ChatGPT faz vídeo? O que ele consegue e o que não consegue

O ChatGPT faz vídeo? Sozinho, não. O ChatGPT escreve e planeja, mas não renderiza vídeo. O Sora, da OpenAI, gerava clipes curtos a partir de um prompt, mas a OpenAI já o encerrou. E mesmo quando funcionava, um clipe do Sora não era um vídeo pronto, narrado, com legendas e música por cima. Para isso, a pessoa liga o ChatGPT a uma ferramenta feita para montar vídeos, ou pula essa ligação e usa a ferramenta direto.

Essa pergunta aparece porque duas coisas diferentes vivem sendo misturadas numa manchete só. "O ChatGPT agora faz vídeos" quase sempre queria dizer Sora, e o Sora normalmente fazia algo bem mais limitado do que a manchete sugeria. A seguir, o que cada peça faz de verdade, onde ela para e como alguém sai de um prompt de texto e chega a um vídeo que vale a pena postar.

Vale dizer logo de cara: isso mudou tão rápido que muito do que as pessoas acham que sabem está um ano atrasado. O Sora foi lançado primeiro como aplicativo próprio, depois apareceu dentro do ChatGPT para algumas contas, e tanto a duração dos clipes quanto quem tinha acesso mudaram mais de uma vez. Trate o que está abaixo sobre os limites do Sora como uma ideia geral, e não como ficha técnica, e confira a sua própria conta antes de planejar qualquer coisa.

No que o ChatGPT é bom de verdade para vídeo

O ChatGPT mostra o seu valor antes de existir um único quadro. Sozinho, ele funciona como uma boa sala de roteiristas: escreve um roteiro numa voz específica, dá vida a uma primeira frase sem graça, corta um blá-blá-blá de 90 segundos para 30, solta dez ganchos para você ter o que descartar. Nada disso passa pelo Sora ou por qualquer modelo de vídeo. É linguagem, ponto.

• Roteiros e ganchos, narração completa, primeiras frases e versões alternativas da mesma ideia
• Listas de cenas e storyboards, uma descrição em texto, trecho a trecho, do que deve aparecer na tela
• Títulos, descrições e tags para a plataforma onde o vídeo vai ser publicado
• Marcações de tempo e capítulos, depois que você diz mais ou menos quanto dura cada parte
• Estruturas para vídeos mais longos, os trechos de que um vídeo de 10 minutos precisa antes de alguém pegar uma câmera ou uma ferramenta de vídeo

Essa é a parte que a maioria das pessoas desperdiça. Um roteiro bem estruturado, com gancho, três pontos e fechamento, quase sempre ganha de um vídeo lindo construído sobre um roteiro vago, porque o roteiro é o plano que o resto do processo segue. Um gerador de ganchos dedicado dá um primeiro rascunho mais rápido da primeira frase, e o nosso gerador de roteiros para YouTube Shorts faz algo parecido com o roteiro inteiro.

Um antes e depois rápido

Peça "um roteiro sobre produtividade" e a resposta são cinco parágrafos que serviriam para qualquer pessoa. Peça "um roteiro de 30 segundos para freelancers que vivem perdendo o controle das notas fiscais, abrindo no momento exato em que o pagamento do cliente não cai", e o resultado muda de forma: uma cena real, um público com nome, um gancho que não é só a frase de abertura com outras palavras. O que mudou não foi o modelo. Foram os dez segundos gastos decidindo para quem é o vídeo.

O ChatGPT ainda não decide três coisas: quanto o vídeo dura, se é vertical ou horizontal e de quem é a voz que lê. Isso depende de onde o vídeo vai parar e de quem está assistindo. Decida primeiro e depois peça o roteiro.

Quem está comparando opções só pelo lado do roteiro, antes de qualquer ferramenta de vídeo entrar na história, pode achar útil o nosso comparativo dos melhores geradores de roteiro com IA.

ChatGPT sozinho, ChatGPT com Sora e ferramenta conectada

Coloque as três configurações lado a lado e a diferença fica óbvia. "ChatGPT sozinho" é só a janela de conversa. "ChatGPT com Sora" soma o modelo de vídeo da OpenAI, usado dentro do ChatGPT ou pelo aplicativo do Sora. "ChatGPT com uma ferramenta de vídeo conectada" significa passar o trabalho para algo feito para montar o vídeo, por meio de um aplicativo, uma extensão ou um conector.

Essa tabela costuma ser olhada por cima e discutida nos comentários mais do que lida linha a linha, o que é uma pena. As duas respostas "Não" na linha de editar um vídeo existente importam mais do que parece. Elas explicam por que um pedido como "edite meu vídeo" falha nas duas primeiras configurações, não importa como seja escrito.

O padrão se repete em todas as linhas: o ChatGPT escreve bem em qualquer coluna. O Sora acrescenta uma capacidade real, clipes curtos gerados, e para por aí. A terceira coluna é a única que termina um vídeo do começo ao fim, porque é a única feita para montar um arquivo. As outras só geram um pedaço ou escrevem o plano. Se você está comparando opções, o nosso comparativo de IAs para vídeos grátis pode ajudar.

Uma "ferramenta de vídeo conectada" também não é uma coisa só. Às vezes é um aplicativo aberto de dentro do ChatGPT, às vezes uma extensão do navegador, às vezes um conector que deixa o ChatGPT chamar a API da ferramenta no meio da conversa. O mecanismo muda, o resultado não: o ChatGPT deixa de ser o processo inteiro e passa a ser a porta de entrada de um.

O que o Sora faz e onde ele para

O Sora é o modelo de geração de vídeo da OpenAI. Você passa um prompt de texto, às vezes uma imagem de referência, e ele produz um clipe curto gerado do zero, e não editado a partir de um material entregue a ele. Até o encerramento, ele funcionava no próprio aplicativo e, em alguns planos e regiões, direto dentro do ChatGPT. É texto para vídeo de verdade, e não a edição de algo que já existe, e essa diferença é o que mais confunde quem se decepciona com ele. A disponibilidade mudou mais de uma vez desde o lançamento, então confira a sua conta primeiro.

• Os clipes são curtos, de alguns segundos até uns 20 segundos por geração, nada perto de um vídeo narrado contínuo de 60 segundos
• Ele gera a partir de um prompt e não pega um arquivo de vídeo seu para editar
• O mais perto de edição é um remix: ajustar o prompt e gerar de novo, e não um corte preciso quadro a quadro
• O acesso depende do plano e da região, então um fluxo que funciona numa conta pode falhar na próxima
• Não há trilha de narração ligada ao seu roteiro nem camada de legenda embutida, o clipe é só imagem

Nada disso faz do Sora um truque. Clipes curtos e marcantes gerados por IA são úteis de verdade para b-roll, para uma cena de conceito ou para aquele quadro dramático que de outro jeito sairia caro demais. É a ferramenta errada para "pegue o meu podcast e transforme num vídeo", e a maior parte da decepção vem de esperar isso.

O Sora também ganhou recursos sociais por cima do modelo de geração: pessoas aparecendo nos clipes umas das outras com consentimento e um feed para compartilhar gerações dentro do aplicativo. Isso é uma decisão de produto em cima do que o modelo renderiza. O limite principal continua o mesmo: clipes curtos, gerados a partir de um prompt, com regras de conteúdo que recusam alguns pedidos de cara, e nenhuma forma de entregar o seu próprio material e receber uma edição de volta.

Acesso e verificação também mudaram. Alguns recursos exigiram checagem de identidade ou de idade. Alguns foram lançados em poucos países e chegaram a outros depois. Os planos do ChatGPT que incluem o Sora mudaram mais de uma vez. Confira a sua conta antes de planejar com base no que ela permitia seis meses atrás.

Por que pedir "edite meu vídeo" não funciona

Digite "edite meu vídeo" no ChatGPT e anexe um arquivo, e a resposta é uma explicação educada do que ele não consegue fazer, e não um vídeo editado. Não existe um editor por trás do chat. Ele consegue ler uma transcrição e descrever em palavras o que uma edição deveria fazer, mas não tem acesso quadro a quadro ao material, não tem linha do tempo, não tem nada para cortar de fato.

O padrão que mais aparece nas mensagens que o nosso suporte recebe sobre edição: alguém anexa um vídeo inteiro e espera receber uma versão cortada e legendada na resposta seguinte. É uma tentativa razoável. Só não é assim que a janela de conversa funciona.

Parte da confusão vem do fato de o ChatGPT processar de verdade alguns tipos de arquivo, como imagens, PDFs e texto, então vídeo parece o próximo passo natural. Não é, pelo menos não na mesma janela. Cortar, recortar, legendar e corrigir cor exigem um programa feito para isso, e o ChatGPT fica do lado da escrita, dizendo a esse programa o que fazer em vez de fazer.

Um prompt que começa com "edite meu vídeo para..." quase sempre falha. Reescreva como "escreva uma lista de cenas para uma edição de 30 segundos de..." e entregue essa lista a algo que consiga agir sobre ela. A ideia por trás é a mesma, mas só uma das versões dá para resolver dentro de uma janela de conversa.

O mesmo limite aparece com "coloque legendas no meu vídeo". O ChatGPT escreve o texto das legendas tranquilamente a partir de uma transcrição, e até formata as marcações de tempo das legendas se você disser mais ou menos o ritmo da fala. O que ele não faz é pegar um MP4, gravar essas palavras nos quadros e devolver um arquivo pronto. Essa etapa de renderização fica totalmente fora da conversa.

Três fluxos reais que funcionam

Três configurações levam alguém de uma conversa no ChatGPT até um vídeo que dá para postar. A escolha depende de quanto o controle importa e de quanto tempo o vídeo final precisa ter.

O prompt por trás desse clipe está detalhado, palavra por palavra, em como fizemos o prompt de um short viral com IA, se você quiser ver exatamente o que foi digitado antes de qualquer coisa ser renderizada.

1. Roteiro no ChatGPT, colado num criador de vídeos

Escreva o roteiro no ChatGPT e cole o texto final numa ferramenta feita para transformar roteiro em vídeo. Ela escolhe as imagens, gera a voz, sincroniza as legendas com o áudio e renderiza um arquivo. São duas etapas manuais, e as duas são rápidas. É o caminho com menos atrito para quem não precisa de uma ligação direta entre as duas ferramentas.

Também é a escolha certa para quem já usa o ChatGPT todo dia e não quer mais uma conta na rotina por causa de um vídeo. E é o mais fácil de explicar para alguém da equipe numa frase, o que faz diferença na hora de passar o processo adiante.

2. ChatGPT conectado a uma ferramenta de vídeo

Algumas ferramentas de vídeo se conectam direto ao ChatGPT, como aplicativo ou conector, então ninguém precisa sair do chat. Diga "faça um vídeo de 45 segundos sobre isso, vertical, com legendas", e o ChatGPT passa o pedido para a ferramenta conectada, que pega o roteiro, gera as imagens e a voz e devolve um arquivo pronto. A FacelessGenie funciona assim: conecte o ChatGPT à FacelessGenie uma vez, e todos os pedidos seguintes ficam na mesma conversa.

Essa é a configuração para quem quer ficar numa janela só o dia inteiro: ter ideias, escrever e gerar sem trocar de contexto. Também é o jeito mais rápido de fazer ajustes, porque "deixe 10 segundos mais curto" é só a próxima mensagem, e não uma volta a outro site. O mesmo padrão de conector aparece em outros lugares: quem usa o Claude no dia a dia pode ver o mesmo pelo outro lado em como conectar o Claude a uma API de vídeos dark.

3. Vídeo longo com estrutura no ChatGPT e o resto no gerador

Passou de alguns minutos, como num vídeo explicativo estilo documentário ou num vídeo mais longo para o YouTube, não peça tudo num prompt só. Peça primeiro ao ChatGPT uma estrutura parte por parte: os trechos, a duração de cada um, onde deve entrar um gráfico ou uma imagem. Depois passe essa estrutura para um gerador de vídeos longos, parte por parte.

Isso é mais lento de propósito. Um vídeo de 10 minutos tem espaço para o ritmo cair no meio se ninguém planejou, e a etapa extra de estrutura no começo pega isso antes da renderização, e não depois.

Do prompt ao vídeo, passo a passo

Veja mais ou menos como o segundo fluxo, o ChatGPT conectado a uma ferramenta de vídeo, funciona na prática, do primeiro prompt ao arquivo pronto.

A geração do vídeo é a única etapa que leva tempo de verdade, e ela acontece num servidor, não na janela de conversa, então nada impede você de fazer outras coisas enquanto renderiza.

Revisões fazem parte normal desse ciclo, e não são sinal de que algo deu errado. A primeira versão raramente acerta a voz ou o ritmo de primeira. Pedir uma segunda versão custa uma mensagem, e não refazer o processo inteiro. Na nossa experiência, a maioria das pessoas pede pelo menos uma troca de voz antes de chegar ao vídeo final.

Modelos de prompt que funcionam

Prompt vago gera resultado vago. "Faça um vídeo sobre marketing" produz um roteiro genérico e, se o Sora estiver no meio, um clipe igualmente genérico. Prompts específicos, que dizem duração, tom, estrutura e público, entregam algo que dá para usar. Dois exemplos de como isso fica na prática:

Nenhum dos dois pede "um vídeo" no abstrato. Cada um define duração, formato, tom e público. Essa é a habilidade real no trabalho de prompt para vídeo: escrever um briefing bom o bastante para que quem vier depois, humano ou IA, não precise adivinhar o que falta.

Um prompt que cobre cinco pontos ganha de quase qualquer coisa mais vaga, seja a conversa com o ChatGPT sozinho ou com uma ferramenta conectada.

• Duração, em segundos ou minutos, nunca só "curto" ou "longo"
• Formato: vertical para Shorts, TikTok e Reels, horizontal para YouTube
• Público, específico o bastante para o roteiro falar direto com ele em vez de falar com todo mundo ao mesmo tempo
• Tom: de conversa, formal, urgente, calmo, o que realmente combinar com o tema
• Uma ação clara para o espectador no fim, e não três disputando entre si

Erros comuns

A maior parte da frustração que as pessoas relatam com "vídeo no ChatGPT" vem dos mesmos poucos hábitos.

• Pedir um vídeo pronto num prompt só, sem roteiro, duração ou formato definidos antes
• Nunca decidir entre vertical e horizontal antes de gerar e depois estranhar que o resultado não serve para a plataforma
• Pular as legendas, quando a maior parte dos vídeos curtos é assistida sem som
• Esperar que o Sora edite um vídeo enviado, em vez de gerar um clipe novo a partir de um prompt
• Tratar um clipe de 20 segundos do Sora como substituto de um vídeo completo com narração
• Nunca dizer ao ChatGPT quem é o público, e o roteiro sai como se fosse para todo mundo e para ninguém

Acerte a ordem, roteiro primeiro, formato em segundo e geração em terceiro, e a maioria desses problemas some sozinha.

Os dois primeiros erros da lista causam a maior parte do retrabalho. Pule a decisão de formato e a geração volta horizontal quando a plataforma pedia vertical, o que exige um recorte que corta o que estava nas bordas, muitas vezes uma mão ou um logo que importavam. Pule o roteiro e a ferramenta de vídeo acaba ajustando o texto depois de já ter renderizado uma voz lendo a frase errada, o que aparece na tela como uma legenda que não bate com o narrador dois segundos depois.

Essa é uma das perguntas mais comuns que o nosso suporte recebe sobre essa etapa: por que a legenda não bate com a voz? Quase sempre, o roteiro mudou depois que a voz já tinha sido gerada, e ninguém refez essa última etapa antes de exportar.

Quando ficar no ChatGPT e quando sair

Fique no ChatGPT para tudo que ainda é texto: escrever, reescrever, pensar em dez títulos, checar se um gancho funciona como gancho. É rápido, e não há motivo para abrir outra ferramenta para uma tarefa que é só sobre a frase.

Saia do ChatGPT no momento em que a tarefa vira montagem: escolher imagens, sincronizar legendas com uma voz, renderizar um arquivo que dá para subir. O ChatGPT simplesmente nunca foi feito para renderizar vídeo, e colar um roteiro pronto num criador de vídeos dedicado, ou conectar o ChatGPT a um, fecha essa distância sem obrigar ninguém a aprender duas habilidades diferentes.

Uma regra simples funciona aqui: se o resultado ainda pode ser descrito numa frase e é texto, o ChatGPT sozinho basta. No momento em que essa frase precisa de "...e depois exportar como vídeo", é hora da segunda ferramenta, seja colando o roteiro nela ou usando um conector entre as duas.

Nada disso é uma crítica ao ChatGPT em si. Escrever bem é difícil de verdade, e ele faz essa parte com consistência. Mas se você tem um roteiro parado numa aba do ChatGPT agora, este é o momento de testar a outra metade: cole num criador de vídeos, ou conecte o ChatGPT a um, e veja o que volta. O passo a passo completo desse processo está em como fazer vídeo com IA, para quem ainda tem dúvida em alguma etapa acima.