falou o que a IA não devia fazer:

O que não fazer? Pegar nos três vídeos e colar um automático eura take mau com take boa e transforma-se em lixo. Numa frase vários vídeos. Você escolhe qual o take. A última já vem marcada. Não junta sozinho.

3 arquivos no mesmo cartão chegam com cara de 3 cenas e, no volume que ele descreveu, são a mesma fala gravada 3 vezes. Juntar no escuro põe a take má e a take boa na mesma timeline. O Autocut então corta um filme que contém o erro e a take boa, e o resultado parece amador. A regra do take impede o lote de chegar inteiro: você escolhe 1 e manda só essa. O mesmo problema apareceu em criar carrossel instagram.

No vibe coding, o picker escolhe o take

No vibe coding, se o pedido do Autocut omite a regra do take, 3 vídeos no cartão viram 1 filme colado. Thiago ditou a regra para o Autocut: escolher 1 take é o caminho comum, e juntar fica escondido. Quem constrói o cartão em vibe coding escreve essa regra antes de pedir o corte. Isso aparece também em vibe coding para achar o buraco na infra e nao so no app. Vale ver como isso terminou em ffmpeg o que é.

Na mesma live ele ainda separou score de corte e fidelidade ao guião. Outra peça, outro post. O Recut entra só quando o corte local já funciona, e isso já pressupõe 1 arquivo escolhido. Isso aparece também em vibe coding para nao misturar cadastro com checkout.

O e-se das cenas fica no debate

Depois, no debate com a IA, ele levantou o caso em que os arquivos são cenas do mesmo roteiro. 5 gravações, metade da 1 e metade da 4: aí grudar com FFmpeg e deixar o cérebro montar a timeline faz sentido. O perigo é a ordem errada, e concatenar sem humano ainda deixa uma fatia de falha (ele falou em 20%).

Se a sua esteira recebe vários vídeos por guião, ponha um picker na porta do corte, com a última marcada e o concatenar fora da tela principal. Dá para assistir à live de 216 min e ouvir a regra do take no momento em que ele a dita para a IA.