aqui no Ratos de IA, a frente de educação da DobraLabs (canal no youtube, newsletter, cursos e comunidade), cada notícia do vídeo da semana vira carrossel no instagram, feito por agente de IA. e foi fazendo isso que a gente bateu na armadilha que abre este post. o instagram reagrupa carrossel misto: se tu sobe imagem e vídeo intercalados, no feed todas as imagens vão pra frente e os vídeos pro fim. a gente descobriu isso com um carrossel publicado que abria pelo slide da dor e tinha o fechamento no terceiro item. é o tipo de coisa que nenhum tutorial de carrossel pro instagram com ia te conta, e é por isso que esse post existe: o jeito que a gente faz carrossel na Ratos, de imagem e com vídeo dentro, com as armadilhas que custaram post apagado.
o resumo do método: o agente (no nosso caso, o Claude Code, a IA da Anthropic que lê arquivo e roda comando por ti) escreve o texto, tu aprova, ele monta cada slide em html com a tua marca e renderiza em png (ou mp4, quando tem vídeo). nada de ferramenta de design no meio.
como fazer carrossel pro instagram com ia: as quatro fases
o fluxo que a gente roda tem quatro fases, e as duas primeiras param pra tu aprovar:
- texto. o agente lê a fonte (a transcrição do vídeo, uma notícia, uma aula) e escreve de 8 a 10 slides. para e mostra.
- render do instagram. cada slide vira um html de 1080x1350, que o Playwright (um navegador controlado por código) fotografa em png. o agente renderiza a capa primeiro e para de novo, porque se a capa não está boa, o resto não importa.
- versão do tiktok. um script converte os html pra 1080x1920 e renderiza de novo.
- publicação. com um teste antes, sem publicar, e depois pra valer.
por que html e não gerador de imagem? porque texto em imagem gerada ainda sai torto, e carrossel é 80% texto. no html o texto é texto: a fonte é a tua, o acento sai certo, e mexer numa frase é trocar uma linha. o render é um comando:
npx playwright screenshot --viewport-size=1080,1350 --full-page \
"file:///caminho/absoluto/slide-01.html" "slide-01.png"
a ilustração, quando entra, vem de um gerador de imagem e vira fundo ou elemento do html. as opções grátis e baratas pra isso estão no post como gerar imagem com ia de graça.
o texto é onde o carrossel ganha ou perde
a fase do texto decide o alcance, e a gente tem número pra isso. olhando os 14 posts de feed de julho e agosto no perfil da Ratos, classificados à mão:
| tipo de post | posts | alcance mediano |
|---|---|---|
| algo aconteceu (um terceiro fez algo concreto) | 7 | 1.326 |
| minha tese, meu setup | 7 | 726 |
é amostra pequena, mas é mesmo período, mesma conta e mesma cadência, então dá pra levar a sério. os que ganharam nomeavam um fato de fora: o arquivo que o Karpathy publicou, a Salesforce entregando em 13 dias um projeto de 231, a Anthropic pondo a própria IA pra ler os dados da empresa. os que perderam eram abstração (“a gente passou a história inteira da humanidade assumindo uma coisa”).
as regras de texto que a gente passa pro agente:
- a capa vem em 3 opções, cada uma com no máximo 8 palavras, e tu escolhe. capa é a decisão mais importante do carrossel e não dá pra deixar o agente decidir sozinho.
- o carrossel é conteúdo por si só. quem só passar o dedo tem que sair sabendo a coisa inteira. nada de “vídeo novo no canal” ou “link na bio” no meio dos slides.
- frase picotada tem cara de IA. cada slide leva 2 a 4 frases conectadas, como um parágrafo de conversa, e não bullet disfarçado.
- a estrutura: capa, 1 ou 2 slides de contexto (o que aconteceu, por que importa), 3 ou 4 de desenvolvimento (um insight por slide), um “o que isso muda pra ti” e o fechamento.
- variação visual: pelo menos 2 layouts no mesmo carrossel. em 2 ou 3 slides entra um número grande em destaque, um card com borda ou uma caixa tracejada, pra quebrar a sequência de título com bloco de texto.
a marca vai uma vez e fica
a tua identidade entra uma vez e fica guardada: a cor principal, a fonte, o logo pro rodapé e o estilo (minimalista, mais elaborado ou imitando um post de rede). disso o agente deriva os tons claros e escuros, os fundos e a hierarquia do texto, e aplica em todos os carrosséis seguintes. é o que faz a skill carrossel de imagem, um pacote de instruções e scripts que ensina o agente a montar o carrossel sempre do mesmo jeito: um tema entra e saem dez slides em png na tua marca, sem chave de api e sem custo por post, porque tudo renderiza na tua máquina.
um detalhe de grade que a gente só percebeu com o perfil cheio: um episódio do Ratos (o vídeo semanal do canal, com as notícias de IA da semana) rende dez ou doze carrosséis, e doze capas claras seguidas viram um bloco branco no perfil. então a capa alterna tema claro e escuro na ordem de postagem, e o tema amarelo fica de âncora, igual nas duas, pra manter cara de sistema.
a versão do tiktok sai do mesmo carrossel
a versão do tiktok sai do mesmo html, convertido. o script que a gente usa muda a altura de 1350 pra 1920, aumenta margem, foto e texto, centraliza a capa na vertical e sobe o rodapé e o aviso do último slide uns 230 a 280 pixels. o motivo é a interface do tiktok: legenda, nome e botões ficam por cima da parte de baixo da tela, e o que estiver ali some.
o tiktok tem uma limitação que muda o plano: o modo foto de lá é imagem pura. carrossel com vídeo dentro não vai pro tiktok; lá o vídeo vira reels separado (como a gente corta, no post cortar vídeo em reels com ia).
carrossel com vídeo: o corte dentro da moldura
o carrossel com vídeo é o que mais deu trabalho de acertar e o que mais chama atenção no feed: alguns slides têm um trecho do vídeo do canal tocando dentro de uma moldura, com legenda, e os outros seguram o ritmo só com texto. a gente faz um carrossel por notícia do compilado semanal, então um episódio de meia hora vira cinco ou seis posts.
o que o agente faz, em ordem:
- baixa o vídeo e a legenda do youtube com o
yt-dlp(o jeito de puxar legenda está no post como transcrever vídeo do youtube com ia). - acha os cortes pelas pausas reais do áudio, não pelo relógio. um script mede onde a voz cai e propõe onde entrar e sair, e outro avisa quando o corte termina no meio de uma oração.
- escreve o texto depois de ouvir. o texto de cada slide sai do que foi falado no trecho, não de um roteiro.
- encaixa o vídeo na janela do slide (a nossa tem 944x531, 16:9 exato dentro da margem), queima a legenda e uma barra de duração no topo.
- converte os slides de texto em mp4.
o passo 5 é por causa do reagrupamento que eu contei lá em cima. aconteceu em agosto, com 7 mp4 e 3 png intercalados: o serviço de publicação guardou na ordem certa, o post saiu como processado, e mesmo assim o feed mostrou os três png na frente. a correção foi testada no mesmo dia: os png viraram mp4 de 4 segundos com a imagem parada e uma trilha de áudio muda, e a ordem saiu certa. a trilha muda é de propósito, porque item de vídeo sem áudio nenhum é outro jeito de o carrossel sair estranho. custa uns 300 KB por slide e não muda nada na tela.
ffmpeg -loop 1 -i slide-03.png -f lavfi -i anullsrc=r=44100:cl=stereo \
-t 4 -c:v libx264 -pix_fmt yuv420p -r 30 -c:a aac -shortest slide-03.mp4
e uma ressalva honesta: o carrossel com vídeo foi validado num formato, apresentador falando pra câmera, sem b-roll pesado nem legenda já queimada na imagem. vídeo de corte rápido é outro bicho. a skill carrossel com vídeo faz esse caminho inteiro a partir do link do youtube.
na hora de publicar, confere a ordem
publicar é a fase em que a gente mais perdeu post, e tem dois problemas diferentes:
- o instagram reagrupa por tipo (imagem antes de vídeo). resolve deixando tudo do mesmo tipo.
- o serviço de publicação pode embaralhar antes. em agosto, um carrossel com 9 mp4 iguais em formato saiu começando pelo slide 8. o nosso script tinha mandado na ordem, o teste listou na ordem, e a resposta do serviço já veio com a lista girada. esse problema não se resolve com mp4.
a defesa que a gente adotou: depois de criar o post, baixar o que ficou guardado e comparar com os arquivos locais pelo hash do conteúdo (uma espécie de impressão digital do arquivo) (o nome do arquivo não sobrevive ao upload). e, pra conferir sem queimar o post, agendar pra dali a algumas horas em vez de publicar direto: agendado não chega no instagram até a hora, e dá pra apagar. o app de conteúdo que a gente fez pra revisar e agendar os posts faz essa conferência sozinho e refaz o post se a ordem veio errada. o caminho completo de publicação, com os dois jeitos de ligar a conta, está em publicar no instagram e tiktok automático.
em uma frase
carrossel pro instagram com ia funciona quando o agente escreve um fato concreto, tu aprova o texto e a capa, e o slide nasce em html na tua marca e vira png; com vídeo dentro, tudo vira mp4, e antes de deixar ir pro feed tu confere a ordem do que ficou guardado.