video-integration-specialist

Video Integration Specialist

Video generativo nao e "imagem que se move" — tem duracao, audio, custo 10-50x maior e latencia em minutos (nao segundos). Esta skill cobre arquitetura, custo, prompt cinematografico e UX de features de video no app, sem tratar o problema como uma extensao trivial de imagem.

Governanca Global

Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/quality-gates.md, policies/token-efficiency.md, policies/tool-safety.md, policies/verification-before-completion.md e policies/stack-flexibility.md.

Quando Usar

• integrar text-to-video ou image-to-video numa feature do app
• desenhar o fluxo assincrono (submit → poll/webhook → entrega) de video generativo
• definir provider, custo tolerado, duracao, formato e UX de espera
• escrever prompt cinematografico (camera, movimento, ritmo) reutilizavel

Quando Nao Usar

• tratar video como imagem sem considerar tempo, audio e custo por segundo
• gerar asset operacional do kit (banner do repo, etc.) — isso e skill 17 (image)
• editar video pos-producao tradicional (corte, legenda, mux) — isso e ffmpeg/pipeline de midia, nao geracao

A diferenca fundamental: video e assincrono e caro

Dimensao	Imagem (skill 17)	Video
Latencia	2-15s	30s-5min+
Custo	$0.002-0.15/img	$0.05-0.50+ por segundo de video
Padrao de chamada	request/response sincrono	submit → job id → poll ou webhook
UX	spinner curto	progress + "te aviso quando ficar pronto"
Falha	barata, retry	cara, retry custa de novo — confirme antes

Por isso o fluxo NUNCA e sincrono. Bloquear um request HTTP por 3 minutos esperando video e bug.

Providers (panorama — confirme preco atual via models.json/docs)

Provider	Forte em	Modo	Nota
FAL.ai (Veo, Kling, Hunyuan, LTX)	acesso unificado, varios modelos, i2v	submit + poll/webhook	preferir como gateway — mesma key, troca de modelo sem reescrever
Google Veo	qualidade cinematografica, fisica	async	top de linha, caro
OpenAI Sora	coerencia longa, prompt adherence	async	acesso limitado
Runway (Gen-3/4)	controle de camera, estetica	async + editor	forte em criativo
Kling / Hunyuan	custo-beneficio, i2v	async	bom para escala

Default operacional do kit: rotear via FAL.ai quando possivel (gateway unico, troca de modelo barata). So ir direto ao provider se ele tiver capacidade que o gateway nao expoe.

Base obrigatoria

Consultar (nao reinventar):

• patterns/ai-integration/video-generation.md — adapter, job lifecycle, storage
• patterns/ai-integration/prompt-patterns.md — estrutura de prompt
• patterns/ai-integration/cost-efficiency.md — controle de custo/quota
• patterns/ai-integration/security.md — moderacao, abuso, NSFW

O fluxo assincrono (padrao de referencia)

1. Usuario submete (texto/imagem + params)
2. App valida + estima custo → confirma se acima de threshold
3. App chama provider.submit() → recebe job_id, persiste {job_id, user, status: queued}
4. Provider processa (minutos). App NAO bloqueia.
5a. WEBHOOK (preferido): provider chama /webhook/video → app atualiza status, notifica user
5b. POLL (fallback): worker consulta status a cada N s com backoff
6. Pronto → baixa o output, move pra storage proprio (S3/R2), gera URL assinada
7. Notifica (in-app, push, email) + thumbnail/preview

Decisoes que importam:

• webhook > polling quando o provider suporta (sem queimar quota de status)
• mova o asset pro seu storage — URLs de provider expiram; nao dependa delas
• idempotencia: webhook pode chegar 2x — dedupe por job_id
• timeout/dead-job: job que nunca volta precisa de TTL + estado failed

Prompt cinematografico (estrutura)

Video responde a vocabulario de cinema, nao so descricao de cena:

[SUJEITO + ACAO] + [AMBIENTE] + [CAMERA: shot/movimento] + [ILUMINACAO] + [ESTILO] + [RITMO]

Ex: "A woman walks through a neon-lit Tokyo alley at night,
     slow dolly-in following her from behind,
     rain reflecting the signs, cinematic, shallow depth of field,
     24fps film look, calm pacing"

Controles que mais mudam o resultado:

• movimento de camera: dolly, pan, tilt, orbit, static, handheld
• shot: wide / medium / close-up / aerial
• ritmo: slow/calm vs fast/dynamic
• i2v: a imagem-seed domina a composicao; o prompt controla o movimento, nao a cena

Prompt reutilizavel e responsabilidade compartilhada com skill 26 (prompt-engineer).

Custo — controle antes de liberar

• video custa por segundo — um clip de 10s pode valer 50-100x um still
• estimar e confirmar acima de um threshold de custo antes de submeter
• cachear outputs por (prompt+seed+params) — nunca regenerar o identico
• quota por usuario (free vs paid) para nao virar vetor de custo aberto
• preview de baixa resolucao antes do render final caro, quando o provider permite

Anti-padroes frequentes

• chamada sincrona esperando o video (bloqueia request, estoura timeout)
• depender da URL do provider (expira) em vez de mover pro storage proprio
• sem confirmacao de custo → usuario gera 50 clips de 10s, fatura explode
• webhook sem dedupe/idempotencia → asset duplicado, notificacao dupla
• sem moderacao no input → geracao de conteudo proibido vira problema legal
• tratar i2v como t2i (esquecer que a imagem-seed manda na composicao)

Evidencia de Conclusao

• provider + fluxo assincrono (submit/poll-ou-webhook/storage) definidos
• custo por segundo estimado, threshold de confirmacao e quota definidos
• prompt cinematografico especificado (camera/movimento/ritmo)
• moderacao de input e idempotencia de webhook tratadas

Handoff

• AI Integration Architect (25) define o adapter/gateway e fallback de provider
• Prompt Engineer (26) itera o prompt cinematografico reutilizavel
• Frontend (04) implementa a UX de espera (progress, notificacao)
• Observability SRE (20) instrumenta latencia, taxa de falha e custo por job
• Seguir policies/handoffs.md e, quando util, templates/ai-integration-plan.md