Edição 02Janela 14/11 – 16/11/202618 itensFechada em 16/11

RAG

O que saiu de IA nesta semana, lido por quem faz comp: o que é, o que muda no trabalho e o que ainda é só promessa.

Capa

Ilha com uma vila nas costas de uma tartaruga gigante, em mar turquesa, imagem de exemplo do workflow
Imagem: vyrekai, exemplo do repositório dos workflows

14/11 repo · 15/11 atualizadohuggingface.coconferido na fonte

H3-Image: os 16 MP agora saem numa placa de 8 GB

O MiniMax H3-Image saiu com pesos abertos na edição 00. O que mudou: em 14/11 o vyrekai publicou três workflows de ComfyUI, para 8, 12 e 16 GB de VRAM, que entregam os mesmos 16 MP (3552×4736 em 3:4, 5472×3072 em 16:9) com os arquivos completos, sem GGUF. O ComfyUI passa o modelo pela placa em partes. O autor mediu pico de 3,7 GB de VRAM numa imagem de 16 MP e diz que, com a mesma seed, as três versões dão a mesma imagem pixel a pixel. A conta vai para a RAM do sistema: 24 GB no mínimo, 32 por segurança.

Os tempos são do autor, numa RTX 5070 Ti com a VRAM ocupada de propósito por outro programa, não em placas reais de 8 e 12 GB. Uma resposta no X relata falta de memória numa RTX 4070 de 12 GB. Eu não testei. Na versão de 8 GB o upsampler de prompt vem desligado e o decode do VAE é em tiles. No embalo, o benjiyaya abriu em 15/11 o LayoutKit, um canvas de caixas que monta o prompt de layout do H3-Image, ainda marcado como em desenvolvimento.

  • VRAMpico medido de 3,7 GB em 16 MP; RAM do sistema de 24 GB para cima
  • Tempo16 MP em 60 a 66 s, 6 passos (RTX 5070 Ti); 228 s com 4 imagens de referência em 8 GB
  • Arquivosmodelo 21 GB, text encoder 15,7 GB, VAE 1,2 GB; uns 38 GB de SSD
  • LicençaApache-2.0, só nodes nativos do ComfyUI

Pra compStill de base para matte em 16 MP, sem quantização, cabe com folga numa 3090: o limite passa a ser RAM e disco. Se usar a versão de 8 ou 12 GB, procure costura do decode em tiles em céu e parede lisa; na de 16 GB o decode é normal.

Modelos

Grafo do ComfyUI com os nodes Robin Loader, Robin LoRA e Robin Speak e a forma de onda do áudio gerado
Imagem: Fixed Seed / Robin

15/11github.comconferido na fonte

Robin: voz por descrição, e a sua própria fala com outro timbre

A Fixed Seed abriu os pesos do Robin, modelo de fala de 3,58 bilhões de parâmetros em 48 kHz. Faz três coisas: desenha uma voz a partir de um texto, refaz uma gravação sua com outra voz mantendo palavras, tempo e entonação (até 45 s) e treina LoRA de voz com 15 minutos de fala. Só inglês e japonês, sem português. O pico de GPU fica entre 8,2 e 9,9 GB em bf16, segundo o repositório, que já traz nodes de ComfyUI. A licença é própria, baseada na Apache, e limita o uso comercial acima de US$ 2 milhões de receita em 12 meses.

Pra compPara voz guia de animatic e personagem de teste em inglês, cabe numa 3090 junto com o resto. O modo que interessa é o de refazer a tomada: você atua a fala e troca só o timbre. Leia a licença antes de usar em trabalho pago.

Seis quadros de um nadador comparando a atenção densa e a int8 do PAN 2, com o tempo por passo de cada uma
Imagem: kijai / Comfy-Org, PR 17755, via comfyui-wiki

15/11github.comconferido na fonte

PAN 2 entra nativo no ComfyUI: vídeo de até 20 s, Apache-2.0

O PAN 2, modelo de mundo de 29 bilhões de parâmetros do MBZUAI, tem pesos abertos desde 07/10. O fato novo é o suporte nativo no ComfyUI, escrito pelo kijai e aceito em 15/11, com os arquivos da Comfy-Org no mesmo dia: text-to-video e image-to-video de até 20 s. A versão int8 pesa 26,7 GB (a bf16, 67,4 GB) e, numa RTX 5090, faz 241 quadros de 2880×1172 a 15,2 s por passo, contra 26,8 s da densa. O padrão são 50 passos. Só existe em build mais novo que a v0.45.0, ainda sem template oficial, e o prompt tem de ser uma legenda estruturada em JSON: frase solta devolve ruído.

Pra comp26,7 GB não cabem inteiros nos 24 GB de uma 3090, então depende de offload, e não achei medida em 3090. A 50 passos, um plano de 10 s leva uns 13 minutos na 5090. Fica para quando sair release com template; por ora é para quem roda o master.

Botas douradas andando sobre um piso branco, quadro do vídeo de anúncio
Imagem: ComfyUI, quadro do vídeo do anúncio

15/11x.compost conferido, preço não

Seedance 2.5 Flash chega ao ComfyUI: mais barato, só até 720p

O ComfyUI anunciou na noite de 15/11 o Seedance 2.5 Flash nos Partner Nodes: texto, primeiro e último quadro, múltiplas referências, edição e extensão de vídeo de referência, de 4 a 30 s em 720p com áudio nativo. Pelo anúncio, ele supera o Seedance 2.0 e custa menos que o 2.5. Os números abaixo vêm da imprensa (Startup Fortune, 15/11) e eu não conferi na BytePlus: API aberta em 15/11, cerca de US$ 0,15 por segundo em 720p, uns 34% abaixo do 2.5, sem 1080p nem 4K, e 20 arquivos de referência em vez de 50.

Pra compServe para o que hoje sai caro: variações de movimento e testes de first e last frame antes de gastar no modelo cheio. Como para em 720p, o plano aprovado ainda passa por upscale, e é nesse passo que a textura do matte se salva ou se perde.

Workflows e nodes

Nodes Load Optical Flow Model e Video Deflicker no ComfyUI, com força 1.0, direção bidirecional e limiar 0.10
Imagem: kijai / Comfy-Org, PR 17754

14/11 PR · 15/11 aceitogithub.comconferido na fonte

Video Deflicker: node nativo para tirar o pisca de upscale quadro a quadro

O kijai pôs no núcleo do ComfyUI o node Video Deflicker e um RAFT nativo de optical flow. O node recebe um vídeo processado quadro a quadro, como um upscale por frame, e devolve a consistência temporal: calcula o fluxo, deforma o quadro anterior já corrigido e resolve a mistura na GPU, com base no método de Bonneel e colegas (2015). Os controles são força, direção (só para a frente ou nos dois sentidos) e limiar, e há uma entrada opcional de vídeo guia para o fluxo. O RAFT nativo roda umas 2,3 vezes mais rápido que o do torchvision em 1024×576, segundo o PR. Só no master, depois da v0.45.0.

Pra compÉ o remendo para upscale e limpeza feitos frame a frame em placa viva. Com o plate original ligado como guia, o movimento vem dele e só o pisca deveria sair. Olhe borda fina, fogo e folha, onde o flow costuma errar e arrastar.

Diagrama do DiffHDR: vídeo LDR de entrada e a saída HDR mostrada em três exposições, com controle por texto ou imagem de referência
Imagem: Eyeline Labs, figura do paper DiffHDR

15/11github.comconferido na fonte

DiffHDR no ComfyUI: vídeo de 8 bits vira sequência EXR linear

Um port de comunidade leva para o ComfyUI o DiffHDR, do Eyeline Labs com Netflix e Texas A&M (ECCV 2026). Entra vídeo LDR de 8 bits, sai HDR linear, com os estouros regenerados por Wan2.1-VACE-14B mais um LoRA. Grava EXR em Rec.709 linear a partir do quadro 1001, em qualquer duração, por janelas de 33 quadros com cross-fade. A saída é 1280×720, e o README manda fazer upscale e devolver sobre o plate original pela máscara de exposição. Numa RTX 5070 Ti de 16 GB são uns 5 minutos por janela, segundo o autor. O código do paper é de 30/06 e o LoRA de 21/09; novo é o port, de uma conta que eu não conheço, com 1 estrela. Não auditei nem testei.

Pra compConcorre com o HDR por IC-LoRA do LTX, com outra base e saída pronta para o Nuke. O limite é o de sempre: 720p e brilho de highlight que pode variar entre janelas, então meça o flicker nas emendas. Código de conta nova passa por auditoria antes de instalar.

Cartão do repositório ComfyUI-Smart-Guides no GitHub
Imagem: nomadoor / GitHub

14/11github.comconferido na fonte

Smart Guides: os nodes encaixam alinhados enquanto você arrasta

Extensão do nomadoor para o canvas do ComfyUI. Ao arrastar, o node encaixa onde o fio fica reto e nas bordas de outros nodes e grupos. Também alinha e distribui, iguala largura e altura, mostra alças de espaçamento e deixa redimensionar grupo pelos quatro cantos. Funciona no renderer clássico e no Nodes 2.0, tem licença MIT e já está no ComfyUI Manager.

Pra compNão muda render nenhum, muda o tempo de arrumar grafo. Para workflow que vai ser lido por outra pessoa, ou por você daqui a um mês, se paga no primeiro dia.

Duas fileiras de quatro quadros de dois homens conversando diante de um prédio de vidro: em cima, 4 passos sem o LoRA, borrado; embaixo, com o LoRA, nítido
Imagem: NineCrowns, folha de comparação do repositório

14/11 · 15/11 atualizadohuggingface.coconferido na fonte

CROWN: LoRA que leva o vídeo do MiniMax-H3 a 3 ou 4 passos

Dois LoRAs de destilação para o MiniMax-H3 de vídeo, um para texto, imagem e first-last, outro para vídeo por referência, com nove workflows de ComfyUI. A promessa do autor: 15 s (362 quadros a 24 fps, com áudio) em 3 ou 4 passos, CFG 1.0, euler, sobre BF16, int8 ou GGUF Q4_K_M, este com menos de 9 GiB de VRAM. A folha de comparação mostra 4 passos sem o LoRA, borrado, e com ele, nítido. Apache-2.0. Os números são do autor, que eu não conheço, e eu não testei.

Pra compSe segurar, é rascunho de movimento em minutos numa 3090, para escolher take antes do render cheio. Compare com o render de muitos passos no que pesa para matte: textura fina e estabilidade do que deveria ficar parado.

Papers

Foto de rua em zoom de 1, 2 e 3 vezes com os mapas de profundidade: em dois modelos a distância medida cai a cada zoom, na versão corrigida fica igual
Imagem: Noor e Arifin, figura do repositório

enviado 13/11 · público 16/11arxiv.orgconferido na fonte

Zoom digital engana o depth métrico: o modelo acha que a câmera chegou perto

Recortar e ampliar uma foto não muda a distância das coisas, mas vários modelos de profundidade métrica respondem como se a câmera tivesse andado. Os autores medem isso com um índice α, em que 0 ignora o zoom e 1 trata o zoom como aproximação. O Depth Anything V2 dá 0,95. Os modelos que também estimam a câmera ficam entre 0,31 e 0,36. Com a câmera verdadeira informada, Depth Pro e DA3-Nested vão a perto de zero. A correção proposta, sem treino e sem rótulo, leva o Depth Pro a 0,04. Teste em 800 imagens (KITTI, NYUv2, DIODE), com controle de zoom óptico real. Código MIT.

Pra compTodo push-in feito por recorte em cima de um matte cai nesse caso: se o depth sair do quadro já ampliado, o Z encolhe junto com o zoom. Tire o depth da imagem inteira e recorte depois, ou informe a focal ao modelo.

Grades de imagens e vídeos de várias seeds em SDXL, SD3, Wan 2.1 e MiniMax-H3: no modelo destilado saem quase iguais, com o método saem variadas
Imagem: Horoz et al., arXiv

enviado 13/11 · público 16/11arxiv.orgconferido na fonte

ReDiverse: devolve a variedade que a destilação tira das seeds

Modelo destilado para poucos passos tende a dar quase a mesma imagem ou o mesmo vídeo em qualquer seed. O paper localiza a causa: no primeiro passo de denoise, a variação das ativações se concentra em poucas direções de um bloco intermediário. Daí saem duas correções, um adaptador leve (ReDiverse-FT) e uma versão sem treino que empurra as ativações nas direções do modelo professor (ReDiverse-TF). A figura de abertura mostra SDXL, SD3, Wan 2.1 e MiniMax-H3. Código Apache-2.0; os pesos no Hugging Face pedem aceite e têm licença própria.

Pra compÉ o defeito de todo LoRA de 4 passos: você troca a seed e o take volta igual. Se a versão sem treino virar node, dá para manter a velocidade e voltar a ter opções de movimento para escolher. Por enquanto é paper e código, sem node.

Filmes e comerciais

Cartela de título Treasure of the Himalayas Part One, em letras amarelas no estilo de filme de aventura dos anos 1960
Imagem: Chris Gwinn e Peter Hyoguchi, quadro do filme

15/11x.comconferido na fonte

Treasure of the Himalayas: 8 minutos e meio de aventura em Technicolor

Chris Gwinn e Peter Hyoguchi soltaram a primeira parte, de 8,5 minutos, de um longa de aventura e ficção científica no estilo dos anos 1960. Os dois produzem e procuram investidor para terminar o longa em 2027. Eles apresentam a obra como filme de IA e declaram as ferramentas: Midjourney e Seedance 2.5, na Dreamina. O post não diz o que foi feito fora da IA nem dá crédito de montagem, som ou acabamento. Passou de 600 curtidas no X.

Pra compO look de época faz parte do truque: grão, halo e cor saturada disfarçam a textura de vídeo gerado. Repare em quanto tempo dura cada plano e onde a consistência de personagem cede de um corte para o outro.

Oficial de casaco de inverno olhando por um binóculo dentro da ponte de comando de um navio
Imagem: TUPACABRA, miniatura do YouTube

13/11 original · 16/11 em 4Kyoutube.comconferido na fonte

NUREMBERG 1561: o trailer que rodou o X volta em 4K

O trailer de TUPACABRA saiu no X em 13/11 e voltou em 16/11 em 4K, no X e no YouTube (87 s), com mais de 1.400 curtidas no post novo. O autor declara que fez com a Venice. Segundo uma resposta no fio, as cenas em 4K foram geradas de novo e diferem um pouco das originais. A crítica que mais circulou, de 14/11, com 530 curtidas, lista o que falta: quase tudo é image-to-video, sem diálogo, com planos de 1 a 2 segundos e nenhum personagem que se repita. Li os posts e a ficha do vídeo; não assisti ao trailer.

Pra compBom retrato do teto do formato trailer: imagem forte, plano curto, nada que precise durar. Compare a versão original com a 4K para ver o que muda quando se gera de novo em vez de fazer upscale.

Cartela Redline Behind the Scenes sobre uma parede coberta de fichas de personagem
Imagem: Kling AI, miniatura do making of

filme 06/11 · making of 16/11youtube.comconferido na fonte

Redline: a Kling abre os bastidores do curta de 11 minutos

O curta saiu em 06/11, antes desta janela: 11 min 34 s, escrito e dirigido por Stephane Benini, com montagem de Yves Dalbiez, produção de Rodrigo Orozco, pós e VFX de Bruno Detante, som e música da un.studios, apresentado como feito com o Kling 4.0. Desta janela é o making of de 2 min 42 s, publicado pela Kling, com a parede de fichas de personagem usada na produção. É marketing da própria plataforma. O filme passou de 140 mil visualizações.

Pra compHá crédito de pós e VFX separado, sinal de acabamento fora do gerador. No making of, repare na quantidade de fichas de personagem: a consistência vem de preparo, não só do modelo.

Faixa de divulgação do longa, anunciado como primeiro filme iorubá fotorrealista feito com IA
Imagem: Mysterious Tech Studios, via Punch

15/11punchng.comconferido na fonte

Asiri Ilu Awon Osu: longa iorubá de IA vai para a TV dos EUA

O Mysterious Tech Studios, da Nigéria, levou o longa (Mystery of Osu Land) para a AfrolandTV, plataforma de streaming dos Estados Unidos, e baixou o preço na Docuth depois de problemas de acesso na estreia, segundo o Punch. O estúdio diz que as duas partes são 80% geradas por IA e 20% filmadas, com 72 cenas de IA e 16 com atores, e contesta quem afirma que só 30% é IA. O pedido de recorde ao Guinness não foi certificado e não há número de vendas. A matéria não diz quais ferramentas.

Pra compA conta de cenas é o dado útil: filmado e gerado no mesmo longa, numa língua que os modelos mal cobrem. Não achei link oficial para assistir, então não dá para julgar a emenda entre as duas partes.

Gente

16/11ajupress.comconferido na fonte

Matteo AI Studio: de 3 para 20 pessoas e um longa no cinema

Três diretores coreanos, Jung Joo-won, Moon Shin-woo e Yang Ik-jun, fizeram em 2024 o curta Matteo, de 16 minutos, gastando cerca de 4 milhões de wons em ferramentas. Dois anos depois o estúdio tem 20 funcionários, investimento de empresa e o longa Raphael, dirigido por Jung, com estreia marcada no Lotte Cinema para o dia 25 e contrato de segunda janela com a KT Studio Genie. O roteiro foi escrito pela equipe e os personagens passaram por várias revisões no Photoshop antes do registro de direito autoral.

Na mesma matéria, a CJ 4DPLEX conta que passou a usar IA generativa, junto com VFX tradicional, para produzir as paredes laterais do ScreenX. A versão ScreenX de um filme de Hollywood leva cerca de quatro semanas. O texto da Aju Press é tradução automática: as ferramentas aparecem como “Bio”, do Google, e “Sidance”, da BytePlus, provavelmente Veo e Seedance. A fonte não tem imagem.

Pra compDois recados. Estúdio pequeno vira empresa para pegar edital e serviço terceirizado, com personagem e mundo próprios como ativo. E as laterais do ScreenX são extensão de quadro em escala de longa: outpaint de vídeo com continuidade, o mesmo problema de ampliar uma placa para caber a câmera.

Mercado

Quadros de filmes premiados no Manchester Animation Festival de 2026
Imagem: Manchester Animation Festival, via Cartoon Brew

13/11 à noitecartoonbrew.comconferido na fonte

Festival de animação de Manchester barra IA generativa a partir de 2027

O Manchester Animation Festival anunciou, junto com os premiados de 2026, que não aceita mais filme com IA generativa a partir das inscrições de 2027. O diretor Steve Henderson disse que a nova política põe os artistas em primeiro lugar. A matéria do Cartoon Brew não traz a definição do que conta como IA generativa, e eu não vi o texto da política. O anúncio é de sexta, 13/11, à noite, depois do fechamento da edição 01, por isso entra aqui. Melhor longa: In Waves, de Phuong Mai Nguyen.

Pra compSegundo festival em duas semanas a fechar a porta, depois do Camerimage na edição 01. Sem definição publicada, não dá para saber se limpeza, upscale e roto por IA entram no veto: quem inscreve curta com qualquer passo de IA precisa perguntar antes.

Retrato de Sean Astin, presidente do SAG-AFTRA
Imagem: Robert Gauthier / Los Angeles Times

15/11latimes.comconferido na fonte

Sean Astin, do SAG-AFTRA: “nós desaceleramos”

Perfil do Los Angeles Times no primeiro ano de Astin na presidência do sindicato de atores, que tem cerca de 160 mil membros. O contrato ratificado em junho obriga o produtor a avisar o sindicato quando usar personagem sintético num papel que uma pessoa poderia fazer. Sobre barrar a IA de vez, ele diz que nenhuma empresa aceitaria ficar em desvantagem e resume o resultado: conseguiram o que deu, e desaceleraram. Cobra a votação do No Fakes Act e diz que o governo federal foi péssimo no assunto. É outra notícia, não a do SAG-AFTRA da edição 01.

Pra compA regra que chega ao set é de aviso, não de proibição. Em dublê digital, multidão e personagem gerado, a pergunta da produção passa a ser se o sindicato foi notificado, e isso pode entrar no cronograma do plano.

Grupo no palco no lançamento da aliança chinesa de ficção científica com IA, em Chengdu
Imagem: EV/SFM, via China.org.cn

14/11 evento · 16/11 matériachina.org.cnconferido na fonte

China: aliança de ficção científica com IA estreia com quatro adaptações

Lançada em Chengdu, durante a Nebulacon, diante de mais de 300 escritores e roteiristas. Os fundadores são a Hainan Eternal Vision (EV/SFM), dona dos direitos de 81 obras de ficção científica, a Beijing Flying Youth Culture Media e a Perfect World Pictures, que entra com ferramentas de IA e investimento para baixar o custo de efeitos, apontado como a barreira do gênero. As quatro primeiras adaptações são de livros de He Xi, Jiang Bo, Cheng Jingbo e Xiao Xinghan, e o plano inclui série, animação e games. A fonte é mídia estatal chinesa.

Pra compÉ catálogo de IP amarrado a pipeline de IA desde o contrato: o efeito pesado, que era o motivo de não filmar, vira a premissa. O anúncio não cita nenhum estúdio de VFX.

Para testar

Quatro hipóteses que saem desta edição. Nenhuma foi testada.

  1. Video Deflicker depois de um upscale quadro a quadro de placa viva, com o plate original de guia: o pisca some sem arrastar fogo e folha?
  2. Workflow de 16 GB do H3-Image numa 3090: 16 MP em quanto tempo, com quanta RAM, e o decode normal sai sem costura?
  3. DiffHDR em 720p, upscale e volta sobre o plate pela máscara de exposição, contra o HDR por IC-LoRA do LTX: qual segura melhor o highlight de uma janela para a outra?
  4. Depth de um push-in feito por recorte: tirar o Z do quadro cheio e recortar, contra tirar do quadro já ampliado. O paper diz que o segundo encolhe a cena.

Buracos desta edição

  • Janela curta: três dias, dois de fim de semana. Por isso 18 itens, e Gente com um só, sem imagem.
  • Sem release do ComfyUI na janela: o último é a v0.45.0, de 10/11. Video Deflicker e PAN 2 estão só no master.
  • O arXiv não teve envio datado de 14 a 16/11. Os dois papers são de 13/11 e ficaram públicos em 16/11.
  • O Instagram pediu login na segunda página e eu parei ali. O Reddit não abriu no navegador. As redes desta edição são YouTube e X.
  • Ficaram de fora por falta de conferência: um comercial com Frida Kahlo feito por IA (a matéria não abriu) e o curta The First Honest Day (o site bloqueou).
  • Nenhuma obra brasileira apareceu na janela. Os feeds da AWN, da LBB e do Meio & Mensagem não responderam.
  • O Banodoco não trouxe novidade na janela.
  • ST-ROTO, roto com SAM 2.1 dentro do Nuke, apareceu em 15/11 só com README: o próprio autor diz que ainda não há código.
  • Das quatro coletas automáticas, uma voltou sem lista e outra não terminou.