Para transformar um texto num vídeo animado, não se cola o texto inteiro numa ferramenta: extrai-se uma pergunta, reescreve-se a resposta para ser falada (cerca de 150 palavras por minuto em francês), depois divide-se em cenas, uma frase por cena, cada uma com uma imagem que mostra o que a voz diz. Um gerador como o Explainer do ClipOnIt faz a divisão, as ilustrações animadas, a voz e as legendas; o trabalho humano continua a ser a reescrita e a revisão. O exemplo deste artigo, « Porque é que as cebolas fazem chorar », tem 91 palavras, 8 cenas e 32 segundos.
Que texto pode tornar-se num vídeo animado?
Quase todo o texto que explica alguma coisa: um artigo de blogue, uma ficha de produto, uma nota de curso, uma publicação no LinkedIn, uma FAQ, um guião já escrito. O único verdadeiro obstáculo é o comprimento. Alguns valores de referência:
| Texto de partida | Duração típica | O que dá |
|---|---|---|
| Publicação no LinkedIn ou parágrafo | 80 a 150 palavras | Um vídeo de 30 a 60 s, quase tal e qual |
| Ficha ou FAQ | 200 a 400 palavras | 2 a 4 vídeos, um por pergunta |
| Artigo de blogue | 1 000 a 2 000 palavras | 5 a 10 vídeos, um por subtítulo |
| Capítulo de curso | 3 000 palavras ou mais | Uma série; cada noção transforma-se num vídeo |
Estas correspondências pressupõem uma velocidade de cerca de 150 palavras por minuto, a que medimos nos nossos próprios vídeos em francês. Um artigo de 1 500 palavras lido por inteiro daria um vídeo de 10 minutos: ninguém o veria num telemóvel.
O método em 5 passos
1. Reduzir o texto a uma pergunta
Um vídeo curto responde a uma só pergunta. Releia o seu texto e escreva a pergunta à qual ele melhor responde, numa linha, como alguém a escreveria: « Porque é que as cebolas fazem chorar? », « Como cancelar uma subscrição online? », « Para que serve a nossa nova função? ». O resto do texto fica para outros vídeos.
2. Reescrever para ser falado
Um texto escrito para ser lido soa mal quando falado. Na oralidade: frases de 8 a 15 palavras, o sujeito no início da frase, sem parênteses, números simples. A resposta aparece na primeira frase; a explicação vem depois. Esta passagem costuma reduzir o comprimento para metade.
3. Dividir em cenas
Uma cena corresponde a uma frase, raramente a duas, ou seja 3 a 8 segundos no ecrã. É o ritmo que prende a atenção no TikTok, Reels e Shorts: uma imagem que fica mais de 8 segundos faz desistir. Um vídeo de 30 segundos tem normalmente 6 a 9 cenas.
4. Uma imagem por frase, alinhada com a palavra-chave
Cada frase tem uma palavra que transporta a ideia («gás», «células», «lágrimas»). É ela que a imagem deve mostrar, no momento exato em que a voz a pronuncia. É a diferença entre um vídeo explicativo e uma apresentação de diapositivos com uma voz por cima.
5. Voz, legendas e renderização
Voz sintetizada ou a sua própria voz, legendas palavra a palavra (grande parte do público vê sem som) e depois formato vertical 9:16 para as redes.
Exemplo: 8 frases, 8 cenas, 32 segundos
Eis um vídeo real produzido pelo Explainer a partir de um guião de 8 frases, no estilo Casa em corte (uma casa de bonecas em 3D, divisão a divisão). Voz off: Mathis, fundador da ClipOnIt.
O texto e a sua divisão:
| Scène | Frase lida | Título no ecrã |
|---|---|---|
| 1 | Não choras por causa da cebola. Choras por causa de um gás. | Não é a cebola: é um gás |
| 2 | Uma cebola é feita de milhares de pequenas células. | Milhares de células |
| 3 | Quando a faca as corta, libertam um gás que te sobe até aos olhos. | O gás sobe |
| 4 | Os teus olhos defendem-se: produzem lágrimas para o lavar. | As lágrimas lavam |
| 5 | Três dicas. Uma: uma faca bem afiada, esmaga menos células. | Uma faca afiada |
| 6 | Dois: uma cebola bem fresca, tirada do frigorífico, liberta menos gás. | Uma cebola fresca |
| 7 | Três: corte perto de uma janela aberta ou do exaustor. | Janela ou exaustor |
| 8 | E se mesmo assim chorares, diz que é a emoção. | É a emoção |
O que retirar disto para o seu próprio texto:
- A resposta está na cena 1. Quem desiste ao fim de 3 segundos já aprendeu alguma coisa.
- Cada título no ecrã tem 2 a 4 palavras. Resume a frase; não a repete.
- O texto passa da explicação para a prática (cenas 5 a 7): é isto que dá vontade de guardar o vídeo.
- A última frase é um remate que faz sorrir: termina-se no tema, sem apelo a subscrever.
Texto lido tal e qual ou reescrito pela IA?
Dans l'Explainer de ClipOnIt, trois points de départ sont possibles :
- Um texto já escrito: é lido tal e qual e dividido em cenas. Escolha-o quando o texto já foi reescrito para ser falado.
- Uma ideia ou um tema: a IA escreve a narração a partir dos seus factos-chave e depois divide-a. Prático para partir de um artigo longo: indique a pergunta e os três factos que importam (veja de uma frase a um vídeo animado).
- A sua voz: lê o texto ao microfone ou importa um áudio; a narração é transcrita e cada elemento aparece sobre as suas palavras.
Depois, cada cena continua editável: pode pedir uma correção ao Realizador IA («mais curto», «um gráfico aqui»), comparar 3 variantes de uma cena com o mesmo texto, ou mover um elemento manualmente. O resultado final é um MP4 vertical.
O que a IA faz e o que fica para si
| Étape | Feita pela ferramenta | Faça você mesmo |
|---|---|---|
| Escolher a pergunta | Não | Sim: é a decisão mais importante |
| Reescrever para ser falado | Primeiro rascunho possível | Reler em voz alta, cortar |
| Dividir em cenas | Oui | Juntar ou separar uma cena, se necessário |
| Ilustrar e animar | Sim, a partir de uma biblioteca de elementos animados | Substituir uma imagem que não mostra a coisa certa |
| Voz e legendas | Oui | Ouvir os nomes próprios e os números |
| Verificar os factos | Não | Sim, cada algarismo |
Os erros que deixam o vídeo sem vida
- Cole o artigo inteiro. O vídeo fica demasiado longo e não responde a nada em concreto.
- Guarde as frases escritas. Uma frase de 30 palavras com duas vírgulas torna-se uma cena de 12 segundos numa única imagem.
- Imagens decorativas. Se a imagem não mostrar o que a voz diz, distrai.
- Mude de estilo a cada vídeo. Numa série, mantenha o mesmo universo visual: é a sua assinatura. A escolha do estilo está detalhada em qual o estilo de vídeo explicativo a escolher.
FAQ
Pode transformar-se um PDF ou um artigo diretamente em vídeo?
No Explainer, o ponto de partida é um texto colado, uma ideia ou uma gravação de áudio. Para um PDF ou um artigo, copie a parte que responde à sua pergunta, ou indique a pergunta e os factos-chave: o vídeo ficará melhor do que com o documento inteiro.
Quanto tempo leva a transformar um texto num vídeo animado?
A reescrita demora 5 a 15 minutos para um vídeo de 30 a 60 segundos. A geração das cenas é automática, e a renderização demora cerca de 4 minutos no ClipOnIt. São ordens de grandeza, não uma medição.
É preciso saber animar?
Não. Os elementos já estão desenhados e animados; a ferramenta escolhe-os e alinha-os com a voz. Continua a poder substituir, mover ou ocultar cada elemento.
Que formato para publicar?
Vertical 9:16, em MP4, é o formato de saída do Explainer. Para uso em formação, veja também transformar um curso em vídeos explicativos.
Para passar à prática: o gerador de vídeo animado a partir de um texto, teste gratuito (3 vídeos por mês com marca de água).
Escrito pela equipa ClipOnIt. Publicado a 7 de novembro de 2026.