✨ antituna · 0.12 · clip.m3d.pro 100% client-side · HTML único pt-BR multimodal · áudio → clipe final

da canção ao videoclipe ✨

ANTITUNA · 0.12 · clip.m3d.pro · por cypher.m3d.pro

Esta página documenta clip.m3d.pro — estúdio web que recebe uma canção (e, opcionalmente, uma foto de referência e uma descrição) e devolve um videoclipe com a duração exata da música. Toda a cadeia — análise real do áudio (BPM, batidas, seções, tonalidade), extração da letra do próprio áudio por múltiplos provedores de STT, storyboard com quadro inicial e final por cena, geração de imagens e vídeos por IA e concatenação sincronizada — está descrita abaixo com fluxogramas, custos médios por API, roadmap de versionamento, playbook de marketing e estratégias de monetização, com contas e KPIs por faixa de usuários.

▶ Abrir antituna 0.12 (clip.m3d.pro) ↓ Ver pipeline

1 clipe≈ 3–5 min (música ≈ 3–4 min)

~ 6 cenascorte automático pela estrutura da canção

4 STTsWhisper · Gemini · Groq · Web Speech em fallback

8+ modelos vídeoSeedance · Wan · Kling · Hailuo · Veo · Grok

1 · Visão geral do projeto

clip.m3d.pro é um estúdio web single-file escrito em HTML + CSS + JavaScript puro, sem build, sem dependência obrigatória de backend: tudo roda no navegador do usuário e as chamadas às APIs de IA saem diretamente do client com chaves que ficam em localStorage. Esta edição carrega o codinome antituna 0.12 dentro do domínio operacional clip.m3d.pro, sob a marca m3d.pro e desenvolvimento cypher.m3d.pro.

1.1 · O que o produto entrega (do código real)

Recepção única

Uma tela de entrada que aceita simultaneamente canção (mp3/wav/m4a/ogg), foto de referência do personagem e descrição textual do clipe. O pipeline dispara automaticamente.

drag&dropmodo simples

Análise real do áudio

Detecção de BPM, batidas, cortes de estrutura por novidade espectral e tonalidade, antes de qualquer geração de quadro. É o que define a quantidade de cenas e a duração de cada uma.

análise localdeterminística

Letra extraída do próprio áudio

Multi-provedor STT com fallback em ordem Whisper → Gemini → Groq → Web Speech. Cada linha fica etiquetada pela seção e alinhada ao player.

4 provedorestimestamps

Storyboard com quadro inicial e final

Cada cena recebe descrição de quadro inicial e final, com a referência travada em todas elas, garantindo coerência visual do personagem.

consistênciaimagem-i→imagem-f

Geração multimodal em cadeia

Imagem com cadeia Gemini → Imagen → Pollinations → OpenAI e vídeo via Pollinations roteando para Seedance, Wan, Kling, Hailuo, Veo ou Grok — todos opt-in.

fallback graceful

Clipe final com duração da canção

Concatenação sincronizada com a duração exata da música via canvas + MediaRecorder + captureStream, capturando o áudio de volta do próprio elemento <audio>.

sincronia exata

Fluxograma editável

O usuário pode religar cenas, mudar a ordem das transições, bloquear seções, ajustar o tipo de corte (corte seco / fade / crossfade 0,6 s).

interativo

Exportação do projeto

Pacote próprio .clara (JSON + thumbnails) e relatório PDF completo — figuras, fluxograma, transcrição, custos, parâmetros.

.claraPDF

Tour guiado + modo avançado

Tour que aciona ações reais em cada painel; modo avançado revela seletores de modelo, prompts, chaves e cortes manuais.

UX progressiva

1.2 · Princípios de produto

Simples por padrão

O usuário não vê marcas, modelos nem chaves no primeiro contato. Há um toggle "Avançado" no rodapé que destrava tudo. "Se funcionar deveria ser invisível."

Cadeia com fallback

Cada etapa tenta o melhor provedor disponível, e pula para o próximo se a chave faltar, a cota estourar ou a chamada falhar. A última cena sempre termina.

Sem armazenamento forçado em servidor

Tudo acontece no client. As chaves ficam em localStorage, o projeto pode ser salvo/carregado como arquivo. Privacidade por arquitetura.

Versionamento próprio

Naming interno segue padrão semântico clipm3d-antituna-v{MAJOR}.{MINOR}; cada minor entrega um novo pipeline, cada major publica uma nova cadeia de IA.

2 · Arquitetura

Tudo é um único arquivo HTML auto-contido, com seções identificadas por id para troca via goTop(). A barra lateral (.rail) e o cabeçalho (.top) ficam fixos; o conteúdo principal é uma sequência de <section> empilhados que se ocultam entre si.

2.1 · Shell (extraído do clipm3d-antituna-v0.12.html)

frame

Layout em grid rail · main com <aside class="rail"> à esquerda com 5 botões navegáveis (Canção, Letra, Cenas, Fluxo, Render) + recortes (Avançado, Tour) e o cabeçalho marca + chips de estado + toggles.

telas

Sete seções: landing · preproc · dash-cancao · dash-letra · dash-storyboard · dash-fluxo · dash-render · dash-export. goTop(to) liga a navegação lateral e o botão "Tour" da própria seção.

state

Um STATE global guarda áudio, letra, projeto, clipes[], fluxograma, preferências de UI (avançado, tour, header auto-recolhível) e chaves de API por provedor.

2.2 · Componentes de UI que aparecem em qualquer tela

player sincronizado

<audio> com currentTime usado como relógio mestre: transições do fluxograma, edição de letra e renderizam todos pelo mesmo tempo.

drop-zones

Uma drop-zone para áudio e outra para referência visual, ambas com DataTransfer nativo — sem upload para servidor.

storyboard

Cards de cena com imagem inicial + descrição, imagem final + descrição, vídeo por cena, modelo usado e tempo gasto.

fluxograma SVG

Canvas SVG próprio com nós de cena e setas (corte seco / fade / dissolver), drag-and-drop, religação e clique para inspecionar.

tour guiado

Sequência de passos chamada por runTour() que dispara ações reais em sequência (abrir painel, gerar quadros, abrir render, exportar).

progress global

Barra superior fina que pisca verde em cada etapa concluída do pipeline automático (pctProg / pctDone).

modo avançado (gating)

Atributo data-adv em elementos que existem no DOM mas só aparecem se STATE.ui.adv === true. Não há dois layouts distintos.

exportador

Pacote .clara em JSON zip-like + relatório PDF renderizado em HTML e convertido via window.print() ou html2canvas.

3 · Pipeline real (fluxograma)

Sequência executada pelo botão "Gerar o clipe completo automaticamente" ou pela tour guiada. Cada bloco é uma função JavaScript real do clipm3d-antituna-v0.12.html.

A função runAuto() do código orquestra exatamente essa sequência: analyzeAudioNow() → transcribeWhisper/Gemini/Groq/WebSpeech (com roteador) → buildSections() · buildClipes() · orderScenes() → genImageSmart() por cena (início e fim) → genVideoForClip() por cena → renderFinal().

4 · Cadeia de STT / extração de letra (fluxograma)

Função transcribeRouter(): tenta na ordem abaixo; o primeiro que devolver linhas válidas ganha, e a UI mostra qual foi.

Por que esta ordem? Whisper tende a ser o mais estável em PT-BR com timestamps. Gemini é uma ótima alternativa com cota mais barata em multimodal. Groq é rápido e barato para falas limpas. Web Speech é o último recurso: depende do navegador.

5 · Cadeia de imagem por cena (fluxograma)

Função genImageSmart(prompt, ratio, model): para cada cena, gera primeiro a imagem inicial, depois a imagem final a partir da inicial (img-to-img). A segunda etapa usa pesos altos para manter o personagem.

Cada tentativa registra em c.viaImg e barra de progresso global pisca; o toast indica qual provider entregou. Chaves em falta são puladas silenciosamente.

6 · Cadeia de vídeo por cena (fluxograma)

Função genVideoForClip(clip): chama o modelo configurado via Pollinations, com fallback controlado por STATE.cfg.vid. O vídeo gerado entra como a própria animação da cena.

7 · Concatenação final e clipe

Função renderFinal(): desenha um <canvas> do tamanho do projeto, posiciona cada vídeo de cena no tempo correto, faz transições de acordo com o tipo da aresta do fluxograma (corte seco, fade pelo preto, crossfade 0,6 s) e grava o resultado via MediaRecorder. O áudio é capturado do próprio <audio> com captureStream() e mixado na trilha final. A duração da gravação é travada na duração da música (corte se passar).

Sincronia exata

Relógio mestre é o audioContext.currentTime: se o canvas ficar atrasado, ele ganha velocidade; se adiantar, ele segura até o áudio. Nunca há drift.

Áudio preservado

O "audio" do clipe final é o MediaStreamAudioDestinationNode construído em cima do mesmo AudioBufferSourceNode que toca na UI. Nada é re-codificado.

Mesmo FPS do projeto

O MediaRecorder roda no FPS configurado (24 ou 30). Resolução sai do projeto (1280×720, 1920×1080, 1080×1920).

8 · Custos médios por API (todos verificados nesta sessão via batch_web_search)

Tabela atualizada em 2026-09-18. Onde o provedor publica preço em tokens, mostramos a conversão equivalente para 1 imagem 1024×1024 ou 1 segundo de vídeo. Moeda: USD salvo onde explicitamente indicado.

Etapa	Provedor	Modelo	Unidade	Custo médio	Fonte
STT	OpenAI	whisper-1	minuto de áudio	$0,006≈ $0,36/h de áudio transcrito	brasstranscripts · diyai.io
STT	Groq	whisper-large-v3-turbo	hora de áudio	$0,04até 12× mais barato que OpenAI Whisper	spheron.network · console.groq.com
STT	ElevenLabs	Scribe v2	hora de áudio	$0,22Enterprise encerra abaixo de $0,40 com volume	elevenlabs.io
Imagem	Google	Gemini 2.5 Flash Image	imagem 1024×1024	$0,0391120 tokens · $30 / 1 M tokens image-output	ai.google.dev · aifreeapi.com
Imagem	Google	Imagen 4 Fast	imagem	$0,02Standard $0,04 · Ultra $0,06	cloud.google.com
Imagem	Google	Imagen 4 Ultra	imagem 2K	$0,06Upscaling Imagen 4 separado	cloud.google.com
Imagem	OpenAI	GPT-image-1	imagem	$0,04 – $0,25depende da qualidade; deprecando em 2026-10-23	OpenAI API docs · costgoat.com
Imagem	OpenAI	GPT-image-1 Mini	imagem	$0,005 – $0,052opção de baixo custo	costgoat.com
Imagem	Pollinations	flux · nano-banana · gpt-image	imagem	free + Pollenfree tier generoso; Pollen em beta pago	pollinations.ai · terms
Vídeo	Bytedance	Seedance 2.0 Fast	segundo (480p–720p)	$0,022 – $0,10Atlas Cloud Fast $0,022/s · piapi.ai $0,10/s 720p	atlascloud.ai · piapi.ai
Vídeo	Bytedance	Seedance 2.0 Standard	segundo (1080p)	$0,201080p padrão	piapi.ai
Vídeo	Alibaba	Wan 2.5 i2v / Wan 2.7	segundo (720p)	$0,065 – $0,15Alibaba ModelStudio SG $0,15/s (90 d trial)	aimlapi · alibabacloud
Vídeo	Kuaishou	Kling O3 / 3.0 standard	segundo	$0,075 – $0,14turbo native-audio $0,112/s	kling.ai · evolink.ai
Vídeo	Google	Veo 3.1 Fast / Lite	segundo (720p)	$0,03 – $0,15Standard $0,40/s com áudio	costgoat.com · aifreeapi.com
GPU sob-demanda	Replicate	H100 / A100 / T4 / CPU	segundo de GPU	$0,001525 / $0,0014 / $0,000225 / $0,000025FLUX ≈ $0,0005/imagem típica	replicate.com

8.1 · Custos fixos mensais (infra / processamento)

Item	Plano	Custo	Fonte
Hospedagem	Vercel Pro	$20 / mês por seat + $20 de crédito de uso incluso	vercel.com/pricing
Armazenamento	Cloudflare R2 Standard	$0,015 / GB-mês · egress zero	cloudflare.com/r2
Pagamento (BR)	Stripe · cartão doméstico	3,99 % + R$ 0,39 por transação	stripe.com/en-br
Pagamento (BR)	Stripe · Pix / boleto anual	5,99 % + R$ 0,45 por transação (1 mês promocional 2,9 % + R$ 0,30)	stripe.com
Pagamento	Stripe · cartão internacional	2,9 % + $0,30 · +1,5 % internacional · +1 % se houver conversão de moeda	stripe.com/pricing

9 · Calculadora de custo por clipe (cliente)

Mude os campos abaixo para estimar o custo direto em APIs de IA por clipe. Considera 1 imagem inicial + 1 imagem final por cena + 1 vídeo por cena na duração alvo + 1 transcrição.

Duração da canção (s)

Nº de cenas (auto: dur / duração alvo)

Duração alvo por cena (s)

Modelo de imagem (preferência)

Modelo de vídeo

Modelo de STT

Esta calculadora é uma estimativa local e não consulta APIs reais. Use-a como ponto de partida para o plano de custo do mês.

10 · Chaves e licenças

O antituna 0.12 armazena as chaves de API em localStorage (categoria m3d-pro:keys). Todas são usadas direto do navegador — não há proxy do nosso lado. Isso significa que, ao publicar o app, o usuário precisa saber que cada chave fornecida é chamada do client dele, e que nós não armazenamos nem vemos.

Provedor	Variável	Onde é usada
OpenAI	keyOpenAI	Whisper · DALL·E/GPT-image
Google AI Studio	keyGoogle	Gemini · Imagen
Pollinations	keyPoll	Flux · nano-banana · flux-2-pro · seedream · kontext · seedance · wan · kling · hailuo · veo · grok
Groq	keyGroq	Whisper Large v3 Turbo (alternativa barata)

Política "chave por usuário": na fase pré-monetização, cada usuário coloca suas próprias chaves (BYOK). Quando lançarmos a monetização por assinatura, mantemos esse modo como nível gratuito e oferecemos um nível托管 (托管) com chave compartilhada e cotas inclusas — equivalente a um servidor proxy opcional.

11 · Necessidades técnicas a superar (estado atual vs desejado)

Cada linha deriva do código real: o número entre parênteses é a referência ao clipm3d-antituna-v0.12.html.

11.1 · Latência da cadeia multimodal

Hoje uma cadeia de 6 cenas com Seedance Fast pode levar 4–6 min. Para escala, queremos pipeline paralelo com fila por modelo e cache de prompt. Função atual: genImageSmart() é serial.

paralelizarfila por modelocache dedup

11.2 · Consistência do personagem entre cenas

Mantemos a referência carregada, mas alguns provedores (Flux/DALL-E) ainda não garantem face lock. Precisamos treinar ou usar um LoRA por usuário ou um IP-Adapter aplicado em cada cena. Função atual: genImageSmart(prompt, ratio, model) passa ref para todas as cenas.

IP-Adapterface-idLoRA pessoal

11.3 · Custo de vídeo 1080p em escala

Seedance 1080p a $0,20/s destrói a margem. Mitigar com escolha automática: 720p para a maioria, 1080p só nas cenas-chave (intro, clímax, final).

resolução adaptativatier dinâmico

11.4 · Coerência narrativa da letra

As linhas vêm do áudio mas nem sempre batem com o início da seção. Implementar align-to-beat utilizando a grade de batidas para ancorar frases em marcadores fortes.

letra-no-beatforced align

11.5 · Tradução multilíngue (pt-BR ↔ es/en)

whLang aceita pt|en|es|.... Tradução automática sincronizada com timestamps ainda é feita fora do app; precisa virar parte do pipeline para mercados vizinhos.

11.6 · Render final em arquivos longos

MediaRecorder lida mal acima de ~10 min em alguns navegadores. Migrar para Streaming MP4 via mp4-muxer ou servidor de render dedicado.

MSEmp4-muxerrender server

11.7 · Recuperação de cota / rate-limit

A cadeia cai e perde o trabalho em rate-limit HTTP 429. Implementar back-off exponencial, fila persistente e retomada a partir da cena interrompida.

retry+jitterresume

11.8 · Distribuição & CDN de saída

O clipe é gerado local; para entrega, queremos URL público estável. Pipeline atual produz Blob; precisa subir para Cloudflare R2 com chave curta e acessar via link público assinado.

R2 + URL assinada

11.9 · Privacidade das chaves de usuário

BYOK em localStorage é seguro no browser do usuário, mas queremos também Web Crypto + passphrase para criptografia local das chaves em modo avançado.

crypto.subtlepassphrase derive

11.10 · A11y e mobile

O layout principal é pesado em desktop. O modo simples já funciona em tablet; falta polir preview do storyboard em mobile real (≤ 420 px) e adicionar atalhos de teclado.

12 · Roadmap de versionamento

Padrão clipm3d-antituna-v{MAJOR}.{MINOR}. Cada minor entrega incremento de pipeline. Cada major reconfigura a cadeia de IA para um novo padrão.

antituna 0.12 · atual · Foundation

Foco em um estúdio unificado, modo simples, orquestração automática. Já entrega clipe final, com a nova identidade visual da antituna.

img Gemini → Imagen → Poll → OpenAI

vid 8 modelos opt-in

stt 4 provedores

codinome antituna · 0.12

antituna 0.13 · Lock visual

LoRA pessoal ou IP-Adapter + face-id por usuário. Consistência rosto/cenário entre 6–10 cenas mesmo com trocas de modelo.

antituna 0.14 · Paralelismo & fila

Worker-pool no client, fila por provedor, dedup por prompt, retomada após 429.

antituna 0.15 · Render server opcional

Para clipes acima de 6 min e equipes compartilhadas, oferecer render servidor (Cloudflare Containers ou Replicate provisioned).

antituna 0.16 · Multi-idioma & legendagem

Legendas automáticas em pt/es/en/fr alinhadas ao áudio original + tradução Neural. Pipeline "letra → beat → legenda" síncrono.

antituna 0.17 · Direção criativa assistida

LLM diretor: escolhe estilos por seção, propõe cortes, pré-edita roteiros visuais conforme a descrição do usuário. Interface estilo storyboard AI.

antituna 0.18 · Marketplace de presets

Estilos prontos (cinematic, lo-fi, hype, animado, anime, VHS) por assinatura. Marketplace de LoRAs e fluxos contribuídos pela comunidade.

antituna 0.19 · Mobile first

Versão otimizada para captura no celular: grava voz, escolhe tema, gera clipe. Auth via magic-link.

antituna 2.0 · Studio público

Página pública de projetos por usuário;Embed em sites; API pública para SaaS integrarem o antituna.

Critérios para romper minor → major

Troca de cadeia padrão (ex.: Imagen deixa de ser o padrão, Nano-Banana passa a ser).
Novo paradigma de render (entrada de render server, por exemplo).
Quebra de compatibilidade do arquivo .clara (obrigamos migração).

13 · Playbook de marketing

Estratégia focada em criadores musicais e agências pequenas, com secundário em profissionais de conteúdo e professores. Tese: o clipe é o produto final entregue, mas o "wow" é a velocidade — "enviei a música e 5 minutos depois tenho o clipe".

Aquisição · Conteúdo curto

Reels/TikTok/Shorts mostrando um before/after de 30 s: a música, o storyboard se formando, o clipe pronto. CTA para clip.m3d.pro. Hashtags: #studioai #musicaBR #clipauto.

TikTokReelsTwitter

Aquisição · Comunidades verticais

Produtores musicais do Reclame Aqui, Ableton Brasil, SoundCloud BR, Gumroad banda. Oferecer 3 clipes gratuitos para casos-de-estudo autênticos. estúdio é single-file = roda até no celular.

Aquisição · SEO & blog

Artigos "Como gerar videoclipe com IA em 2026", "Comparativo Seedance vs Wan vs Kling vs Veo". Linkar para calculadora de custo (seção 9) — vira isca de tráfego qualificado.

Ativação · Tour guiado

O botão "Gerar o clipe completo automaticamente" + tour de 1 minuto é o nosso funil. Reduz churn porque o usuário sai com vídeo na mão.

Retenção · Preset packs

Cada preset (cinematic, lo-fi, anime, VHS) é entregue como arquivo .clara público. O usuário pode remixar e publicar o dele.

Referral · Créditos por convidado

Programa "Indica um artista": 1 clipe completo grátis por indicação que converter. Cap em 5/mês para evitar abuso.

Parceiros · Selos & gravadoras

Pacote "Selo Indie": 50 clipes / mês para um selo de pequeno porte, com logo d'água customizada. B2B via info@m3d.pro.

Parceria · Escolas de música

Plano educacional: clipe como ferramenta didática para alunos finalizarem músicas. Cobrança por número de alunos ativos.

Branding · cypher.m3d.pro

Toda a operação técnica e P&D fica em cypher.m3d.pro. O produto final do usuário fica em clip.m3d.pro. A camada institucional (política, contato, manifesto) é m3d.pro.

13.1 · Fluxograma de marketing & funil

14 · Estratégias de monetização

Modelo híbrido BYOK + assinatura + serviços B2B. O free mantém o motor de descoberta; o Pro captura quem faz mais de 5 clipes por mês; o Studio serve agências/selos.

14.1 · Free (BYOK)

Usuário coloca suas chaves. Limite: 5 clipes / mês (rate-limit por IP). Sem marca d'água. Receita: 0. Estratégia: funil & retenção.

R$ 05 clipes/mês

14.2 · Pro · R$ 49/mês

BYOK mantido. Inclui: 30 clipes / mês, presets premium, IP-Adapter por usuário, prioridade de cota compartilhada (modelo托管). Cobrança Stripe/pix/boleto.

R$ 49/mês30 clipesprioridade

14.3 · Studio · R$ 299/mês

B2B: 300 clipes / mês + render server dedicado + 3 membros no time + API pública + selo de marca personalizada.

R$ 299/mês300 clipesAPI

14.4 · Marketplace · take rate 30 %

Presets criados pela comunidade rendem 30 % para o autor (mínimo R$ 5 por venda). Pagamento via Stripe Connect.

slice 30 %Stripe Connect

14.5 · B2B · R$ 1.500–R$ 5.000/mês

Selos & gravadoras. Pacotes a partir de 50 clipes / mês com SLA de 24 h e curadoria humana opcional. Contrato anual.

anualSLAcuradoria

14.6 · Branded clips · sponsorship

Marcas patrocinam pacotes de presets temáticos (ex: "Vera Verão" — preset cinematográfico com pôr-do-sol). Receita fixa por temporada.

sazonalco-marketing

14.7 · API pública — usage-based

Studio/Enterprise chamam a API por clipes gerados. Cobrança adicional acima do pacote incluso (≈ R$ 1,20 por clipe extra).

overage R$ 1,20

14.8 · White-label · sob consulta

Para produtoras: app customizado na marca do cliente, embed em site próprio. Receita única de setup + mensalidade.

one-time + mensal

14.9 · Premissas para a conta de margem

Cenário	Modelo	Custo médio API por clipe	Receita mensal típica	Margem bruta
Free BYOK	Imagen Fast + Seedance 720p	(usuário paga)	R$ 0	—
Pro típico	Imagen Fast + Seedance 720p	≈ $0,55 ≈ R$ 3,00	R$ 49	~94 %
Pro intensivo	Gemini Image + Veo Fast	≈ $2,20 ≈ R$ 12	R$ 49	~75 %
Studio (preset Pro)	média ponderada	≈ $0,90 ≈ R$ 5	R$ 299	~98 % (eficiência de cota)

Números para um clipe de 3,5 min, 6 cenas, 4 s/cena, 720p. Câmbio considerado: USD ≈ R$ 5,50. Confirmar contra cotação no momento do fechamento.

15 · KPIs & metas

MAUmensais únicos com ao menos 1 sessão generator

Clipe / MAUclipes gerados por mês por usuário

Conv. free→Pro% que assina dentro de 30 dias

CACcusto de aquisição — meta < R$ 70

LTVReceita média em 12 meses

Churn Pro% mensal que cancela — meta < 7 %

NPSpromotores − detratores — meta ≥ 50

Tempo até 1º clipemeta ≤ 6 min do load até o download

15.1 · KPIs operacionais de engenharia

Pipeline success rate

% de clipes gerados sem fallback manual. Meta ≥ 92 %.

p95 latência de clipe

Tempo entre envio e download. Meta ≤ 240 s para clipe médio.

Rate-limit recovery

% de chamadas em 429 que recuperam sem intervenção. Meta ≥ 80 %.

Custo médio / clipe

Meta: ≤ R$ 5 no Pro típico; ≤ R$ 12 no Studio.

Uptime do domínio

Meta: 99,5 % ano. Downtime planejado fora do horário de pico.

Tempo de 1ª renderização significativa

Meta: primeiro preview visível em ≤ 60 s.

16 · Milestones & faixas de usuários

Cada marco aqui amarra (a) milestone técnica, (b) número esperado de usuários, (c) KPIs que validam o salto, (d) ações de marketing/monetização que disparam.

M0 · Pré-lançamento ~ 0 usuários

v12 + documentação + lockdown de chaves + governance de páginas.

KPI de saída: TUDO documentado; 5 usuários alfa testaram clipes reais.

Ação marketing/monetização: nada — escutamos feedback.

M1 · Beta aberto ~ 50–200 usuários

v13 lock visual + onboarding BYOK claro + preset IndieBR gratuito.

KPI de saída: 30 % de ativos mensais retornam em 7 dias; NPS ≥ 35.

Ação: lança Pro R$ 49/mês para early adopters com 20 % off.

M2 · Public beta ~ 500–2.000 usuários

v14 paralelismo + fila + render server opcional; integrador com SoundCloud, Bandcamp e Dropbox.

KPI de saída: p95 latência ≤ 4 min; conv. free→Pro ≥ 4 %.

Ação: primeira campanha paga de TikTok Ads em R$ 1.000/dia por 30 dias.

M3 · GA comercial ~ 5.000–10.000 usuários

v15 render server em produção + 2 modelos novos de vídeo (Sora se liberado, Veo Standard); preset packs oficiais.

KPI de saída: ARR ≥ R$ 30.000/mês; churn Pro ≤ 7 %.

Ação: abre Stripe/Pix Brasil; parceria com 1 selo indie.

M4 · Marketplace ~ 15.000–30.000 usuários

v18 marketplace + 50 presets por comunidade + autor com payout Stripe Connect.

KPI de saída: 100 autores ativos; 5 % da receita vinda de marketplace.

Ação: co-marketing com 1 marca de instrumento musical ou equipamento de áudio.

M5 · Mobile first ~ 50.000–80.000 usuários

v19 app mobile com gravação no celular + auth por magic link + push de clipes prontos.

KPI de saída: 35 % dos clipes vêm do mobile; CAC mobile ≤ R$ 50.

Ação: parceria com App Store BR; featured em "Apps populares".

M6 · Internacionalização ~ 100.000–200.000 usuários

v16 multilíngue + expansão para es/en/pt-PT + Adaptive rendição por mercado.

KPI de saída: ARR ≥ R$ 400.000/mês; 25 % de receita fora do BR.

Ação: escritório em Portugal, primeiros clientes B2B europeus.

M7 · Plataforma & API pública ~ 300.000+ usuários

v20 API pública + SDK JS/Python + portal de desenvolvedores.

KPI de saída: 50 integradores ativos; receita B2B ≥ 25 % da ARR.

Ação: roadmap público trimestral, Conselho de Comunidade.

17 · Necessidades para escalar (vinculado a marketing + monetização)

O que precisamos resolver técnica e operacionalmente antes de cada salto na tabela de usuários.

5.000–10.000 usuários

Técnico: fila persistente no servidor, fila por provedor, observabilidade de quota. Marketing: primeira campanha paga estruturada. Monetização: Stripe BR + Pix recorrente.

15.000–30.000 usuários

Técnico: render server escalável, OAuth por aplicativo terceiro, anti-abuso. Marketing: programa de referral + SEO agressivo em como gerar clipe com IA. Monetização: Stripe Connect para marketplace.

50.000–80.000 usuários

Técnico: mobile PWA + push, cache regional por país. Marketing: one-on-one com 2 creators 100k+; anúncios em 4 mercados. Monetização: planos mobile-only (ex.: pay-as-you-go).

100.000–200.000 usuários

Técnico: multi-região, modelo "shared quota" controlado, suporte 24/7 com IA + humano. Marketing: presença em festivais de música (Rock in Rio, Lollapalooza BR). Monetização: pacote Enterprise + white-label.

300.000+ usuários

Técnico: SRE, business continuity, plano de migração de providers em caso de descontinuação. Marketing: brand campaigns em televisão + OOH em cidades grandes. Monetização: equity round opcional; thoughts on-going M&A.

17.1 · Custo de infraestrutura crescente por estágio

Estágio	Equipe	Cloud / mês	Marketing / mês	Total estimado / mês
M0–M1	1–2 founders	$20 Vercel + R$ 50 R2 ≈ R$ 200	R$ 0 (orgânico)	≈ R$ 1.000 (incluindo ferramentas)
M2 (2 k usuários)	+1 eng +1 marketing	$80 Vercel + R$ 200 R2 + cola Cloudflare ≈ R$ 2.500	R$ 30.000 (TikTok Ads + creators)	≈ R$ 60.000
M3 (10 k usuários)	+2 eng +1 sup.	$200 Vercel Enterprise + $500 R2 + render server ≈ R$ 7.000	R$ 60.000 (Ads + 1 selo)	≈ R$ 130.000
M5 (50 k usuários)	8–12 pessoas	R$ 25.000	R$ 150.000	≈ R$ 350.000
M7 (300 k usuários)	30+ pessoas	R$ 90.000	R$ 400.000	≈ R$ 900.000

Esses números são estimativas, não projeções; o detalhamento final depende de fechamento SOW com fornecedores. A linha "Receita" da seção de monetização determina se o runway se sustenta — meta de M7: receita líquida do ano anterior > custo mensal do mês.

17.2 · Trade-off central: o equilíbrio entre qualidade visual e custo de vídeo

Em cada salto de escala, a maior alavanca de margem é o vídeo. Hoy 6 cenas × 4 s × Seedance Fast 720p ≈ $0,53 por clipe. Subir tudo para Veo 3 Standard ≈ $7,20 por clipe — inviável para o Pro a R$ 49. O sistema precisa manter a inteligência de "qual modelo vale quanto, por cena, em qual resolução". Essa é a peça que v14–v15 entregam como motor de otimização.

18 · Contato

Produto & negócio

E-mail: info@m3d.pro

Site do produto: clip.m3d.pro

Marca-mãe: m3d.pro

Engenharia & desenvolvimento

Site técnico: cypher.m3d.pro

Manifesto: privacidade por arquitetura, versionamento aberto, código aberto do orquestrador.

Sobre o botão "Acessar versão atual": o link da seção de capa aponta para antituna 0.12 em http://clip.m3d.pro/version/ (não baixa o app HTML — leva ao app rodando). Quando você subir a 0.13, basta atualizar o href do botão em #capa .cta .btn-primary mantendo target="_blank" rel="noopener".

Step	Provider	Model	Unit	Avg cost	Source
STT	OpenAI	whisper-1	audio minute	$0.006≈ $0.36/h of transcribed audio	brasstranscripts · diyai.io
STT	Groq	whisper-large-v3-turbo	audio hour	$0.04up to 12× cheaper than OpenAI Whisper	spheron.network · console.groq.com
STT	ElevenLabs	Scribe v2	audio hour	$0.22Enterprise closes below $0.40 with volume	elevenlabs.io
Image	Google	Gemini 2.5 Flash Image	image 1024×1024	$0.0391120 tokens · $30 / 1M image-output tokens	ai.google.dev · aifreeapi.com
Image	Google	Imagen 4 Fast	image	$0.02Standard $0.04 · Ultra $0.06	cloud.google.com
Image	Google	Imagen 4 Ultra	image 2K	$0.06Upscaling on Imagen 4 is separate	cloud.google.com
Image	OpenAI	GPT-image-1	image	$0.04 – $0.25depends on quality; deprecated 2026-10-23	OpenAI API docs · costgoat.com
Image	OpenAI	GPT-image-1 Mini	image	$0.005 – $0.052budget option	costgoat.com
Image	Pollinations	flux · nano-banana · gpt-image	image	free + Pollengenerous free tier; Pollen in paid beta	pollinations.ai · terms
Video	Bytedance	Seedance 2.0 Fast	second (480p–720p)	$0.022 – $0.10Atlas Cloud Fast $0.022/s · piapi.ai $0.10/s 720p	atlascloud.ai · piapi.ai
Video	Bytedance	Seedance 2.0 Standard	second (1080p)	$0.201080p standard	piapi.ai
Video	Alibaba	Wan 2.5 i2v / Wan 2.7	second (720p)	$0.065 – $0.15Alibaba ModelStudio SG $0.15/s (90 d trial)	aimlapi · alibabacloud
Video	Kuaishou	Kling O3 / 3.0 standard	second	$0.075 – $0.14turbo native-audio $0.112/s	kling.ai · evolink.ai
Video	Google	Veo 3.1 Fast / Lite	second (720p)	$0.03 – $0.15Standard $0.40/s with audio	costgoat.com · aifreeapi.com
On-demand GPU	Replicate	H100 / A100 / T4 / CPU	GPU second	$0.001525 / $0.0014 / $0.000225 / $0.000025FLUX ≈ $0.0005/image typical	replicate.com

Item	Plan	Cost	Source
Hosting	Vercel Pro	$20 / month per seat + $20 usage credit included	vercel.com/pricing
Storage	Cloudflare R2 Standard	$0.015 / GB-month · zero egress	cloudflare.com/r2
Payments (BR)	Stripe · domestic card	3.99% + R$ 0.39 per transaction	stripe.com/en-br
Payments (BR)	Stripe · Pix / boleto (annual)	5.99% + R$ 0.45 per transaction (promo: 2.9% + R$ 0.30 first month)	stripe.com
Payments	Stripe · international card	2.9% + $0.30 · +1.5% international · +1% if currency conversion	stripe.com/pricing

Scenario	Model	Avg API cost / clip	Typical monthly revenue	Gross margin
Free BYOK	Imagen Fast + Seedance 720p	(user pays)	$0	—
Typical Pro	Imagen Fast + Seedance 720p	≈ $0.55	$9	~94%
Heavy Pro	Gemini Image + Veo Fast	≈ $2.20	$9	~75%
Studio (Pro preset)	weighted average	≈ $0.90	$59	~98% (quota efficiency)

Stage	Team	Cloud / month	Marketing / month	Total estimated / month
M0–M1	1–2 founders	$40 cloud + R$ 50 R2 ≈ $200	$0 (organic)	≈ $550 (incl. tools)
M2 (2 k users)	+1 eng +1 marketing	$80 Vercel + R$ 200 R2 + Cloudflare glue ≈ $700	$6,000 (TikTok Ads + creators)	≈ $12,000
M3 (10 k users)	+2 eng +1 support	$200 Vercel Enterprise + $500 R2 + render server ≈ $2,000	$12,000 (ads + 1 label)	≈ $26,000
M5 (50 k users)	8–12 staff	$5,000	$30,000	≈ $70,000
M7 (300 k users)	30+ staff	$18,000	$80,000	≈ $180,000

✨ antituna · 0.12 · clip.m3d.pro 100% client-side · un solo HTML ES multimodal · audio → clip final

de la canción al videoclip ✨

ANTITUNA · 0.12 · clip.m3d.pro · por cypher.m3d.pro

Esta página documenta clip.m3d.pro — estudio web que recibe una canción (y, opcionalmente, una foto de referencia y una descripción) y devuelve un videoclip con la duración exacta de la música. Toda la cadena — análisis real del audio (BPM, golpes, secciones, tonalidad), extracción de la letra del propio audio por múltiples proveedores de STT, storyboard con cuadro inicial y final por escena, generación de imágenes y vídeos con IA, y concatenación sincronizada — se describe abajo con flujogramas, costos medios por API, roadmap de versionado, playbook de marketing y estrategias de monetización, con cuentas y KPIs por tramo de usuarios.

▶ Abrir antituna 0.12 (en vivo) ↓ Ver pipeline

1 clip≈ 3–5 min (canción ≈ 3–4 min)

~ 6 escenascorte automático por la estructura de la canción

4 STTsWhisper · Gemini · Groq · Web Speech como respaldo

8+ modelos vídeoSeedance · Wan · Kling · Hailuo · Veo · Grok

1 · Visión general del proyecto

clip.m3d.pro es un estudio web single-file escrito en HTML + CSS + JavaScript puro, sin build, sin dependencia obligatoria de backend: todo corre en el navegador del usuario y las llamadas a las APIs de IA salen directamente del cliente con claves guardadas en localStorage. Esta edición lleva el nombre código antituna 0.12 dentro del dominio operativo clip.m3d.pro, bajo la marca m3d.pro y el desarrollo cypher.m3d.pro.

1.1 · Qué entrega el producto (desde el código real)

Recepción única

Una pantalla de entrada que acepta a la vez canción (mp3/wav/m4a/ogg), foto de referencia del personaje y descripción textual del clip. El pipeline arranca automáticamente.

drag&dropmodo simple

Análisis real del audio

Detección de BPM, golpes, cortes estructurales por novedad espectral y tonalidad, antes de generar cuadro alguno. Define el número de escenas y la duración de cada una.

análisis localdeterminístico

Letra extraída del propio audio

Multi-proveedor STT con cadena de respaldo Whisper → Gemini → Groq → Web Speech. Cada línea se etiqueta por sección y se alinea con el reproductor.

4 proveedorestimestamps

Storyboard con cuadro inicial y final

Cada escena recibe descripción de cuadro inicial y final, con la referencia bloqueada en todas, garantizando coherencia visual del personaje.

consistenciaimg-i→img-f

Generación multimodal en cadena

Imagen con cadena Gemini → Imagen → Pollinations → OpenAI y vídeo vía Pollinations enrutando a Seedance, Wan, Kling, Hailuo, Veo o Grok — todos opt-in.

fallback elegante

Clip final con duración de la canción

Concatenación sincronizada con la duración exacta de la música usando canvas + MediaRecorder + captureStream, capturando el audio desde el propio elemento <audio>.

sincronía exacta

Flujograma editable

El usuario puede reconectar escenas, cambiar el orden de las transiciones, bloquear secciones y ajustar el tipo de corte (corte seco / fade / crossfade 0,6 s).

interactivo

Exportación del proyecto

Paquete propio .clara (JSON + miniaturas) e informe PDF completo — fotogramas, flujograma, transcripción, costos, parámetros.

.claraPDF

Tour guiado + modo avanzado

Un tour dispara acciones reales en cada panel; el modo avanzado muestra selectores de modelo, prompts, claves y cortes manuales.

UX progresiva

1.2 · Principios de producto

Simple por defecto

El usuario no ve marcas, modelos ni claves en el primer contacto. Hay un interruptor "Avanzado" en el pie que lo desbloquea todo. "Si funciona, debería ser invisible."

Cadena con fallback

Cada etapa intenta el mejor proveedor disponible y pasa al siguiente si falta la clave, se agotó la cuota o falla la llamada. La última escena siempre termina.

Sin almacenamiento forzado en servidor

Todo ocurre en el cliente. Las claves viven en localStorage; el proyecto puede guardarse/cargarse como archivo. Privacidad por arquitectura.

Versionado propio

El naming interno sigue el patrón semántico clipm3d-antituna-v{MAJOR}.{MINOR}; cada minor entrega un pipeline nuevo, cada major publica una nueva cadena de IA.

2 · Arquitectura

Todo vive en un único archivo HTML autocontenido, con secciones identificadas por id y conmutadas por goTop(). La barra lateral (.rail) y el encabezado (.top) quedan fijos; el contenido principal es una pila de bloques <section> que se ocultan entre sí.

2.1 · Shell (extraído de clipm3d-antituna-v0.12.html)

frame

Layout grid rail · main con <aside class="rail"> a la izquierda con 5 botones navegables (Canción, Letra, Escenas, Flujo, Render) + recortes (Avanzado, Tour) y el encabezado con marca + chips de estado + toggles.

telas

Siete secciones: landing · preproc · dash-cancao · dash-letra · dash-storyboard · dash-fluxo · dash-render · dash-export. goTop(to) conecta la navegación lateral y el botón "Tour" de cada sección.

state

Un STATE global guarda el audio, la letra, el proyecto, clipes[], el flujograma, las preferencias de UI (avanzado, tour, header auto-plegable) y las claves de API por proveedor.

2.2 · Componentes de UI que aparecen en cualquier pantalla

reproductor sincronizado

<audio> con currentTime usado como reloj maestro: las transiciones del flujograma, la edición de letra y el render usan el mismo tiempo.

drop-zones

Una drop-zone para el audio y otra para la referencia visual, las dos con DataTransfer nativo — sin subida al servidor.

storyboard

Tarjetas de escena con imagen inicial + descripción, imagen final + descripción, vídeo por escena, modelo usado y tiempo invertido.

flujograma SVG

Lienzo SVG propio con nodos de escena y flechas (corte seco / fade / disolver), drag-and-drop, reconexión y clic para inspeccionar.

tour guiado

Secuencia de pasos llamada por runTour() que dispara acciones reales en orden (abrir panel, generar cuadros, abrir render, exportar).

progreso global

Barra superior fina que pulsa en verde en cada etapa completada del pipeline automático (pctProg / pctDone).

modo avanzado (gating)

Atributo data-adv en elementos que existen en el DOM pero solo se muestran si STATE.ui.adv === true. No hay dos layouts distintos.

exportador

Paquete .clara JSON tipo zip + informe PDF renderizado en HTML y convertido con window.print() o html2canvas.

3 · Pipeline real (flujograma)

Secuencia ejecutada por el botón "Generar el clip completo automáticamente" o por el tour guiado. Cada bloque es una función JavaScript real de clipm3d-antituna-v0.12.html.

La función runAuto() del código orquesta exactamente esta secuencia: analyzeAudioNow() → transcribeWhisper/Gemini/Groq/WebSpeech (vía router) → buildSections() · buildClipes() · orderScenes() → genImageSmart() por escena (inicio y fin) → genVideoForClip() por escena → renderFinal().

4 · Cadena de STT / extracción de letra (flujograma)

Función transcribeRouter(): prueba en el orden de abajo; el primero que devuelva líneas válidas gana, y la UI muestra cuál fue.

¿Por qué este orden? Whisper suele ser el más estable en español/PT-BR con timestamps. Gemini es una gran alternativa con una cuota multimodal más barata. Groq es rápido y barato para voces limpias. Web Speech es el último recurso: depende del navegador.

5 · Cadena de imagen por escena (flujograma)

Función genImageSmart(prompt, ratio, model): para cada escena genera primero la imagen inicial, luego la imagen final desde la inicial (img-to-img). El segundo paso usa pesos altos para conservar al personaje.

Cada intento se registra en c.viaImg y la barra de progreso global parpadea; el toast indica qué proveedor entregó. Las claves ausentes se saltan silenciosamente.

6 · Cadena de vídeo por escena (flujograma)

Función genVideoForClip(clip): llama al modelo configurado vía Pollinations, con fallback controlado por STATE.cfg.vid. El vídeo generado entra como la animación propia de la escena.

7 · Concatenación final y clip

Función renderFinal(): dibuja un <canvas> del tamaño del proyecto, ubica cada vídeo de escena en el instante correcto, ejecuta transiciones según el tipo de arista del flujograma (corte seco, fade-a-negro, crossfade 0,6 s) y graba el resultado con MediaRecorder. El audio se captura desde el propio <audio> con captureStream() y se mezcla en la pista final. La duración de la grabación se bloquea en la duración de la canción (corte si la supera).

Sincronía exacta

El reloj maestro es audioContext.currentTime: si el canvas va atrasado, gana velocidad; si va adelantado, se detiene hasta que el audio lo alcance. Nunca hay deriva.

Audio preservado

El "audio" del clip final es un MediaStreamAudioDestinationNode construido sobre el mismo AudioBufferSourceNode que suena en la UI. Nada se re-codifica.

Mismo FPS del proyecto

El MediaRecorder corre al FPS configurado (24 o 30). La resolución sale del proyecto (1280×720, 1920×1080, 1080×1920).

8 · Costos medios por API (verificados en esta sesión vía batch_web_search)

Tabla actualizada el 2026-09-18. Cuando el proveedor publica precios en tokens, mostramos la conversión equivalente para 1 imagen 1024×1024 o 1 segundo de vídeo. Moneda: USD salvo indicación explícita.

Etapa	Proveedor	Modelo	Unidad	Costo medio	Fuente
STT	OpenAI	whisper-1	minuto de audio	$0,006≈ $0,36/h de audio transcrito	brasstranscripts · diyai.io
STT	Groq	whisper-large-v3-turbo	hora de audio	$0,04hasta 12× más barato que OpenAI Whisper	spheron.network · console.groq.com
STT	ElevenLabs	Scribe v2	hora de audio	$0,22Enterprise cierra por debajo de $0,40 con volumen	elevenlabs.io
Imagen	Google	Gemini 2.5 Flash Image	imagen 1024×1024	$0,0391120 tokens · $30 / 1M tokens image-output	ai.google.dev · aifreeapi.com
Imagen	Google	Imagen 4 Fast	imagen	$0,02Standard $0,04 · Ultra $0,06	cloud.google.com
Imagen	Google	Imagen 4 Ultra	imagen 2K	$0,06Upscaling en Imagen 4 aparte	cloud.google.com
Imagen	OpenAI	GPT-image-1	imagen	$0,04 – $0,25según calidad; deprecación 2026-10-23	OpenAI API docs · costgoat.com
Imagen	OpenAI	GPT-image-1 Mini	imagen	$0,005 – $0,052opción de bajo costo	costgoat.com
Imagen	Pollinations	flux · nano-banana · gpt-image	imagen	gratis + Pollentier gratuito generoso; Pollen en beta de pago	pollinations.ai · terms
Vídeo	Bytedance	Seedance 2.0 Fast	segundo (480p–720p)	$0,022 – $0,10Atlas Cloud Fast $0,022/s · piapi.ai $0,10/s 720p	atlascloud.ai · piapi.ai
Vídeo	Bytedance	Seedance 2.0 Standard	segundo (1080p)	$0,201080p estándar	piapi.ai
Vídeo	Alibaba	Wan 2.5 i2v / Wan 2.7	segundo (720p)	$0,065 – $0,15Alibaba ModelStudio SG $0,15/s (prueba 90 d)	aimlapi · alibabacloud
Vídeo	Kuaishou	Kling O3 / 3.0 standard	segundo	$0,075 – $0,14turbo native-audio $0,112/s	kling.ai · evolink.ai
Vídeo	Google	Veo 3.1 Fast / Lite	segundo (720p)	$0,03 – $0,15Standard $0,40/s con audio	costgoat.com · aifreeapi.com
GPU bajo demanda	Replicate	H100 / A100 / T4 / CPU	segundo de GPU	$0,001525 / $0,0014 / $0,000225 / $0,000025FLUX ≈ $0,0005/imagen típica	replicate.com

8.1 · Costos fijos mensuales (infra / procesamiento)

Ítem	Plan	Costo	Fuente
Hosting	Vercel Pro	$20 / mes por seat + $20 de crédito de uso incluido	vercel.com/pricing
Almacenamiento	Cloudflare R2 Standard	$0,015 / GB-mes · egress cero	cloudflare.com/r2
Pagos (BR)	Stripe · tarjeta doméstica	3,99 % + R$ 0,39 por transacción	stripe.com/en-br
Pagos (BR)	Stripe · Pix / boleto anual	5,99 % + R$ 0,45 por transacción (1 mes promo 2,9 % + R$ 0,30)	stripe.com
Pagos	Stripe · tarjeta internacional	2,9 % + $0,30 · +1,5 % internacional · +1 % si hay conversión de moneda	stripe.com/pricing

9 · Calculadora de costo por clip (lado cliente)

Cambia los campos abajo para estimar el costo directo en APIs de IA por clip. Considera 1 imagen inicial + 1 imagen final por escena + 1 vídeo por escena a la duración objetivo + 1 transcripción.

Duración de la canción (s)

Nº de escenas (auto: dur / duración objetivo)

Duración objetivo por escena (s)

Modelo de imagen (preferido)

Modelo de vídeo

Modelo de STT

Esta calculadora es una estimación local y no consulta APIs reales. Úsala como punto de partida para el plan de costo del mes.

10 · Claves y licencias

antituna 0.12 guarda las claves de API en localStorage (categoría m3d-pro:keys). Se usan directamente desde el navegador — no hay proxy de nuestro lado. Eso significa que, al publicar la app, el usuario debe saber que cada clave que aporte se llama desde su propio cliente, y nosotros ni la almacenamos ni la vemos.

Proveedor	Variable	Dónde se usa
OpenAI	keyOpenAI	Whisper · DALL·E/GPT-image
Google AI Studio	keyGoogle	Gemini · Imagen
Pollinations	keyPoll	Flux · nano-banana · flux-2-pro · seedream · kontext · seedance · wan · kling · hailuo · veo · grok
Groq	keyGroq	Whisper Large v3 Turbo (alternativa económica)

Política de "clave por usuario": en la fase previa a la monetización, cada usuario aporta sus propias claves (BYOK). Cuando lancemos la monetización por suscripción, mantenemos este modo como nivel gratuito y ofrecemos un nivel alojado con clave compartida y cuotas incluidas — equivalente a un servidor proxy opcional.

11 · Necesidades técnicas por superar (estado actual vs deseado)

Cada línea deriva del código real: el número entre paréntesis referencia clipm3d-antituna-v0.12.html.

11.1 · Latencia de la cadena multimodal

Hoy una cadena de 6 escenas con Seedance Fast puede tomar 4–6 min. Para escalar queremos pipeline paralelo con cola por modelo y caché de prompts. Función actual: genImageSmart() es serie.

paralelizarcola por modelocaché dedup

11.2 · Consistencia del personaje entre escenas

Mantenemos la referencia cargada, pero algunos proveedores (Flux/DALL-E) aún no garantizan face lock. Hay que entrenar o usar un LoRA por usuario o un IP-Adapter aplicado en cada escena. Función actual: genImageSmart(prompt, ratio, model) pasa la ref a todas las escenas.

IP-Adapterface-idLoRA personal

11.3 · Coste de vídeo 1080p a escala

Seedance 1080p a $0,20/s destruye el margen. Mitigar con selección automática: 720p para la mayoría, 1080p solo en las escenas clave (intro, clímax, final).

resolución adaptativatier dinámico

11.4 · Coherencia narrativa de la letra

Las líneas vienen del audio pero no siempre encajan con el inicio de la sección. Implementar align-to-beat usando la rejilla de golpes para anclar frases en marcadores fuertes.

letra-al-beatforced align

11.5 · Traducción multilingüe (pt-BR ↔ es/en)

whLang acepta pt|en|es|.... La traducción automática sincronizada con timestamps aún se hace fuera de la app; debe pasar a ser parte del pipeline para mercados vecinos.

11.6 · Render final con archivos largos

MediaRecorder se comporta mal por encima de ~10 min en algunos navegadores. Migrar a Streaming MP4 con mp4-muxer o a un servidor de render dedicado.

MSEmp4-muxerrender server

11.7 · Recuperación de cuota / rate-limit

La cadena cae y pierde el trabajo en HTTP 429. Implementar back-off exponencial, cola persistente y reanudación desde la escena interrumpida.

retry+jitterresume

11.8 · Distribución y CDN de salida

El clip se genera local; para la entrega queremos una URL pública estable. El pipeline actual produce un Blob; hay que subirlo a Cloudflare R2 con clave corta y acceder vía enlace público firmado.

R2 + URL firmada

11.9 · Privacidad de las claves del usuario

BYOK en localStorage es seguro en el navegador del usuario, pero también queremos Web Crypto + passphrase para cifrar localmente las claves en modo avanzado.

crypto.subtlepassphrase derive

11.10 · A11y y móvil

El layout principal es pesado en desktop. El modo simple ya funciona en tablets; falta pulir el preview del storyboard en móvil real (≤ 420 px) y añadir atajos de teclado.

12 · Roadmap de versionado

Patrón clipm3d-antituna-v{MAJOR}.{MINOR}. Cada minor entrega un incremento del pipeline. Cada major reconfigura la cadena de IA para un nuevo estándar.

antituna 0.12 · actual · Foundation

Enfoque en un estudio unificado, modo simple, orquestación automática. Ya entrega el clip final, con la nueva identidad visual de antituna.

img Gemini → Imagen → Poll → OpenAI

vid 8 modelos opt-in

stt 4 proveedores

codinome antituna · 0.12

antituna 0.13 · Lock visual

LoRA personal o IP-Adapter + face-id por usuario. Consistencia de rostro y escenario entre 6–10 escenas incluso con cambios de modelo.

antituna 0.14 · Paralelismo y cola

Worker pool en el cliente, cola por proveedor, dedup por prompt, reanudación tras 429.

antituna 0.15 · Render server opcional

Para clips de más de 6 min y equipos compartidos, ofrecer render servidor (Cloudflare Containers o Replicate aprovisionado).

antituna 0.16 · Multidioma y subtítulos

Subtítulos automáticos en pt/es/en/fr alineados con el audio original + traducción Neural. Pipeline "letra → beat → subtítulo" síncrono.

antituna 0.17 · Dirección creativa asistida

Un LLM director: elige estilos por sección, propone cortes y pre-edita guiones visuales según la descripción. UI estilo storyboard AI.

antituna 0.18 · Marketplace de presets

Estilos listos (cinematic, lo-fi, hype, animado, anime, VHS) por suscripción. Marketplace de LoRAs y flujos aportados por la comunidad.

antituna 0.19 · Mobile first

Versión optimizada para captura en el móvil: grabar voz, elegir tema, generar clip. Auth por magic link.

antituna 2.0 · Studio público

Página pública de proyectos por usuario; embeds en sitios; API pública para que otras SaaS integren antituna.

Criterios para romper minor → major

Cambio de cadena por defecto (ej.: Imagen deja de ser el estándar y entra Nano-Banana).
Nuevo paradigma de render (entrada de render server, por ejemplo).
Ruptura de compatibilidad del archivo .clara (obligamos a migrar).

13 · Playbook de marketing

Estrategia centrada en creadores musicales y agencias pequeñas, con línea secundaria en profesionales de contenido y profesores. Tesis: el clip es el producto final entregado, pero el "wow" es la velocidad — "envié la canción y 5 minutos después tengo el clip".

Captación · Contenido corto

Reels/TikTok/Shorts mostrando un before/after de 30 s: la canción, el storyboard formándose, el clip listo. CTA a clip.m3d.pro. Hashtags: #studioai #musicvideo #aicreator.

TikTokReelsTwitter

Captación · Comunidades verticales

Productores de Ableton, SoundCloud, Bandcamp. Ofrecer 3 clips gratuitos para casos de estudio auténticos. El estudio es single-file = corre hasta en el móvil.

Captación · SEO y blog

Artículos "Cómo generar un videoclip con IA en 2026", "Comparativa Seedance vs Wan vs Kling vs Veo". Enlazar a la calculadora de costo (sección 9) como anzuelo de tráfico cualificado.

Activación · Tour guiado

El botón "Generar el clip completo automáticamente" + tour de 1 minuto es nuestro embudo. Reduce el churn porque el usuario sale con un vídeo en la mano.

Retención · Preset packs

Cada preset (cinematic, lo-fi, anime, VHS) se entrega como archivo .clara público. El usuario puede remixar y publicar el suyo.

Referral · Créditos por invitado

Programa "Refiere a un artista": 1 clip completo gratis por cada referida que convierta. Tope de 5/mes para evitar abuso.

Partners · Sellos y editoriales

Paquete "Sello Indie": 50 clips/mes para un sello pequeño, con marca de agua personalizada. B2B vía info@m3d.pro.

Alianza · Escuelas de música

Plan educativo: el clip como herramienta didáctica para que los alumnos finalicen canciones. Cobro por alumno activo.

Branding · cypher.m3d.pro

Toda la operación técnica y R&D vive en cypher.m3d.pro. El producto final del usuario vive en clip.m3d.pro. La capa institucional (política, contacto, manifiesto) es m3d.pro.

13.1 · Flujograma de marketing y embudo

14 · Estrategias de monetización

Modelo híbrido BYOK + suscripción + servicios B2B. El free sostiene el motor de descubrimiento; el Pro captura a quienes hacen más de 5 clips al mes; el Studio atiende a agencias y sellos.

14.1 · Free (BYOK)

El usuario aporta sus claves. Límite: 5 clips/mes (rate-limit por IP). Sin marca de agua. Ingresos: 0. Estrategia: embudo y retención.

$05 clips/mes

14.2 · Pro · $9 / mes

BYOK se mantiene. Incluye: 30 clips/mes, presets premium, IP-Adapter por usuario, prioridad de cuota compartida (modelo alojado). Cobro Stripe/tarjeta/Pix.

$9/mes30 clipsprioridad

14.3 · Studio · $59 / mes

B2B: 300 clips/mes + render server dedicado + 3 miembros en el equipo + API pública + sello de marca personalizada.

$59/mes300 clipsAPI

14.4 · Marketplace · take rate 30 %

Los presets creados por la comunidad reportan 30 % al autor (mínimo $1 por venta). Pago vía Stripe Connect.

30 % al autorStripe Connect

14.5 · B2B · $300–$1.000 / mes

Sellos y editoriales. Paquetes desde 50 clips/mes con SLA de 24 h y curación humana opcional. Contrato anual.

anualSLAcuración

14.6 · Branded clips · patrocinio

Las marcas patrocinan paquetes de presets temáticos (ej.: "Verano Vibes" — preset cinematográfico con atardecer). Ingreso fijo por temporada.

temporadaco-marketing

14.7 · API pública — por uso

Studio/Enterprise consumen la API por clip generado. Cobro adicional sobre el paquete incluido (~$0,25 por clip extra).

sobrecupo $0,25

14.8 · White-label · bajo consulta

Para productoras: app a medida con la marca del cliente, embebido en su propio sitio. Ingreso único de setup + mensualidad.

único + mensual

14.9 · Supuestos para la cuenta de margen

Escenario	Modelo	Costo medio API por clip	Ingreso mensual típico	Margen bruto
Free BYOK	Imagen Fast + Seedance 720p	(lo paga el usuario)	$0	—
Pro típico	Imagen Fast + Seedance 720p	≈ $0,55	$9	~94 %
Pro intensivo	Gemini Image + Veo Fast	≈ $2,20	$9	~75 %
Studio (ajuste Pro)	media ponderada	≈ $0,90	$59	~98 % (eficiencia de cuota)

Cifras para un clip de 3,5 min, 6 escenas, 4 s/escena, 720p. Ajustar al tipo de cambio vigente al cierre.

15 · KPIs y metas

MAUusuarios únicos mensuales con ≥1 sesión generator

Clips / MAUclips generados al mes por usuario

Conv. free→Pro% que se suscribe en 30 días

CACcosto de adquisición — meta < $14

LTVingreso medio en 12 meses

Churn Pro% mensual que cancela — meta < 7 %

NPSpromotores − detractores — meta ≥ 50

Tiempo al 1er clipmeta ≤ 6 min desde la carga hasta la descarga

15.1 · KPIs operativos de ingeniería

Tasa de éxito del pipeline

% de clips generados sin fallback manual. Meta ≥ 92 %.

p95 de latencia del clip

Tiempo entre envío y descarga. Meta ≤ 240 s para clip medio.

Recuperación de rate-limit

% de llamadas 429 que se recuperan sin intervención. Meta ≥ 80 %.

Costo medio / clip

Meta: ≤ $1 en Pro típico; ≤ $2,2 en Studio.

Uptime del dominio

Meta: 99,5 % anual. Caídas planificadas fuera de horario pico.

Tiempo al 1er render significativo

Meta: primera vista previa visible en ≤ 60 s.

16 · Milestones y rangos de usuarios

Cada milestone ata (a) hito técnico, (b) número esperado de usuarios, (c) KPIs que validan el salto, (d) acciones de marketing/monetización que dispara.

M0 · Pre-lanzamiento ~ 0 usuarios

v12 + documentación + bloqueo de claves + governanza de páginas.

KPI de salida: TODO documentado; 5 usuarios alfa han generado clips reales.

Acción marketing/monetización: ninguna — escuchamos feedback.

M1 · Beta abierta ~ 50–200 usuarios

v13 lock visual + onboarding BYOK claro + preset Indie gratuito.

KPI de salida: 30 % de activos mensuales vuelven en 7 días; NPS ≥ 35.

Acción: lanzar Pro $9/mes para early adopters con 20 % de descuento.

M2 · Public beta ~ 500–2.000 usuarios

v14 paralelismo + cola + render server opcional; integración con SoundCloud, Bandcamp y Dropbox.

KPI de salida: p95 de latencia ≤ 4 min; conversión free→Pro ≥ 4 %.

Acción: primera campaña de pago de TikTok Ads a $180/día durante 30 días.

M3 · GA comercial ~ 5.000–10.000 usuarios

v15 render server en producción + 2 modelos nuevos de vídeo (Sora cuando esté disponible, Veo Standard); packs oficiales de presets.

KPI de salida: ARR ≥ $6.000 / mes; churn Pro ≤ 7 %.

Acción: abrir Stripe/Pix BR; alianza con 1 sello indie.

M4 · Marketplace ~ 15.000–30.000 usuarios

v18 marketplace + 50 presets comunitarios + autores pagados vía Stripe Connect.

KPI de salida: 100 autores activos; 5 % del ingreso viene del marketplace.

Acción: co-marketing con 1 marca de instrumentos musicales o equipo de audio.

M5 · Mobile first ~ 50.000–80.000 usuarios

v19 app móvil con captura en el teléfono + auth por magic link + push de clips listos.

KPI de salida: 35 % de los clips vienen del móvil; CAC móvil ≤ $10.

Acción: alianza con App Store BR; destacado en "Apps populares".

M6 · Internacionalización ~ 100.000–200.000 usuarios

v16 multilingüe + expansión a es/en/pt-PT + render adaptativo por mercado.

KPI de salida: ARR ≥ $80.000 / mes; 25 % del ingreso fuera de Brasil.

Acción: oficina en Portugal, primeros clientes B2B europeos.

M7 · Plataforma y API pública ~ 300.000+ usuarios

v20 API pública + SDK JS/Python + portal de desarrolladores.

KPI de salida: 50 integradores activos; ingreso B2B ≥ 25 % de la ARR.

Acción: roadmap público trimestral, Consejo Comunitario.

17 · Necesidades para escalar (vinculado a marketing + monetización)

Qué hay que resolver técnica y operativamente antes de cada salto en la tabla de usuarios.

5.000–10.000 usuarios

Técnico: cola persistente en el servidor, cola por proveedor, observabilidad de cuota. Marketing: primera campaña de pago estructurada. Monetización: Stripe + Pix recurrente.

15.000–30.000 usuarios

Técnico: render server escalable, OAuth por aplicación de terceros, anti-abuso. Marketing: programa de referral + SEO agresivo en cómo hacer un videoclip con IA. Monetización: Stripe Connect para el marketplace.

50.000–80.000 usuarios

Técnico: mobile PWA + push, caché regional por país. Marketing: 1:1 con 2 creators sobre 100 k; anuncios en 4 mercados. Monetización: planes solo móvil (ej. pay-as-you-go).

100.000–200.000 usuarios

Técnico: multi-región, modelo de "shared quota" controlado, soporte 24/7 IA + humano. Marketing: presencia en festivales de música (Rock in Rio, Lollapalooza BR). Monetización: paquete Enterprise + white-label.

300.000+ usuarios

Técnico: SRE, business continuity, plan de migración de proveedores si alguno se discontinúa. Marketing: brand campaigns en TV + OOH en grandes ciudades. Monetización: ronda de equity opcional; conversaciones de M&A en curso.

17.1 · Coste de infraestructura creciente por etapa

Etapa	Equipo	Cloud / mes	Marketing / mes	Total estimado / mes
M0–M1	1–2 fundadores	$40 cloud + R$ 50 R2 ≈ $200	$0 (orgánico)	≈ $550 (incl. herramientas)
M2 (2 k usuarios)	+1 eng +1 marketing	$80 Vercel + R$ 200 R2 + pegamento Cloudflare ≈ $700	$6.000 (TikTok Ads + creators)	≈ $12.000
M3 (10 k usuarios)	+2 eng +1 soporte	$200 Vercel Enterprise + $500 R2 + render server ≈ $2.000	$12.000 (Ads + 1 sello)	≈ $26.000
M5 (50 k usuarios)	8–12 personas	$5.000	$30.000	≈ $70.000
M7 (300 k usuarios)	30+ personas	$18.000	$80.000	≈ $180.000

Estas cifras son estimaciones, no proyecciones; el detalle final depende de los SOW con proveedores. La línea "Ingresos" de la sección de monetización determina si el runway se sostiene — meta de M7: ingresos netos del año anterior > costo mensual del mes.

17.2 · Equilibrio central: calidad visual vs coste de vídeo

En cada salto de escala, la palanca de margen más grande es el vídeo. Hoy 6 escenas × 4 s × Seedance Fast 720p ≈ $0,53 por clip. Subir todo a Veo 3 Standard ≈ $7,20 por clip — inviable para el Pro a $9. El sistema debe mantener la inteligencia de "qué modelo vale cuánto, por escena, en qué resolución". Esa es la pieza que v14–v15 entregan como motor de optimización.

18 · Contacto

Producto y negocio

E-mail: info@m3d.pro

Sitio del producto: clip.m3d.pro

Marca matriz: m3d.pro

Ingeniería y desarrollo

Sitio técnico: cypher.m3d.pro

Manifiesto: privacidad por arquitectura, versionado abierto, código del orquestrador open-source.

Sobre el botón "Abrir versión actual": el enlace de portada apunta a antituna 0.12 en http://clip.m3d.pro/version/ (no descarga el HTML de la app — abre la app corriendo). Cuando publiques la 0.13, basta con actualizar el href del botón en #capa .cta .btn-primary, manteniendo target="_blank" rel="noopener".