O preço de tabela do vídeo com IA é fácil de consultar — alguns centavos por segundo, menos em um modelo mais leve. O número na fatura no fim do mês raramente se parece com isso.
A diferença são as repetições. Relatórios de custo de 2026 situam o vídeo finalizado entre US$ 13 e US$ 220 por minuto e nomeiam o fator dominante sem rodeios: a taxa de iteração, não o preço por segundo. Um levantamento apontou que 68% dos usuários esgotam os créditos no meio do projeto, porque orçaram as tomadas que queriam e não as tentativas necessárias para consegui-las.
De onde vêm as tentativas
Modelos de geração não têm memória entre tomadas. Descreva a mesma pessoa com as mesmas palavras duas vezes e você obtém duas pessoas que apenas se parecem. Profissionais testando personagens em várias ferramentas relataram precisar de 15 a 20 regenerações por cena para chegar a algo utilizável. Tomadas complexas — movimento rápido, vários personagens, mãos e rostos — têm por si só uma taxa de regeneração de 30% a 40%.
A deriva custa caro de um jeito difícil de perceber. Quando um personagem muda no meio de uma sequência e você nota oito tomadas depois, não está consertando uma tomada: está reauditando tudo o que vem depois do ponto em que quebrou.
Há ainda as tentativas que não produzem nada. Usuários do Kling relataram taxas de falha de 40% a 60% em horários de pico, e os fóruns dos fornecedores acumulam relatos de créditos consumidos sem vídeo algum. Na maioria dos sistemas de crédito, uma geração que falha desconta o mesmo saldo que uma bem-sucedida.
O que a prática já recomenda
O conselho que se repete nos guias de custo é consistente o bastante para ser lido como checklist, e não como dicas:
- Precifique a tentativa antes de gastá-la. Saiba a contagem de tomadas e a cotação antes da primeira chamada cobrada, não depois.
- Resolva a composição em algo barato. Um quadro estático custa uma fração de uma renderização de vídeo. Trave o enquadramento ali antes de se comprometer.
- Defina o personagem uma vez e reutilize a referência. Redescrever uma pessoa em texto a cada vez é o que produz deriva. Uma referência salva não deriva.
- Não gere o que a tomada não precisa. Uma tomada cujo início e fim são quase idênticos não precisa de dois quadros-chave.
- Mantenha os lotes pequenos. Seis tomadas com um ponto de conferência valem mais que vinte sem nenhum.
Tornar isso padrão em vez de disciplina
Todo item dessa lista é algo que um operador cuidadoso faz à mão. A dificuldade é que os cinco precisam valer numa quinta-feira à tarde, na quarta revisão, com um cliente esperando — que é exatamente quando deixam de valer.
Essa é a parte embutida no agente de vídeo do Orkas, para que a lista seja garantida pelo fluxo e não pela memória:
- Uma cotação antes de qualquer chamada cobrada. A contagem exata de tomadas e personagens, com estimativa de créditos, é apresentada para aprovação. Nada se expande em silêncio.
- Um teto padrão de seis tomadas e três personagens por vídeo. Qualquer coisa maior precisa ser proposta e aprovada antes.
- Uma âncora de retrato por personagem. Gerada uma vez, depois travada e nunca regerada. As tomadas seguintes a referenciam por regra: primeiro o quadro mais recente do mesmo ângulo, depois um quadro mais antigo, depois só o retrato.
- Quadros-chave gastos conforme o quanto a tomada muda. Uma tomada quase estática recebe um quadro-chave, não dois.
- Chamadas que nunca chegaram ao provedor não são cobradas. Uma falha local antes do envio não consome nada.
Nada disso faz a primeira tentativa acertar sempre. Nenhuma ferramenta faz, e a que afirma fazer está descrevendo uma demonstração. O que muda é o formato da conta: as tentativas que você paga são as que aprovou antes.
O que isto não cobre
O controle de custo termina onde a publicação começa. O Orkas leva um vídeo da pesquisa e do roteiro até legendas, thumbnail e visibilidade em buscas, mas publicar em cada plataforma continua sendo tarefa sua.