Por que Katzenberg e o ex-líder do Sora estão criando modelos de vídeo para cineastas

Em 15 de setembro, uma nova empresa de IA para vídeo surgiu sem nome, sem produto e sem demonstração. O que ela tinha era um time fundador, e os nomes bastaram para colocar o setor a falar. Jeffrey Katzenberg, o produtor que cofundou a DreamWorks, uniu-se a Bill Peebles, ex-chefe da equipe Sora da OpenAI, e a Sujay Jaswa, ex-diretor financeiro do Dropbox. O plano declarado da empresa é treinar seus próprios modelos de vídeo para cineastas.

Esse último detalhe é a história inteira. Quase toda empresa que lança IA de vídeo hoje está otimizando para outra coisa: clipes curtos para feeds sociais, variações de anúncios, fotos de produtos ou o rolar infinito de conteúdo gerado. Uma startup que diz que seu cliente é o cineasta, e que vai treinar seus próprios modelos para atender esse cliente, está fazendo uma aposta mais estreita e mais arriscada.

Um time montado de propósito

Leia os três nomes como uma divisão de trabalho. Katzenberg traz o próprio negócio do cinema, décadas de relações com estúdios, diretores e financiadores, e uma noção clara do que uma produção realmente precisa. Peebles comandou um dos modelos de vídeo de maior destaque do mundo, o que significa que ele sabe como esses sistemas são construídos e, mais útil ainda, onde eles ainda quebram. Jaswa traz a disciplina financeira de que uma empresa intensiva em computação precisa, porque treinar modelos de vídeo queima dinheiro mais rápido do que quase qualquer outra coisa em software.

O histórico de Katzenberg merece uma leitura justa, e não lisonjeira. A DreamWorks foi um sucesso genuíno. A Quibi, seu empreendimento de streaming de formato curto, foi um fracasso de grande visibilidade que fechou em menos de um ano. A lição que as pessoas tiraram da Quibi foi que ele avaliou mal como as pessoas queriam assistir a vídeos curtos. A lição que vale tirar aqui é mais sutil: ele está disposto a fazer grandes apostas sobre para onde a mídia caminha, e nem sempre lê o mercado corretamente. Um novo empreendimento voltado a cineastas é exatamente esse tipo de aposta.

O problema com a maior parte da IA de vídeo hoje

Os cineastas têm um conjunto específico de queixas sobre os modelos de vídeo atuais, e não são as mesmas queixas dos usuários casuais. Quem publica um clipe de quinze segundos se importa se o quadro está bonito. Um cineasta se importa com a continuidade: a jaqueta do personagem combina entre dois planos, a luz permanece consistente quando a câmera se move, o mesmo cenário pode aparecer na cena três e na cena trinta sem sofrer alterações. Esses são os problemas difíceis, e são os que importam para um longa, não para um clipe.

Já houve progresso real exatamente nesses pontos. A geração mais recente de modelos de vídeo lida com consistência de personagem e movimento de câmera muito melhor do que as ferramentas de um ano atrás, e consegue produzir sequências mais longas. Os cineastas, por sua vez, acomodaram-se em fluxos de trabalho híbridos. Usam a IA para gerar fundos, efeitos visuais, storyboards ou planos que de outro modo seriam caros, enquanto os humanos mantêm o controle do roteiro, da continuidade, da edição e da direção criativa. Os modelos servem à produção. Eles não a substituem.

Uma empresa que treina seus próprios modelos especificamente para esse arranjo está apostando que o fluxo de trabalho híbrido é o destino, e não uma estação intermediária. Se os cineastas continuarem querendo mais controlabilidade e melhor consistência, um modelo construído para suas necessidades pode superar um de propósito geral que por acaso é bom em vídeo.

É também uma aposta num mercado que ainda está se formando. As ferramentas que existem hoje atendem a uma mistura de anunciantes, criadores de conteúdo social e amadores. O mercado profissional de cinema e televisão tem orçamentos maiores, mas adota mais devagar, e exige coisas que as ferramentas de consumo podem ignorar: resultados previsíveis, direitos claros, suporte aos pipelines existentes e uma forma de se encaixar numa equipe que já tem um fluxo de trabalho. Uma startup que parte desses requisitos mira um cliente mais difícil e mais defensável, porque uma ferramenta que satisfaz uma equipe de cinema é difícil de deslocar depois que entra no pipeline.

Por que agora, e por que ter o próprio modelo

Ter um modelo próprio é caro e lento. Alugar um é barato e rápido. Então por que treinar o seu? A resposta é controle. Um estúdio ou um diretor precisa de comportamento previsível, de termos que permitam uso comercial de maneiras que um modelo hospedado talvez não permita, e da capacidade de fazer ajustes finos para o visual de um projeto específico. Se todo o seu produto é uma ferramenta para cineastas, você não pode construí-lo sobre o modelo de outra pessoa e torcer para que o roteiro do fornecedor se alinhe ao seu. Essa dependência é exatamente a armadilha que mordeu empresas construídas sobre o modelo de vídeo que era o melhor daquele mês.

O timing também reflete um boom mais amplo. O cenário chinês de vídeo generativo virou uma indústria de verdade, com cidades oferecendo subsídios e apoio computacional, e um órgão nacional de cinema aprovando longas assistidos por IA para lançamento. Festivais distribuíram dinheiro de verdade a trabalhos de IA. O apetite por IA no cinema já não é uma curiosidade. Ao mesmo tempo, o problema de conteúdo está piorando. Mais programas de IA apareceram em uma grande plataforma no primeiro semestre de 2026 do que qualquer público poderia assistir, e apenas uma pequena parte encontrou espectadores. A oferta explodiu, a atenção não.

É essa a lacuna que uma empresa de ferramentas para estúdios bem financiada pode explorar. Se todo mundo pode gerar imagens, o recurso escasso passa a ser o roteiro, a direção e o bom gosto. Uma ferramenta que permite a bons cineastas trabalhar mais rápido vale mais do que mais uma forma de qualquer pessoa fazer um clipe.

O que observar

Faltam os detalhes que tornariam esta história concreta. Não há produto, não há financiamento divulgado, nenhum modelo anunciado e nenhuma data de lançamento. Um time fundador é uma promessa, não uma entrega, e o campo do vídeo por IA está repleto de anúncios bem financiados que nunca entregaram nada que um cineasta pudesse usar.

Vale acompanhar três coisas. Primeiro, se a empresa publica algo sobre a arquitetura do seu modelo ou sua abordagem de treinamento, já que uma ferramenta voltada a cineastas viverá ou morrerá pela consistência e pela controlabilidade. Segundo, se ela nomeia parceiros de produção reais, porque cineastas adotam ferramentas que outros cineastas endossam. Terceiro, se ela consegue sobreviver à conta de computação tempo suficiente para chegar à v1. Treinar modelos de vídeo está entre os trabalhos mais famintos por capital do setor, e uma avaliação de 1,4 bilhão de dólares não é a mesma coisa que um cheque de 1,4 bilhão de dólares.

Por ora, o sinal é a direção do movimento. Talentos que comandaram o maior modelo de vídeo no maior laboratório, e talentos que comandaram um grande estúdio, estão escolhendo construir juntos para um cliente específico. Essa dupla é a notícia. Se ela produzirá uma ferramenta que cineastas realmente usem é a pergunta que o próximo ano responderá.

Ajuda lembrar quanto tempo as ferramentas de cinema levam para se provar. Câmeras, sistemas de edição e softwares de efeitos visuais levaram anos para passar dos primeiros adeptos a equipamento padrão, e os que sobreviveram o fizeram encaixando-se em como as equipes já trabalhavam, em vez de pedir que mudassem tudo. Uma empresa que parte das necessidades de um cineasta, com um fundador que dirigiu um estúdio, ao menos sabe a diferença entre uma ferramenta que se sai bem numa demonstração e uma ferramenta que sobrevive a um cronograma de produção. Esse conhecimento não é garantia, mas é o ponto de partida correto.