Como é que um site
se torna num vídeo pronto?

O worker de captura abre o URL público num browser e lê o que está visivelmente presente. Extrai texto útil, secções semânticas, chamadas para ação, cores, famílias tipográficas, candidatos a logótipo e metadados da página.

Guarda capturas de ecrã aprovadas e as webfonts que a página realmente usa, sempre que possam ser obtidas em segurança. As secções de destaque, funcionalidades, preços, prova social e chamada para ação tornam-se possíveis planos de origem. Scripts, embeds, áudio, vídeo e conteúdo SVG inseguro não são copiados para o logótipo captado.

A captura preserva as evidências, mas não decide a história. A fase seguinte escolhe quais desses elementos reais sustentam um argumento curto.

A fase de criação combina o kit de marca captado com um gancho selecionado e escreve uma sequência curta de falas, texto no ecrã, materiais de origem e chamadas para ação. Cada fala torna-se um beat, com um início, um fim e um visual correspondente.

As falas são sintetizadas separadamente e medidas. As suas durações reais definem um limite mínimo não negociável para cada beat. Um ritmo pedido pode acrescentar tempo de espera, mas a timeline nunca encurta uma fala para caber numa estimativa.

A cena é autónoma e usa os materiais locais captados. Posição, escala, opacidade, máscaras e conteúdo ativo são funções do tempo da timeline, e não animações a correr livremente.

O renderizador calcula o timestamp de cada frame a 30fps, ajusta um relógio virtual a esse timestamp e chama a função de renderização da cena. Espera pelo layout e pela pintura, guarda o frame e avança depois para o timestamp seguinte.

O tempo real de captura não controla o tempo da animação. Um frame mais difícil pode demorar mais tempo a produzir sem que isso faça o frame seguinte saltar para a frente. As imagens numeradas são codificadas por ordem como vídeo h264 com o formato de pixel yuv420p.

As cenas verticais renderizam a 1080x1920. As cenas horizontais renderizam a 1920x1080. Ambas usam 30fps, por isso a tela muda, mas o contrato de temporização mantém-se igual.

Os ficheiros de voz medidos são colocados nas suas posições de deixa na timeline final. A base musical é sintetizada de raiz para a renderização, usando o pulso selecionado e os pontos de corte visuais reais, e não uma gravação já existente.

A voz e a banda sonora são misturadas, mantendo a banda sonora sempre abaixo da faixa falada. O áudio combinado passa por uma normalização de volume com um alvo de -14 LUFS, tornando-se depois um stream AAC estéreo dentro do MP4.

Um link de som nativo separado pode ser usado durante a publicação nas redes sociais, quando esse som é elegível para a conta e o formato em causa. Não é incorporado no ficheiro master exportado.

O ficheiro final é analisado quanto à largura, altura, taxa de frames de 30fps, duração, codec h264, formato de pixel yuv420p e stream de áudio esperados. A duração tem de se manter dentro de 100 milissegundos da duração de renderização definida.

A cena é também inspecionada em timestamps de amostra, à procura de elementos visíveis que ultrapassem a largura do viewport. Verificações separadas descodificam frames do MP4 e comparam os seus hashes, para que uma cena que deveria ter movimento não passe como uma única imagem repetida.

Uma verificação técnica falhada interrompe o pipeline antes do upload. A revisão humana continua a avaliar a mensagem, o enquadramento, o ritmo e a legibilidade, mas já não precisa de descobrir por acaso que falta um stream de áudio.