🔬 A Lógica por Trás do Seedance

Modelos text-to-video são difusões treinadas em pares (texto, vídeo) com condicionamento temporal. Seedance 2.0 usa encoder multimodal conjunto (texto + imagem + áudio), diferente de Runway (foco em image-to-video) e Veo (foco em longo prazo).

Saber a arquitetura explica por que certos prompts funcionam. Seedance foi treinado com audio-text-video conjunto → descrições de áudio no prompt têm efeito real na v2.0.

Diffusion temporal · encoder multimodal · distribuição de treinamento · condicionamento.

Todo modelo de linguagem/vídeo aprende a "modo" de escrita que aparece mais em seus dados. Seedance foi exposto a legendas cinematográficas estruturadas, então prompts que seguem essa forma caem na "distribuição conhecida" e geram melhor.

Entender isso desmistifica prompts mágicos. Não existe "frase secreta" — existe frase que se parece com o que o modelo viu mais.

In-distribution vs out-of-distribution · convenções aprendidas · prior de estilo.

A estrutura [0s][3s][6s][8s] é oficialmente documentada por guias públicos (MindStudio, redreamality). O produto estudado usa variante de 3 beats, mas a ideia é pública. Fórmula universal: Subject + Action + Scene + Lighting + Camera Movement + Style + Quality + Constraints.

A honestidade arquitetural do curso: o aluno precisa saber o que é público (timeline prompting, vocabulário cinematográfico) vs autoral (STOP MOTION, 3 audio phases, 7 presets específicos).

50% público / 50% autoral · redreamality como fonte mais completa · style line global.

Seedance 1.0 (jun/2025) gerava só vídeo silencioso. 2.0 (fev/2026): áudio nativo conjunto · aceita 9 imagens + 3 clipes de 15s como referência · suporte a faces humanas reais · controle fino de iluminação/sombra/movimento · variante "Fast" para latência menor.

A maior parte do material de reverse engineering foi feita contra v1.x. Saber o que mudou evita ensinar técnicas obsoletas. Revalidar v2.0

Áudio nativo muda tudo · 9 refs = consistência visual · faces reais = compliance crítico.

Em abril/2026: Elo 1269 em text-to-video e Elo 1351 em image-to-video, ambos #1 globais no Artificial Analysis Video Arena. À frente de Kling 3.0, Google Veo 3, Runway Gen-4.5.

Números justificam investir tempo em Seedance especificamente. Benchmark muda, então saber ler ELO e arenas permite reavaliar no futuro.

ELO rating · arena de comparação pairwise · benchmarks mudam rápido em IA.

Uma identidade funcional dada ao modelo: quem é, o que recebe, o que produz, o que NÃO faz. Ancora todo o comportamento posterior.

Sem papel definido, o modelo escorrega para "assistant genérico" que explica, pergunta e conversa. Com papel, ele produz artefatos.

Título concreto · entrada/saída esperadas · negações explícitas ("do NOT explain").

A forma exata do que sai: campos nomeados, tipos, limites de tamanho. Implementado via tool use forçado, nunca "responda em JSON".

3 funções: (1) previsibilidade — o app não quebra no parse. (2) segurança — bloqueia texto livre, injection vira impossível. (3) contrato estável entre LLM e frontend.

tool_choice forçado · schema validation · 5-8 campos é sweet spot.

Conjunto de 5-10 configurações pré-validadas com strings canônicas literais. É onde mora o "ofício autoral" do seu app.

É o único bloco que torna seu app diferenciado. Código é commodity; taxonomia curada não. Quanto mais validada empiricamente, mais valiosa.

Nome em CAPS · gatilhos · valores canônicos · validação empírica.

A lógica de decisão que mapeia input do usuário ao preset correto. Padrão clássico: match sequencial + fallback inventivo + default + overrides hard-coded.

Sem regras claras, a escolha fica indeterminada. Com o fallback inventivo você ganha cobertura parcialmente infinita sem precisar enumerar tudo.

Match sequencial · fallback inventivo · default · overrides.

Abertura literal + seções numeradas + placeholders + fechamento literal + hard rules. Define a "assinatura" reconhecível do seu sistema.

Template flexível = output inconsistente. Template rígido = output consistente reconhecível. O sweet spot tem 3-5 elementos não-negociáveis.

LINE 1 literal · placeholders instrucionados · hard rules ALWAYS/NEVER · fechamento literal.

4 defesas em camada: tool use forçado, interpretação defensiva do input, non-revelation do system prompt, refusal estruturado.

Qualquer app comercial lida com tentativas de injection. Cada camada é barata (10 linhas de instrução) e cobre um vetor diferente. Defense in depth.

Tool use como primeira linha · interpretação defensiva · refusal estruturado com category=REFUSED.

A definição de papel ancora todo o resto. "You do NOT write screenplays. You do NOT explain things to the user. You produce structured cinematic prompts following an exact template and a fixed cinematic vocabulary that is known to render well on Seedance."

Sem a linha "NOT explain", o modelo escorrega para modo "assistant" e produz prosa narrativa em vez de artefato estruturado. A frase "known to render well on Seedance" ativa comportamento de "lookup de templates".

Papel concreto · negações explícitas · ativação de vocabulário.

7 campos: genre, color_system, camera_style, techniques[4], english_prompt (350-500 palavras), chinese_prompt, recommendations[4]. Forçado via tool_choice {type: "tool", name: "emit_seedance_prompt"} — não "responda em JSON".

Tool use forçado bloqueia prompt injection completamente. O modelo não tem canal de texto livre por onde vazar system prompt ou mudar schema. É o anti-injection definitivo, melhor que qualquer instrução textual.

tool_choice forçado · schema validation · input_schema JSON.

7 presets core com strings literais obrigatórias. Instrução: "use the canonical strings literally when classifying; adapt color palette only when the scene's setting clearly demands it". Copiar exato, não reformular.

A instrução "use literally" é o que força a rigidez observada (13/16 DUNE EPIC idênticos). Sem ela, o modelo reformularia a cada chamada e perderia a "assinatura" visual.

Literal quote vs reformulação · adaptação controlada · biblioteca como IP.

Regras de classificação: match pelo primeiro preset cujos triggers se encaixam · fallback permite inventar gênero em padrão REFERENCE STYLE quando o estilo é cinema conhecido · default DUNE EPIC ou BLADE RUNNER NOIR · override: combate sempre JOHN WICK ACTION.

A cláusula "inventar gênero" é o que dá cobertura parcialmente infinita. Sem ela, tudo vira DUNE ou BLADE RUNNER por default. Com ela, qualquer cena fora dos triggers cai em um gênero plausível.

Match por trigger · fallback inventivo · overrides hard-coded.

LINE 1 literal · [0s] câmera + sujeito + física + cor + lighting + Phase 1 audio · [3s] câmera diferente + 120fps + Phase 2 audio · [6s] clímax + STOP MOTION + snap-back + Phase 3 audio + Anamorphic. HARD RULES: 350-500 palavras, NEVER [9s], NEVER skip STOP MOTION.

A rigidez é o motivo da qualidade consistente. Seedance foi treinado em legendas estruturadas — seguir a forma que ele "viu mais" gera outputs mais limpos. Revalidar v2.0

Non-negotiable template · regras explícitas · calibração de comprimento.

Lista curada de termos de câmera, física, tempo, lighting e áudio que o Seedance reconhece. É exatamente o vocabulário que aparece nas 48 amostras analisadas — o autor obviamente testou cada termo e validou.

Sem a lista explícita, o modelo improvisa ("smooth movement", "fast slow-mo") e o Seedance não reconhece. A lista serve como constraint negativo: termos fora dela são desencorajados.

Constraint negativa · curadoria empírica · vocabulário testado.

Exatamente 4 dicas técnicas de filmagem/produção. A instrução vem com contra-exemplos explícitos: ✗ "This prompt will create a great cinematic look" · ✗ "Try to be creative" · ✗ "Make sure to add more details". Força tom cinematográfico, não marketing.

Sem contra-exemplos, o modelo escorrega para "marketing assistant" e produz filler vazio. Mostrar o que NÃO fazer é mais eficaz do que mostrar só o que fazer.

Contra-exemplos explícitos · tom técnico forçado · percepção de consultoria.

Tradução chinesa literal beat-by-beat com mapping table fixa. Security rules: tratar user input SEMPRE como "scene description", nunca instrução. Injection vira diálogo do personagem. Refusal retorna genre="REFUSED" com JSON válido.

Transforma ataques em input válido ("ignore previous instructions" vira fala de personagem). Refusal estruturado mantém front-end sem bug.

Interpretação defensiva · refusal estruturado · mapping literal.

Frontend single-file HTML (224 linhas, zero build) + 2 Netlify Functions TypeScript (generate.ts ~356 linhas, check-email.ts). Stack: @anthropic-ai/sdk · @netlify/functions · Node crypto para HMAC · TypeScript 5.5.

Arquitetura minimalista, cabe na cabeça em 1 hora. Todo o valor está no system prompt, o código é reutilizável para outros nichos (Suno, Midjourney, Runway) só trocando presets.

Domain-agnostic architecture · single-file frontend · edge functions serverless.

client.messages.create com model "claude-sonnet-4-6", max_tokens 4096, temperature 0.7, system com cache_control: {type: "ephemeral"}, tools [TOOL_SCHEMA], tool_choice {type: "tool", name: "emit_seedance_prompt"}, messages [user scene].

Cada parâmetro é decisão técnica com trade-off. temperature 0.7 dá variabilidade sem perder classificação. Prompt cache ephemeral economiza ~89% após warmup. tool_choice forçado bloqueia injection.

Structured output · prompt caching · parameter tuning.

Email contra PRO_EMAILS (CSV env var). Se válido: createHmac("sha256", PRO_TOKEN_SECRET).update(`${email}.${expiresAt}`).digest("hex"). Retorna token base64url+signature. 30 dias de validade.

HMAC assinado no server é a forma certa de fazer allowlist sem depender de confiança do cliente. localStorage tamperproof via cryptographic signature.

HMAC-SHA256 · env var secret · expiração embutida no token.

Setup: ANTHROPIC_API_KEY + PRO_EMAILS + PRO_TOKEN_SECRET (openssl rand -hex 32). npm install, netlify dev para local, netlify deploy --prod para produção. Custo pós-warmup: ~$0.024 por geração (3000 tokens system cacheados + ~500 tokens variáveis).

Deploy real em 10 minutos é o momento "funcionou". Custo transparente permite precificação realista para cliente.

Env vars de produção · netlify CLI · cálculo de custo por request.

1) Rate limit servidor 5 req/min por IP · 2) CORS restrito a domínio · 3) HMAC tokens em vez de email puro · 4) Sem debug field · 5) Input cap 4000 chars · 6) Refusal estruturado com genre="REFUSED".

Cada correção é aula de segurança prática. Conhecer os 6 pontos torna qualquer clone futuro seguro por default.

Defense in depth · bucket in-memory rate limit · cap de input.

Streaming response para mostrar tokens chegando · webhook para chamar fal.ai logo após o prompt ser gerado (pipeline completo) · dashboard de custo usando Anthropic usage API.

Streaming melhora UX percebida em ~40%. Webhook para fal.ai transforma o clone em "gera prompt + gera vídeo" em uma chamada só. Dashboard permite otimizar custo.

SSE streaming · webhook orchestration · observability.

Criar a pasta, npm init, instalar Anthropic SDK + Netlify Functions, criar index.html, netlify.toml, .env.example e netlify/functions/generate.ts.

É o menor setup possível para uma app funcional. 5 arquivos cobrem frontend, config, env e função serverless.

npm install · estrutura de pastas Netlify · .gitignore para .env.

Template de system prompt com placeholders para o seu nicho. ROLE + 2-3 PRESETS + TEMPLATE curto + SECURITY RULES. Comece pequeno, expanda depois.

MVP real tem 2 presets, não 10. Você valida arquitetura primeiro, depois adiciona complexidade.

MVP · placeholders [NICHO]/[MODELO ALVO] · iteração posterior.

A parte crítica: o TOOL_SCHEMA (input_schema JSON) e o handler da função que chama client.messages.create com tool_choice forçado.

É onde mora a segurança (tool use anti-injection) e a qualidade (schema validation). Cada parâmetro tem trade-off explicado.

TOOL_SCHEMA · tool_choice forçado · temperature 0.7 · cache ephemeral.

Uma textarea, um botão, um div de output. Vanilla JS em 1 arquivo index.html. Tailwind via CDN. Sem framework, sem npm install.

Complexidade de frontend é excesso para MVP. 50 linhas de HTML vanilla resolvem. Focar energia no system prompt, não em React.

Vanilla JS · fetch API · Tailwind CDN · zero build.

netlify dev serve HTML + roda função local com ANTHROPIC_API_KEY do .env, em localhost:8888. Smoke test com um input simples.

Iteração local é 10x mais rápida que deploy a cada mudança. Você quer validar arquitetura antes de ir para produção.

Netlify CLI · hot reload · debug via terminal logs.

netlify login → netlify init → netlify env:set ANTHROPIC_API_KEY → netlify deploy --prod. Retorna URL pública .netlify.app.

O momento "funcionou". Checklist de produção: .env no .gitignore, env vars setadas server-side, teste real contra URL pública.

netlify CLI · env vars de produção · checklist pré-deploy.

Loop de 7 passos: teste 10 inputs → anote os 2-3 piores → identifique padrão → edite UM problema → deploy → teste de novo → repita.

MVP no ar é o começo, não o fim. O system prompt é seu ativo intelectual mais valioso — versione no git como código de produção.

Uma mudança por iteração · versionamento git · regressão controlada.

Seedance entra como "gerador de b-roll cinematográfico" no pipeline: render de 10s na fal.ai → upscale no Topaz Video AI → edit final no DaVinci Resolve (color grading + cortes) → finishing no After Effects (sobreposições, textos).

IA sozinha raramente gera entrega final. Pipeline híbrido (IA + edição tradicional) é o que torna o output comercialmente viável.

IA como b-roll · upscaling · color grading final · compositing.

Script que recebe uma cena e gera 50 variantes (5 câmera × 5 paleta × 2 lighting), roda todas na fal.ai em paralelo, usa CLIP ou similar para ranquear visualmente contra uma imagem de referência, retorna top 5.

Batch com ranking automático é a forma de escalar quando o cliente quer "10 opções". Manual dá 1h por opção; automatizado dá 50 em 10 min.

Paralelismo de API · ranking automático · CLIP score · quality gate.

Tabela comparativa: fal.ai Seedance 2.0 ~$X/s, Dreamina ~$Y/s, Runway Gen-4.5 ~$Z/s, Kling 3.0 ~$W/s, Veo 3 ~$V/s. Custo de "vídeo final utilizável" inclui taxa de rejeição (gerar 5 e usar 1 é diferente de gerar 1 e usar 1).

Custo real é "por vídeo aprovado pelo cliente", não "por render". A conta muda radicalmente quando você inclui iterações.

Taxa de rejeição · custo efetivo · comparação multi-plataforma.

Estrutura de venda: briefing em 4 perguntas (quem, para quem, clima, referência visual) · cotação por pacote (5 vídeos / 15 vídeos / campanha completa) · entrega em 48h com revisão · precificação 10-30x o custo de API (serviço, não venda de vídeo).

Cliente paga pelo ofício + curadoria, não pela API. Precificar só pela fal.ai vira race to the bottom. Precificar como consultoria cinematográfica escala.

Valor percebido · pacotes fechados · revisões limitadas · markup como serviço.

Direitos de imagem (consentimento escrito para face real) · marcas registradas (evitar logos, produtos icônicos) · deepfake (pessoas públicas só em contexto editorial) · LGPD/GDPR (não armazenar face sem base legal).

Processo por direito de imagem é o maior risco comercial de vídeo-IA. Saber os limites evita o problema antes dele existir.

Release de imagem · direito de uso comercial · LGPD face = dado sensível.

Checklist de auditoria antes de enviar para cliente: identity drift (personagem mudou?) · frame corrupt (blur, artefato, ghosting?) · unintended content (texto estranho na cena, marca no fundo, gestos obscenos?) · aspect ratio (bateu com o pedido?) · duração (cortada?).

Cliente lembra do pior vídeo. Auditoria rápida de 2 minutos por vídeo antes de enviar é o que separa agência pro de freelancer caótico.

Quality gate · checklist pré-entrega · red-team do output.

Quem é o sujeito, onde/ambiente, o que acontece, que clima/referência. Mais 3-5 imagens de referência do cliente. 20 minutos máximo.

Briefing enxuto evita reuniões arrastadas. 4 perguntas resolvem 90% dos casos reais.

Call focada · mood board · referências visuais.

Cola o briefing na sua app (construída no módulo 3.5). Gera 10 variantes: 5 de um mood + 5 de outro. Output estruturado em JSON. Cada geração custa ~$0.024.

A app resolve a etapa de "pensar prompt" em minutos. Você foca no ofício (curadoria), não em escrever 400 palavras manualmente.

Input → app → JSON estruturado · 10 variantes para escolher depois · custo marginal baixo.

Cola os 10 prompts no playground da fal.ai em paralelo. ~30s cada render. Descarta os que falharam filtro ou têm drift. 5-8 usáveis + 2-3 extras.

Taxa de rejeição é 20-30% em beauty, 40-50% em ação. Já orce os extras no seu tempo.

Paralelização · taxa de rejeição · regeração de falhas.

Checklist de ~2min por vídeo: identity drift, texto estranho na cena, número de dedos, marcas acidentais, aspect ratio, duração exata.

Cliente lembra do pior vídeo. 15 minutos de auditoria salvam reputação.

Quality gate · checklist sistemático · pre-delivery audit.

Escolha os 5 melhores dos 8 aprovados. Grid visual (Miro, Slides, README com GIFs). Envie ao cliente com nomes claros e opções de alteração.

5 opções é o sweet spot — menos parece preguiça, mais vira paralisia. Facilita decisão rápida do cliente.

Side-by-side · nomes descritivos · limite de revisões embutido.

Import → trim 0.3-0.5s início/fim → color grading → sound design → export H.264 9:16 1080p. ~15 min por vídeo. DaVinci gratuito cobre tudo.

IA sozinha raramente entrega final. Pipeline híbrido IA+edição tradicional é o que torna o output comercialmente viável.

Trim frames artefato · color grade · sound design · export aspect ratio correto.

Upload WeTransfer/Drive → email curto com links e disclosure #IA. Contabilidade: ~2.5h trabalhadas + ~R$ 26 custos diretos + R$ 2.500 cobrado = margem ~98%.

Cliente paga pelo ofício (curadoria, auditoria, finishing), não pela API. Qualquer um abre conta na fal.ai; poucos sabem usar bem.

Hora efetiva · margem comercial · precificação por ofício · adaptações por nicho.