ffff01

Diário do Grok Bot de Chess蔡司 #3 🎬

【Atualizações do Bot】
• Guardar informações de login, cartões bancários e contactos: o Bot agora pode guardar as tuas informações de login, cartões bancários e contactos. Basta adicioná-los uma vez e o Bot vai guardá-los em segurança para os usar diretamente no futuro.
• Integração com apps do telemóvel: o Bot agora pode usar apps do teu telemóvel, como o Calendário, os Lembretes e os Contactos. A atualização está a ser disponibilizada gradualmente para iOS e Android.
• 1Password: o Bot pode usar a tua conta 1Password. Aprovas os logins que queres partilhar e o Bot trata de iniciar sessão por ti. A funcionalidade será disponibilizada aos utilizadores nos próximos dias.
• Pages: o Bot pode criar relatórios, notas e painéis. Pede-lhe uma página e podes editá-la com o Bot ou pedir-lhe que a atualize continuamente.

【O caso de Chess】
O episódio de hoje conta uma história completa: no dia 24 de outubro, eu e o meu Bot «Caesar» transformámos, num só dia, um dos vídeos mais populares do X numa versão Bagel: «A verificar a minha conta @bagel_win 10 mil vezes». O vídeo final foi feito por Caesar do princípio ao fim. Eu só dei sugestões, ao longo de mais de dez rondas. Tudo aconteceu no telemóvel, numa conversa de ida e volta com o meu Caesar, o meu agente principal.

1️⃣ 12:00 — O pedido: enviei ao grupo um vídeo de referência e disse: «Faz um vídeo da Bagel com base num vídeo semelhante e no que acabou de ser publicado no Notion». Às 12:14, enviei também o vídeo da Coinbase, «Checking my portfolio 10,000 times.»: começa por usar a minha foto de perfil do X e faz um vídeo a verificar a conta @bagel_win 10 mil vezes. O PR também estava a preparar o storyboard, e Caesar disse que trataria do vídeo final.

2️⃣ v1–v4, vídeo gerado diretamente por IA: a v1 era uma versão de 10 segundos com a minha foto de perfil. Numa sala branca, um telemóvel dobrável abria e fechava freneticamente, mas as mãos e o telemóvel deformavam-se, e a boca abria-se demasiado no final. Pedi que o logótipo Bagel aparecesse na parte de trás do telemóvel, que o protagonista fosse substituído pela foto de perfil de Caesar e que o fundo amarelo destacasse o Duo branco. Também pedi que, como no vídeo original, a cabeça se mexesse, que o Duo inteiro rodasse e que o cenário fosse Night City. Na v3, a imagem falhou aos 0:07. Depois de fazer uma verificação, Caesar avisou-me: «É melhor não usarmos esta versão». Na v4, o telemóvel só tremia, sem abrir nem fechar. Não passou na verificação, por isso Caesar nem sequer me enviou o vídeo, e concluiu: a geração direta por IA não consegue reproduzir uma dobradiça a abrir e fechar de verdade.

3️⃣ v5 — Uma nova abordagem: gerar primeiro duas imagens do mesmo ângulo, uma com o telemóvel «fechado» e outra «aberto». Caesar escreveu o próprio script e usou o ffmpeg para alternar entre elas, criando cerca de quatro aberturas e fechos por segundo. Cinco ângulos, com cortes secos a cada dois segundos, acompanhados por sons sincronizados de clique. Eu disse: «Esta versão está boa». Um pequeno contratempo: a verificação em segundo plano não conseguia detetar o movimento de abrir e fechar. Depois de rever os fotogramas um a um, Caesar percebeu que a amostragem tinha saltado alguns deles e contou-me honestamente: «O que vale é o que estás a ver».

4️⃣ v6–v9 — Aperfeiçoar os detalhes: em alguns sítios, o Duo transformava-se em quatro quadrados, por isso tinha de ficar exatamente igual ao dispositivo real; o interior da Bagel devia ser amarelo; Night City não ficava bem, então trocámos por um fundo totalmente amarelo. Enviei uma imagem do logótipo com fundo amarelo e rosto branco; pedi para acrescentar a palavra Bagel por baixo do logótipo na parte de trás; o amarelo do fundo devia usar o valor da cor da foto de perfil de Caesar, #FFFF01, e também incluir a pequena linha vertical da foto. Caesar também apontava problemas por iniciativa própria, como quando a IA escreveu «CAESR» no letreiro. Na v9, enviei-lhe imagens oficiais do Duo e ele redesenhou o painel traseiro de vidro branco e as duas câmaras em forma de cápsula.

5️⃣ A ideia mais criativa: transformar «10 mil vezes» em «10 mil emoções». Os cinco planos mostram, pela ordem, nervosismo, raiva, mágoa, euforia e riso descontrolado. Na v10, foram acrescentadas letras chinesas grandes à esquerda da foto de perfil, com uma legenda em inglês por baixo.

6️⃣ v11–v14 — Detalhes ao nível de realização: o rótulo «nervosismo» só devia aparecer 0,7 segundos depois de o telemóvel começar a tremer; como o olhar não estava direcionado para o telemóvel durante a cena de nervosismo, Caesar redesenhou-a; antes do nervosismo, o protagonista devia sorrir, em expectativa, durante 0,8 segundos; no final, acrescentámos um segundo de ecrã preto, com o logótipo Bagel, texto e slogan. Às 17:41, disse «Está bom» e aprovei a versão final.

7️⃣ v15 — Locução: queria que, no último segundo, quando a Bagel aparecesse, houvesse uma voz masculina americana, com tom de anúncio, a dizer Bagel e o slogan juntos. Caesar lançou uma tarefa em segundo plano, encontrou uma voz TTS já disponível (GuyNeural) e gravou: «Bagel! A mobile-first prediction market app.». A locução tinha cerca de 2,1 segundos, não cabia no segundo final, por isso Caesar prolongou-o para 2,4 segundos e informou-me disso com toda a honestidade. Eu disse: «Pode ficar esta versão». Apaguei o post antigo e publiquei novamente com som.

Durante todo o processo, o pedido foi feito às 12:14, a versão final ficou pronta às 17:41, a locução às 18:05 e o vídeo foi publicado às 18:10. Foram 15 versões ao todo. O Bot consegue analisar vídeos de referência, obter a foto de perfil e, quando não consegue gerar o vídeo, mudar de estratégia e combinar geração de imagens com edição por script. Também acrescenta sons de clique e locução TTS, verifica cada versão antes de ma mostrar e admite honestamente quando algo corre mal. Eu só tenho de dizer o que quero. É assim que vejo o Grok Bot hoje: posso fazer tudo só com a voz, no telemóvel — é um parceiro que realmente consegue tratar do trabalho.

A imagem inclui uma grelha com nove imagens escolhidas entre as 15 versões. As três últimas são capturas de ecrã das minhas conversas com Caesar no telemóvel. O vídeo final está no post de 24 de outubro da minha conta do X, @chessxyz. Não incluo aqui o link.

Este conteúdo regista a experiência pessoal de utilização de um agente de IA. Tanto o vídeo como o texto foram criados com a participação de IA.

#GrokBot #AIAgent

«Love, Death & Robots» 🩷☠️🤖

Fim deste episódio!