Vídeos de produto com IA para e-commerce: um fluxo de trabalho à escala do catálogo

Tem 400 SKUs, uma boa foto de cada um e zero vídeos de produto. A Amazon diz que um primeiro vídeo shoppable numa página de detalhe foi seguido de um aumento médio de vendas de 24% nos seus dados de janeiro a junho de 2026. O Google Merchant Center já aceita vídeo no feed de produtos. Filmar 400 produtos é um trimestre de trabalho e um orçamento que não tem. Gerá-los um a um numa ferramenta web é um mês de cliques.

A versão viável fica a meio caminho: tratar o catálogo como dados, transformar cada foto de produto num clipe curto de imagem para vídeo com um modelo escolhido por SKU, correr tudo a partir de uma folha de cálculo ou de um agente, e exportar ficheiros que passam a especificação de cada marketplace logo no primeiro carregamento. Este guia cobre essa pipeline do princípio ao fim, com as contas.

Porque compensa agora um vídeo por SKU

Duas mudanças em 2026 fizeram o vídeo de produto passar de extra nos produtos principais a algo que se justifica em todo um catálogo.

A Amazon publicou o ganho. O blogue para vendedores indica a média de 24% e detalha-a por categoria: brinquedos com 32,7%, vestuário com 30,5% e casa com 26,7%. Um anúncio pode ter até quatro vídeos shoppable. São médias internas da Amazon, por isso meça as suas.
O Google acrescentou um atributo de vídeo ao feed. O atributo video_link aceita até 10 vídeos por produto. Segundo o Search Engine Roundtable, os envios abriram a 14 de abril de 2026, com a entrega e a validação de políticas e qualidade a começarem a 30 de junho de 2026.

Os dois canais premeiam a cobertura. Um vídeo nos seus cinco produtos principais deixa os outros 395 anúncios sem nenhum.

O que cada marketplace aceita

Comece pelas especificações, porque definem duração, proporção, resolução e tamanho do ficheiro antes de qualquer escolha criativa. Eis o que dizem as fontes e quão sólida é cada uma.

Shopify

O Centro de Ajuda da Shopify aceita MOV, MP4 e WEBM, até 1 GB e 10 minutos, com largura e altura entre 100 e 4096 píxeis. As proporções recomendadas são 16:9, 9:16, 4:3, 3:4 e 1:1, a 60, 30 ou 25 fps.

Amazon

A página da própria Amazon indica .mov ou .mp4, até 1080p e 5 GB, e reserva a funcionalidade a contas de vendedor profissional com pelo menos três meses de histórico de vendas. No resumo dessa página, a duração indicada vai de 1 a 12 minutos, o que combina mal com clipes de produto curtos; um guia de terceiros da GOAT Consulting descreve regras diferentes, incluindo um mínimo de 1280x720, preferência por 16:9 e o Brand Registry como requisito. Verifique o Seller Central para a sua conta antes de renderizar 400 clipes com uma duração que a Amazon pode rejeitar. A revisão demora cerca de 3 dias, até 7 dias úteis em épocas festivas.

Google Merchant Center

A especificação do video_link é a mais rígida quanto à forma: de 6 a 240 segundos, 500 MB no máximo, 720p (1280x720) no mínimo e uma proporção de 9:16, 16:9 ou 1:1. O som é opcional. Um URL que não seja do YouTube tem de apontar diretamente para um ficheiro de vídeo em bruto, ser publicamente acessível e não expirar. Tem também de deter os direitos de licença para uso em marketing.

Walmart, TikTok Shop e Etsy

Walmart: o guia de rich media do Marketplace Learn pede um URL .mp4 direto sem redirecionamentos, 100 MB ou menos, até oito vídeos por artigo e um envio que inclua o ID do artigo, o GTIN, o nome de um ficheiro de legendas e o idioma do vídeo. Confirme isto no Seller Center.
TikTok Shop: a regra de reprovação da GoDataFeed indica um vídeo de produto por anúncio, de 5 MB ou menos, quando enviado por um canal de feed. Outras vias de carregamento citam limites maiores, pelo que o limite depende da forma como submete.
Etsy: um resumo da Wyzowl situa os vídeos de anúncio entre 5 e 15 segundos, 100 MB, MP4 ou MOV, reproduzidos sem som, um por anúncio. É uma fonte secundária, por isso confirme na ajuda da Etsy.

A regra de decisão que daí resulta

Duração de 6 a 10 segundos. Seis segundos superam o mínimo do Google, e até 15 cabem no intervalo da Etsy, conforme reportado. A Amazon é a exceção a verificar.
Resolução de 720p ou superior para tudo o que vá para o Google ou a Amazon. Um render de 480p, mais barato, serve para uma galeria Shopify e para mais nada.
No máximo duas proporções. 1:1 ou 9:16 para o Google, TikTok Shop e lojas móveis, 16:9 onde se aplique a preferência da Amazon. Renderize nativamente em cada proporção de que precisar: cortar um clipe 16:9 para 9:16 costuma cortar o produto.
Desenhe para o silêncio. O Google torna o som opcional e a Etsy reproduz sem som, conforme reportado, por isso o clipe tem de se perceber sem áudio. O áudio é um complemento para colocações sociais.
Codifique por destino. Um ficheiro mestre, depois uma exportação pequena para o limite do feed do TikTok Shop e outra abaixo de 100 MB para a Walmart.

Da foto de produto ao clipe: o passo de imagem para vídeo

A imagem para vídeo é a peça certa para um catálogo porque o produto já está definido pela foto. O trabalho do modelo é acrescentar movimento em torno de algo que existe, o que mantém o SKU reconhecível. O texto para vídeo inventa o produto a partir de uma descrição e falha no rótulo, na tampa ou nas costuras.

Prepare a imagem de origem

Use a foto de maior resolução, com o produto inteiro em enquadramento e alguma margem para movimentos de câmara.
Se a única foto for um packshot sobre fundo branco, gere primeiro uma imagem ambientada (numa bancada, numa secretária, na mão) com um modelo de imagem e anime essa imagem.
Deixe as pessoas fora de plano, a não ser que precise delas. A regra de divulgação abordada mais abaixo aplica-se a pessoas fotorrealistas geradas por IA, e um clipe só de produto evita-a.

Escreva prompts de movimento que protejam o produto

A falha típica no trabalho de catálogo é a deriva: o modelo redesenha o logótipo, muda a cor de uma tampa ou acrescenta uma funcionalidade que o produto não tem. Segundo a GOAT Consulting, a Amazon inclui entre os motivos de rejeição uma divergência entre o vídeo e o anúncio, pelo que a deriva é tanto um problema de conformidade como de qualidade. Um modelo de prompt de movimento que a limita:

Câmara: um só movimento. "Aproximação lenta", "órbita lenta de 30 graus para a esquerda", "câmara fixa".
Sujeito: "o produto permanece inalterado, rótulo e cores exatamente como na imagem".
Movimento do ambiente: pequeno e secundário. "Vapor a subir", "tecido a mexer-se ligeiramente com a brisa", "luz a percorrer a superfície".
Exclusões: "sem texto, sem mãos, sem pessoas, sem objetos novos".

Antes e depois, com uma caneca de cerâmica:

Antes: "Vídeo cinematográfico da nossa caneca incrível, dinâmico, tendência, iluminação bonita." O modelo escolhe a sua própria trajetória de câmara, inventa latte art e a cor do vidrado muda entre fotogramas.
Depois: "Aproximação lenta à caneca numa mesa de madeira, luz da manhã vinda da esquerda, um fio fino de vapor a subir. A caneca, a cor do seu vidrado e o seu logótipo ficam exatamente como na imagem. Sem texto, sem mãos, sem pessoas." Um movimento, um movimento secundário, bloqueios explícitos.

A mesma disciplina evita que o material gerado pareça sintético; como fazer anúncios com IA que não pareçam gerados por IA aprofunda as escolhas de iluminação e movimento.

Quanto custa um vídeo por SKU, com as contas

A imagem para vídeo é faturada por segundo de saída, e a resolução e o áudio alteram a tarifa; o catálogo de imagem para vídeo da fal mostra esse padrão entre fornecedores. A lista abaixo usa os preços públicos da Aitachyon no momento da escrita, para um clipe silencioso de 6 segundos, a duração mínima que o Google aceita.

Hailuo 02 a $0.085/s: $0.51 por clipe.
Kling v3 silencioso a $0.16/s: $0.96. Com áudio nativo a $0.32/s: $1.92.
Wan 2.7 a $0.19/s: $1.14.
Veo 3.1 Fast desde $0.19/s: desde $1.14.
Seedance 2.5 desde $0.20/s em 480p: $1.20. Em 720p, $0.44/s: $2.64.

A imagem ambientada, se a fizer, acrescenta $0.057 no Seedream 4.0, de $0.057 a $0.086 no FLUX.2 [pro] ou $0.13 no Nano Banana, tudo no momento da escrita. Uma linha de locução para uma versão social custa de $0.043 a $0.086 por cada 450 caracteres na ElevenLabs, o que cobre uma frase de produto de duas orações.

Três orçamentos de lote

50 SKUs, nível económico. 50 imagens Seedream a $0.057 são $2.85. 50 clipes Hailuo 02 a $0.51 são $25.50. Total $28.35, cerca de $0.57 por SKU.
50 SKUs, 720p para Google e Amazon. O Seedance 2.5 em 720p durante 6 segundos custa $2.64 por clipe, $132 para 50. Some $2.85 em imagens: $134.85, cerca de $2.70 por SKU.
500 SKUs, misto. 450 SKUs de cauda longa no Hailuo 02 ($229.50) e os seus 50 mais vendidos no Kling v3 com áudio para social ($96). Some 500 imagens ($28.50). Total $354.

Preveja repetições. Alguns clipes vão derivar e precisar de um segundo render, e um render que rejeita continua a ser um render que pagou. Só é reembolsado o render que falha por completo. Se contar que metade dos SKUs precise de uma repetição, multiplique a linha de vídeo por 1,5.

Como se compara

Existem tarifas por segundo mais baratas. O guia de vídeo de produto da Atlas Cloud cita o Wan 2.6 Flash a $0.018/s ($0.144 por clipe de 8 segundos), o Seedance v1.5 Pro a $0.047/s e o Kling 3.0 Standard a $0.071/s, e estima um catálogo de 500 produtos em cerca de 72 a 188 dólares. São versões de modelos mais antigas ou mais leves, citadas no blogue de um fornecedor, por isso compare a qualidade do resultado nos seus próprios produtos antes de comparar tarifas. No extremo premium, a fal lista o Veo 3.1 a $0.20/s sem som e $0.40/s com áudio, e o Kling 3.0 Pro a $0.112/s sem som. Há uma vista modelo a modelo em preços das APIs de geração de vídeo com IA em 2026, e todas as tarifas atuais estão na página de modelos.

Escolher um modelo por SKU

Um catálogo é irregular, e a escolha do modelo deve acompanhá-lo. Use uma regra de três níveis e escreva o nível na folha de cálculo para que o lote escolha o modelo sozinho.

Nível C, cauda longa: o modelo mais barato que mantenha a forma do produto. Silencioso, 6 segundos, uma só proporção.
Nível B, vendas estáveis: um modelo de preço médio em 720p ou superior para que o ficheiro seja elegível no Google e na Amazon, duas proporções.
Nível A, os 5 a 10% de topo: o melhor modelo que puder pagar, áudio nativo onde ajude numa colocação social e várias variantes para testar.

Corra um lote de calibração antes de se comprometer. Escolha cinco SKUs difíceis para a sua categoria (embalagens refletoras, texto pequeno em rótulos, garrafas transparentes, textura de tecido) e renderize cada um em três modelos. Custa uns poucos dólares. Para uma comparação direta de duas escolhas comuns, veja Kling v3 contra Seedance 2.5.

Processar em lote a partir de uma folha de cálculo ou de um agente

Quando cada SKU é uma linha, a geração passa a ser um ciclo. A folha de cálculo é a fonte de verdade, e o script ou o agente só lê linhas e escreve resultados.

As colunas

sku e gtin (os envios para a Walmart precisam do GTIN).
source_image_url, a foto a animar.
tier (A, B, C), que corresponde a um modelo.
still_prompt, opcional, para uma imagem ambientada.
motion_prompt, construído com o modelo de quatro partes acima.
duration_s e aspect, a partir da regra de decisão.
channels, por exemplo "amazon,google,shopify".
status, ref e cost_usd, escritos de volta pela execução.
qa, preenchida por uma pessoa: pass, retake ou drop.

A execução

A partir de código, percorra as linhas com status vazio, envie a imagem e o clipe, consulte até terminar e escreva na linha a referência e o custo devolvidos. O próprio script de lotes da Atlas Cloud usa cinco workers simultâneos com consulta paralela e registo de resultados em JSON, um valor por defeito sensato para qualquer fornecedor. Escreva os resultados após cada trabalho para que uma falha na linha 312 retome na 313. Produzir centenas de clipes em segurança aborda com mais detalhe tentativas, limites de taxa e tetos de gasto.

A partir de um agente, o mesmo ciclo é um prompt. Com um servidor MCP alojado ligado, pode pedir ao Claude Code que "leia products.csv, renderize cada linha com status vazio usando o modelo do seu nível, escreva de volta a referência e o custo e pare se o lote passar dos $60". O agente faz o ciclo e a folha de cálculo continua a ser o registo. Uma configuração que funciona para automatizar a produção de vídeo com agentes percorre este padrão.

Mantenha o gasto visível

Use uma chave de API dedicada por lote ou por cliente, para que o gasto de cada execução fique isolado e a chave possa ser revogada se um ciclo se descontrolar.
Estime antes de correr (linhas vezes duração vezes tarifa, por nível) e compare com o total detalhado depois. Uma diferença indica repetições ou uma duração errada.
Guarde a referência, não só o ficheiro. Uma referência estável permite que um passo posterior, como o trabalho de exportação, obtenha o ficheiro exato que passou no controlo de qualidade.

Controlo de qualidade e conformidade antes de carregar

Passe cada clipe por esta lista antes de sair da folha de cálculo.

A lista antes do carregamento

Correspondência com o produto. Compare o último fotograma com a foto do anúncio. Logótipo, cor, forma, número de componentes. Qualquer deriva implica repetir.
Sem preço, desconto nem urgência. A GOAT Consulting inclui entre os motivos de rejeição da Amazon as referências a preço, desconto e ofertas por tempo limitado, além de avaliações ou classificações por estrelas, menções a concorrentes ou a outros marketplaces e elementos de interface falsos ou marcas de água. Os modelos por vezes alucinam texto nas embalagens, por isso procure-o.
Verificação de pessoas. Se aparecer uma pessoa fotorrealista gerada por IA, a Amazon exige agora a palavra-chave contains-synthetic-performer no campo XMP dc:subject, acrescentada com um editor de metadados compatível com IPTC antes do carregamento. Segundo a ChannelX, a regra abrange imagens de produto, imagens de estilo de vida, vídeos de produto e conteúdo A+ em todas as lojas da Amazon, e a Amazon pode mostrar um indicador aos compradores. Conteúdo sem pessoas, com pessoas reais ou com pessoas não fotorrealistas está isento.
Verificação de especificações. Duração, resolução, proporção e tamanho do ficheiro face a cada canal da linha.
Leitura em silêncio. Veja-o sem som. Se o benefício não se vê, o clipe não funciona na Etsy nem na maioria dos feeds.
Direitos. O Google exige que detenha os direitos de licença para uso em marketing. Verifique os termos do fornecedor do modelo e os de qualquer foto de origem que não tenha tirado.

Exportação e alojamento por canal

Este passo é mecânico, e é onde os projetos de catálogo encravam, porque cada marketplace quer o ficheiro num sítio diferente.

Google Merchant Center: aloje o MP4 em armazenamento que controle, num URL público que aponte para o ficheiro em bruto e nunca expire, e adicione-o como video_link no feed. Links assinados ou temporários violam o requisito de não expiração.
Walmart: o mesmo alojamento, um URL terminado em .mp4 sem redirecionamentos, mais um ficheiro de legendas e o campo de idioma.
Amazon e Shopify: carregamento direto, pelo que a restrição é o tamanho do ficheiro e a duração. O limite de 1 GB da Shopify não afeta um clipe de 8 segundos.
TikTok Shop via feed: uma exportação separada de baixo débito para ficar abaixo do limite de 5 MB reportado pela GoDataFeed.

Um script de exportação que leia a coluna qa, obtenha cada ficheiro aprovado pela sua referência, o transcodifique por canal e o envie para o seu armazenamento reduz isto a um único comando. Para a parte criativa além da conformidade, veja o guia de anúncios em vídeo para e-commerce.

Perguntas frequentes

Posso usar vídeos de produto gerados por IA na Amazon?

Nenhuma das fontes os proíbe. O vídeo tem de corresponder ao anúncio e evitar os motivos habituais de rejeição, como preços e classificações por estrelas. Se o clipe mostrar uma pessoa fotorrealista gerada por IA, tem de acrescentar a palavra-chave contains-synthetic-performer aos metadados XMP do ficheiro antes de carregar, segundo o resumo da ChannelX da regra de agosto de 2026. Os clipes só de produto estão isentos.

Quanto custa um vídeo de produto com IA por SKU?

Para um clipe silencioso de imagem para vídeo de 6 segundos aos preços da Aitachyon no momento da escrita, desde $0.51 no Hailuo 02 até $2.64 no Seedance 2.5 em 720p, mais $0.057 a $0.13 por uma imagem ambientada opcional. Some uma margem para repetições. As estimativas de outros fornecedores são mais baixas, com modelos mais leves.

Que duração deve ter um vídeo de produto para o Google Shopping?

O atributo video_link do Google aceita de 6 a 240 segundos em 720p ou superior, em 9:16, 16:9 ou 1:1, até 500 MB. Para um lote de catálogo, entre 6 e 10 segundos mantêm o custo baixo e ficam também dentro do intervalo reportado para a Etsy.

Como gero vídeos para centenas de produtos de uma vez?

Ponha um SKU por linha numa folha de cálculo com a imagem de origem, o nível, o prompt de movimento, a duração e a proporção, e depois percorra as linhas a partir de um script ou de um agente com concorrência moderada, escrevendo de volta a referência, o custo e o estado após cada trabalho.

Fontes

Se quer correr esta pipeline sem cinco subscrições, a Aitachyon reúne o Hailuo 02, o Kling v3, o Seedance 2.5, o Veo 3.1 Fast e os modelos de imagem por trás de um único saldo pré-pago, utilizável a partir de um estúdio web, de uma API HTTP simples ou de um servidor MCP alojado no Claude Code, com cada trabalho detalhado por modelo e custo e os renders falhados reembolsados automaticamente. O guia rápido de API e MCP põe um primeiro lote a andar a partir de uma folha de cálculo numa tarde.