← Voltar ao blog
Aicerca de 7 min de leitura

Do clipe ao jogo: US$ 6 por nível jogável e o vídeo como documento de design

Publicado 10 de nov. de 2026
Do clipe ao jogo: US$ 6 por nível jogável e o vídeo como documento de design

Trinta e um jogos. 1.013 chamadas à fal. 202 dólares. É o balanço no fim do README do vídeo-para-jogo, e é o parágrafo mais persuasivo do repositório — não porque os jogos sejam bons, mas porque alguém contou.

O projeto em si é uma skill, não um app. Você instala no Claude Code, no Codex ou no Cursor, entrega um clipe de gameplay de dez a quinze segundos, e ele produz um nível jogável no navegador: um único index.html com Three.js e nada mais. Sem engine, sem template, sem outra biblioteca. Cada um dos trinta e um jogos de demonstração foi reconstruído a partir de um clipe que um modelo de vídeo gerou antes.

Várias pessoas fizeram demos de “IA faz um jogo” neste ano. O que torna este digno de exame é a tese específica por baixo: um agente não consegue projetar a aparência de um jogo, então pare de pedir isso a ele. Deixe o modelo de vídeo fazer essa parte e faça o agente copiá-la.

O vídeo é o documento de design

Leia a reclamação do próprio README e você reconhece na hora, se já tentou isso:

Pediram “um jogo em que um menino plana entre baleias voadoras” e receberam caixas cinzas, um céu padrão e uma câmera que briga com o jogador.

É exatamente o que acontece. Um agente de código encarregado de montar uma cena recorre a primitivas — caixas, planos, uma luz hemisférica — porque primitivas são o que ele consegue expressar em código. Ele não tem opinião sobre composição. Não tem paladar para densidade de névoa. O resultado é tecnicamente uma cena e emocionalmente um nível de teste.

Um modelo de vídeo, com todos os seus outros defeitos, é muito bom justamente na peça que falta: aparência, câmera, clima, um momento memorável. Então o pipeline inverte a ordem de sempre. Vídeo primeiro, depois o código que precisa corresponder.

study_video.py transforma o clipe em frames, uma folha de contato, uma paleta e tempos de corte. O agente então escreve uma especificação a partir de frames nomeados — câmera, herói, a mecânica, o momento-chave, o visual. Não “uma fase de floresta”. Algo como: câmera baixa a dois metros atrás do herói, névoa verde fria a seis metros, uma fonte de luz azul-petróleo vindo da esquerda, a mecânica é planar.

Tudo depois disso é fazer coincidir.

Todo asset vem dos frames do próprio vídeo

Folhas de conceito com Nano Banana Pro. Recortes limpos. Imagem para 3D via Meshy, Tripo ou Hunyuan 3D. Rigging e animação. Efeitos sonoros e música. Tudo registrado por fal_asset.py. A regra do README é direta: nada desenhado à mão, nada baixado.

Essa restrição trabalha mais do que parece. Um humano montando um jogo a partir de uma referência vai baixar um modelo de árvore e torcer para encaixar. Um agente com permissão para baixar vai pegar o primeiro resultado de um site de assets grátis, e a direção de arte colapsa numa colagem. Forçar todo asset pelo mesmo gerador, semeado pelos mesmos frames, mantém a paleta coerente por construção.

O visual é tratado como especificação, não como passe de polimento: tone mapping, um único grade, névoa, bloom, vinheta e grão, tudo derivado da primeira cena. Depois de cada mudança, o agente produz uma imagem lado a lado do vídeo e do jogo nos mesmos três pontos.

Esse lado a lado é a metodologia inteira em um artefato. Sem ele, o agente otimiza contra a própria imaginação. Com ele, otimiza contra uma referência que consegue ver.

A laptop screen showing a simple 3D browser game with a character mid-jump

O agente joga o próprio jogo

Essa é a parte que eu não esperava, e a que separa o projeto de um reel de demo.

Um cenário de teclado conduz o jogo e lê window.__game como um jogador lê a tela. record_play.mjs filma o resultado em frame rate real usando Playwright. best_window.py encontra os segundos mais vivos da gravação. Quedas, paredes invisíveis e trechos mortos são corrigidos antes de qualquer outra pessoa jogar.

Playtest automatizado não é novidade. Playtest automatizado em que o agente depois corrige o que viu, e em que a evidência é um vídeo que ele consegue inspecionar, é um ciclo bem mais fechado. Também explica o custo: o agente roda o jogo dezenas de vezes por iteração.

A conta

Vamos ser precisos, porque esses números são o motivo de ler o repositório.

Trinta e um jogos. 1.013 chamadas à fal, divididas em 594 imagens, 194 modelos 3D e 290 sons e faixas musicais. US$ 202 no total. Cerca de US$ 6 por jogo.

Seis dólares é um número estranho de guardar na cabeça, porque é mais ou menos o preço de um café e mais ou menos um milésimo do dia de um artista contratado. Também não é o custo real — os tokens do agente de código não entram nessa conta, nem a sua tarde. Mas estabelece algo útil: o custo marginal de uma pequena cena 3D jogável agora é baixo o bastante para você jogar uma fora.

A ressalva, dita claramente no README, é que você paga a fal por cada asset, e as saídas são demos curtas, não produtos acabados. Um jogo de seis dólares é uma fatia vertical de uma sensação, não um jogo que você lançaria.

Instalando

Claude Code primeiro, já que é o caminho mais bem suportado:

claude plugin marketplace add lovisdotio/video-to-game
claude plugin install video-to-game@video-to-game

Ou copie a pasta da skill na mão: cp -R skills/video-to-game ~/.claude/skills/.

Para Codex, Cursor, Gemini CLI, Copilot e os demais:

npx skills add lovisdotio/video-to-game

Os scripts exigem Python 3.9+, ffmpeg, Node 18+ com playwright-core, e pip install fal-client mais uma FAL_KEY.

Aí o prompt é um parágrafo:

Turn gameplay.mp4 into a playable browser game with the video-to-game skill.
The prompt that made it is in gameplay.txt. Generate every asset with fal,
match the video's look, and show me side-by-side pairs and a recorded take
of you playing it.

Se você não tem um clipe, o repositório traz prompts/gameplay-video-prompts.md — as regras que tornaram os trinta e um vídeos reconstruíveis, mais todos os prompts usados. Esse arquivo é, discretamente, a coisa mais valiosa do repositório, porque é a parte que codifica o que faz um clipe ser um bom documento de design: silhueta legível, uma mecânica, uma câmera que não briga com o jogador.

Sobre o que isso trata de verdade

Existe uma versão da história da geração de jogos por IA que diz: os modelos vão acabar fazendo jogos diretamente. Talvez. Enquanto isso, este projeto descreve uma divisão de trabalho que funciona hoje — modelos de vídeo para o gosto, agentes de código para a construção, imagem-para-3D para os assets e um playtest automatizado para fechar o ciclo.

A pergunta interessante não é se jogos de seis dólares são bons. Em geral não são. É o que acontece quando o mesmo padrão é apontado para algo com orçamento: uma página de lançamento de produto, um totem de museu, uma simulação de treinamento. O pipeline não se importa com o que a fase serve.

E há uma lição menor e mais afiada para quem constrói ferramentas de agente. O motivo de este repositório funcionar é que ele tornou a referência inspecionável. Um vídeo é algo que tanto um modelo quanto uma pessoa conseguem olhar, comparar e discutir. Dê uma especificação ao agente e ele a satisfaz. Dê um clipe e ele precisa corresponder a algo real.

É uma interface melhor que um prompt. E pode ser a interface melhor para muita coisa.

Artigos relacionados