Tutorial completo para construir uma máquina de geração de vídeos POV…

INEMA

youtube.com/watch ↗

Resumo do vídeo “Eu construí uma máquina de vídeo de IA com POV de US\$ 0” – YouTube

Título original: I just built a \$0 POV video system using open-source tools (100% local, no-code)

Resumo completo por tópicos:

1. Objetivo do projeto: Criar um sistema local de geração de vídeos com IA e estilo POV (ponto de vista), usando ferramentas gratuitas e sem codificação, com custo zero.

2. Ferramentas utilizadas:

• WAN 2.1 (modelo de imagem para vídeo I2V, local)
• n8n (plataforma de automação no-code)
• Google Sheets (entrada de prompts)
• Together AI (para gerar imagens com modelo Flux.1 Chanel 3)
• FFmpeg (para compilar vídeos, músicas e legendas)

3. Funcionamento do sistema:

• O usuário insere um prompt em uma planilha do Google (ex: “Você acorda como um gladiador entrando no coliseu”).
• O n8n coleta esse prompt, cria uma imagem com Together AI.
• Depois, converte a imagem em vídeo com o modelo WAN 2.1 rodando localmente.
• Finalmente, compila três clipes, adiciona legendas e música com FFmpeg.
• O vídeo é salvo no computador e o status da planilha é atualizado para “done”.

4. Recursos adicionais:

• O sistema permite gerar múltiplos vídeos (duplicando os nós no n8n).
• O autor fornece o workflow JSON pronto para importação.
• Suporte completo via comunidade Premium do criador (opcional).

5. Exemplo de prompt:

• Tópico: “POV: você acorda como um gladiador”
• Ambiente: Roma Antiga
• Resultado: vídeo com legenda, som ambiente, imagens e música de fundo.

6. Técnicas de automação:

• Utiliza agendamento por tempo ou execução manual.
• Usa expressões do n8n para mapear campos, inserir variáveis e compor prompts automaticamente.

7. Geração de legenda:

• Utiliza OpenRouter com modelo gratuito (Google Jamma 327B).
• Divide a legenda em frases curtas de até 8 palavras.
• Inclui efeitos visuais como fade e estilo de fonte via FFmpeg.

8. Finalização:

• O vídeo final é armazenado em disco com nome e data únicos.
• Pode ser lido novamente e exibido direto do disco local.

Conclusão: O projeto mostra como montar uma máquina de geração de vídeo com IA de forma totalmente gratuita, local, sem codificação e com altíssimo grau de automação, ideal para criadores, educadores e entusiastas.

s.andynocode.com/andynocode-p-runpod ↗

Instale as dependências pip install -r requirements.txt

3.1 Sage attention (Windows requer triton extra)⌗

pip install triton-windows pip install sageattention==1.0.6

3.2 Sage 2 attention (Windows)⌗

pip install triton-windows pip install github.com ↗

3.3 Flash attention⌗

pip install flash-attn==2.7.2.post1 ```

---

4. Instale o FFmpeg⌗

A. Versão RunPod (Ubuntu):⌗

bash sudo apt update sudo apt install ffmpeg

B. Versão Windows:⌗

Siga este guia: https://phoenixnap.com/kb/ffmpeg-windows

---

Sistema de Agente de IA do n8n⌗

• Atualize o caminho da pasta correspondente *** Leia/escreva arquivos do disco *** Execute comandos *** D**efina o caminho de saída

Atualmente usamos o seguinte formato de caminho, adapte para o seu sistema:

/workspace/input e /workspace/output

al14 – POV de US\$ 0

Observações: Se você já possui uma GPU compatível localmente, pode ignorar a configuração do RunPod e ir direto para a instalação do WAN2.1GP na sua máquina.

Selecionamos a NVIDIA L40S no RunPod devido à sua ampla capacidade de RAM, o que é vantajoso para lidar com grandes modelos e conjuntos de dados. Em termos de desempenho, a L40S oferece velocidades comparáveis à NVIDIA RTX 4080, sendo uma escolha econômica para tarefas intensivas de IA.

No RunPod, usando a NVIDIA L40S, levou aproximadamente 12 minutos para gerar um vídeo de 4 segundos em 720p. Com uma taxa horária de US\$ 0,86, o custo por vídeo de 4 segundos fica em torno de US\$ 0,172 — significativamente menor do que os US\$ 0,40 cobrados para gerar o mesmo vídeo no Fal.ai.

---

Requisitos mínimos de hardware e software para rodar o Wan2.1 i2v 720p 14B⌗

• Para vídeos 720p, recomenda-se 12 GB de VRAM
• Python: Versão 3.11
• CUDA: Versão 12.4.1 para processamento efetivo com GPU
• PyTorch: Versão 2.4.0 com suporte ao CUDA 12.4.1

---

Configuração do RunPod – Implantação do Pod⌗

1. Cadastre-se no RunPod para utilizar recursos de GPU.
2. Acesse: https://www.runpod.io/console/explore/runpod-torch-v240
3. Faça o deploy e escolha sua GPU preferida (usamos a L40S).
4. Em Edit Template:

• Container Disk: 100 GB
• Volume Disk: 200 GB
• Expose HTTP Ports: 8888, 5678
• Configure os Overrides

---

Configuração do RunPod – Jupyter Lab⌗

1. Acesse: https://www.runpod.io/console/pods
2. Clique em Connect > Jupyter Lab: 8888

---

0. Instale o Node.js⌗

Na interface do Jupyter Lab, clique em Launcher > Terminal, depois execute:

apt update apt install nodejs apt install npm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.3/install.sh | bash source ~/.bashrc nvm install v22

Referência: https://www.digitalocean.com/community/tutorials/how-to-install-node-js-on-ubuntu-20-04

---

1. Instale o n8n⌗

npm install n8n -g

Referência: https://docs.n8n.io/integrations/creating-nodes/test/run-node-locally/

---

2. Inicie com o WEBHOOK_URL⌗

1. Acesse: https://www.runpod.io/console/pods
2. Clique em Connect > Jupyter Lab: 5678
3. Você será redirecionado para uma URL como: https://xxxxxxxxx-5678.proxy.runpod.net/
4. Copie essa URL
5. No terminal do Jupyter, execute:

WEBHOOK_URL=https://xxxxxxxxx-5678.proxy.runpod.net/ n8n start

---

3. Instale o WAN2.1GP⌗

A. Versão para RunPod⌗

No Jupyter Lab > Terminal, execute:

```# 0. Baixe o repositório e crie um ambiente Python 3.10.9 com conda ou venv git clone github.com ↗ cd Wan2GP

1. Instale o PyTorch 2.6.0⌗

pip install torch==2.6.0 torchvision torchaudio --index-url download.pytorch.org/whl/test/cu124 ↗

2. Instale as dependências do projeto⌗

pip install -r requirements.txt

3.1 (opcional) Sage attention – 30% mais rápido⌗

pip install sageattention==1.0.6

3.2 (opcional) Sage 2 – 40% mais rápido (somente Linux)⌗

git clone github.com/thu-ml/SageAttention ↗ cd SageAttention pip install -e .

3.3 (opcional) Flash attention⌗

pip install flash-attn==2.7.2.post1```

Observação: Você NÃO precisa executar:

conda create -n wan2gp python=3.10.9 conda activate wan2gp

Porque isso impede que o n8n chame o Python diretamente fora do Conda.

---

B. Versão para Windows⌗

```bash

0. Baixe o repositório e crie o ambiente⌗

git clone github.com ↗ cd Wan2GP conda create -n wan2gp python=3.10.9 conda activate wan2gp

1. Instale o PyTorch⌗

pip install torch==2.6.0 torchvision torchaudio --index-url download.pytorch.org/whl/test/cu124 ↗

2.⌗

Uma máquina de vídeo de IA com POV de US$ 0 com ferramentas e modelos de código aberto (sem código)

Criei uma máquina de vídeo com IA e POV de US$ 0 usando ferramentas de código aberto como WAN 2.1 e n8n — 100% local, sem nuvem e sem código.

Este tutorial passo a passo mostra como transformar um simples prompt de texto em um vídeo estilizado automaticamente usando um fluxo de trabalho de arrastar e soltar.

Se os criadores estão pagando US$$ por ferramentas de vídeo com IA, por que não criar as suas próprias gratuitamente?

al14 - Video POV Local

chatgpt.com ↗

1