Notion graphics com Claude significa separar o sujeito do vídeo do fundo com um modelo local de segmentação e editar a cena dentro do Claude Code, descrevendo os efeitos em português. O fluxo mostrado por Bart Slodyczka usa o SAM 2, da Meta, para gerar camadas separadas e, depois, escurecer o fundo, colocar texto atrás do objeto e rastrear entradas como a HDMI quadro a quadro. O resultado sai sem abrir o After Effects.
O que é Notion graphics com Claude?
Notion graphics com Claude um fluxo que usa o modelo da Anthropic dentro do Claude Code para editar vídeo. Uma skill separa sujeito e fundo com o SAM 2, e você escreve os efeitos que quer em linguagem natural. No vídeo de Bart Slodyczka, publicado em 5 de outubro de 2026, a técnica aparece num unboxing de Mac Mini. Em vez de um quadro plano, você termina com duas camadas independentes para trabalhar.
A confusão mais comum está no nome: o Claude o assistente da Anthropic quem executa a skill é o Claude Code, a ferramenta de codificação agêntica que roda no terminal. Sem essa distinção, o fluxo não funciona, porque a segmentação depende do hardware da sua máquina.
Claude Code vs aplicativo desktop: onde rodar a skill
A skill precisa rodar no Claude Code, a ferramenta de codificação agêntica da Anthropic que executa no terminal e acessa seus arquivos locais. A versão web do Claude serve para essa etapa, porque o modelo de segmentação precisa da GPU ou da CPU da sua máquina real. Esse é o primeiro erro de quem tenta reproduzir o fluxo só pelo navegador.
O motivo técnico é simples. O Claude Code roda direto no seu computador e enxerga o sistema de arquivos. Já uma sessão em máquina virtual não alcança o chip gráfico do seu aparelho. Como a skill baixa um modelo local e o executa ali mesmo, ela depende desse acesso.
Outra decisão prática antes de começar: crie uma pasta de projeto para a sessão. Não abra uma sessão solta sem vinculá-la a uma pasta, porque você perde as personalizações que fizer na skill. Se a segmentação de um vídeo ficar boa, dá para pedir que o Claude ajuste a própria skill para o seu processo e manter esse ajuste entre sessões.
Em relação ao modelo, o autor usa o Opus em modo médio. Ele afirma que é o melhor modelo que já testou para esse tipo de edição, acima dos modelos GPT, e conta que tentou fazer Notion graphics parecidos dentro do aplicativo desktop do ChatGPT sem chegar ao mesmo resultado.
Como o SAM 2 separa o objeto do fundo
O SAM 2, Segment Anything Model 2 da Meta, é o modelo que gera a máscara do sujeito quadro a quadro. A skill baixa o modelo localmente, aponta uma vez para o objeto e acompanha o contorno em cada quadro. É software de código aberto, gratuito para usar, e o tamanho do modelo define a precisão do contorno.
O SAM, ou Segment Anything Model, existe em versões de tamanhos diferentes. Quanto maior o modelo, mais preciso o contorno, mas o autor diz que até os modelos pequenos fazem um trabalho muito bom. Você não precisa clicar no objeto quadro a quadro: aponta uma vez e o rastreamento continua sozinho. No exemplo do vídeo, o Claude encontrou o SAM 2 já instalado na máquina e dividiu o clipe em 799 quadros distintos.
Um detalhe que aparece no resultado: quando os dedos entram na frente da caixa, o modelo entende que os dedos não fazem parte do Mac Mini e os separa junto com o sujeito. A transição da caixa para o Mac Mini acontece sem corte visível, e a caixa que sai de cena desaparece da máscara sem arrastar o objeto.
O que você precisa ter na máquina antes de rodar
A skill verifica seu hardware antes de baixar qualquer coisa. Ela lê a CPU, a placa gráfica e a memória RAM, escolhe a versão correta do modelo e só então faz o download. Se você já tem o modelo salvo em alguma pasta, avise o Claude na primeira mensagem para que ele escaneie o disco em vez de baixar de novo.
Três requisitos definem se o processo vai ser rápido ou lento:
- Rodar a skill dentro do Claude Code no seu computador, nunca em uma sessão isolada sem acesso ao hardware.
- Ter chip Apple M ou GPU Nvidia para acelerar a inferência do SAM 2.
- Ter RAM suficiente para manter o modelo carregado junto com o vídeo.
Sem GPU dedicada o processo ainda funciona. Um notebook mais antigo só vai demorar mais, segundo o próprio autor. O que não funciona é tentar rodar a segmentação fora da máquina onde o modelo está instalado.
Quanto tempo leva e qual hardware aguenta
O tempo de processamento depende do modelo escolhido e da potência da máquina: o próprio autor relata de 5 a 10 minutos para analisar 799 quadros em um M5 Max com 48 GB de RAM. Se você tem chip Apple M ou placa Nvidia, o processo tende a ser rápido; em um notebook antigo sem GPU dedicada, ainda funciona, mas demora bem mais. Como referência de escala, o SAM 2 no modo padrão processa cerca de 44 quadros por segundo em uma GPU A100, segundo a Meta.
Vale comparar os dois extremos para calibrar a expectativa. Em 2026, uma GPU A100 processa o vídeo inteiro em poucos segundos de inferência pura, enquanto uma máquina de trabalho comum leva minutos porque o gargalo não é só o modelo: é a leitura dos quadros, a escrita das máscaras e o tempo de resposta do agente entre uma etapa e outra.
| Cenário | Hardware | Tempo observado |
|---|---|---|
| Máquina do autor | M5 Max, 48 GB de RAM, 799 quadros | 5 a 10 minutos |
| Referência de GPU | A100, modo padrão do SAM 2 | ~44 quadros por segundo |
| Notebook antigo | Sem GPU dedicada | Funciona, mas bem mais lento |
Que tipo de vídeo enviar para o teste
Qualquer vídeo serve, mas alguns formatos dão menos dor de cabeça. O autor usou o modo paisagem em 16:9 no exemplo do Mac Mini, e diz que dá para gravar no celular em 9:16 sem problema. Para gravar pelo telefone, posicione o aparelho, entre no modo selfie e dê alguns passos para trás, de forma que apareça mais do seu corpo ou pelo menos a parte superior contra um fundo limpo.
O upload direto do celular funciona igual. O ponto importante é o contraste entre você e o fundo, porque é isso que o modelo usa para achar o contorno. Um clipe de 27 segundos, como o do unboxing usado no vídeo, já é suficiente para testar todas as técnicas.
Quais efeitos você consegue montar depois da separação
Com o sujeito separado do fundo, você deixa de ter uma camada plana e ganha duas. Isso abre efeitos que seriam caros em um editor comum. Veja o que o vídeo demonstra:
- Escurecer só o fundo. O tom escurece por trás, mas o rosto e o objeto permanecem na exposição original.
- Texto atrás do objeto. Uma palavra grande em branco fica entre as duas camadas e passa por trás do sujeito.
- Elementos gráficos intermediários. Setas, caixas e formas entram no espaço entre sujeito e fundo.
- Rastreamento de movimento. Um ponto branco fixa uma entrada específica e segue o movimento enquanto o objeto gira.
- Texto de passo a passo. Um aviso no canto muda conforme a ação acontece no clipe.
No exemplo, o autor pediu um texto branco grande com a palavra "unboxing" atrás da caixa e, no mesmo pedido, escureceu o fundo para dar contraste ao texto. Depois pediu um ponto branco no centro da entrada HDMI, uma linha saindo dele e a palavra HDMI na ponta. Na frente do Mac Mini, o mesmo truque marca as duas portas USB-C, e atrás a entrada HDMI aparece com linha e legenda.
O rastreamento de movimento não é só para análise de produto. Em vídeos de talking head, ele serve para apontar um objeto na mão, mover esse objeto e manter o texto grudado nele. É a diferença entre um vídeo estático e um vídeo em que a informação acompanha o que você faz.
Um caso em que a separação não foi necessária: o texto de "passo um: conectar energia" e "passo dois: conectar o HDMI" ficou no canto inferior direito, sem sobreposição ao Mac Mini. Como o texto não cobria o objeto, dava para fazer a edição sem máscara nenhuma. Se a intenção fosse isolar o cabo e o Mac Mini, aí sim a separação entraria, com fundo escurecido e texto destacado por cima. A lição é que dá para combinar técnicas conforme o resultado que você quer.
Como usar a página HTML por cena para revisar tudo em lote
O truque central do autor é gerar uma página HTML em que cada cena vira um bloco: prévia do vídeo, duração e uma caixa de comentários. Você escreve as observações, aperta Enter e o Claude aplica todas as edições de uma vez, em vez de corrigir uma por uma no chat. Em vídeos longos, cenas de 5 a 10 segundos rendem comentários mais úteis do que cenas de 1 segundo.
O fluxo funciona assim:
- Você descreve no chat em quantas cenas quer dividir o clipe e quais são os cortes.
- O Claude monta a página HTML com uma prévia e um campo de comentário por cena.
- Você escreve as notas em cada campo, no seu ritmo, sem interromper a conversa.
- Volta ao chat, avisa que os comentários estão prontos e o Claude aplica tudo em lote.
- Pede o render final, ou volta a comentar se algo precisar de ajuste.
No exemplo do Mac Mini, o autor dividiu o material em cenas curtas: abrir a caixa, girar a caixa, tirar o Mac Mini, desembrulhar, girar o aparelho. As cenas de 1 segundo eram difíceis de comentar, o que confirma que cenas mais longas funcionam melhor. A página HTML também facilita voltar depois e pedir ajustes pontuais, como subir ou aumentar um texto, sem refazer o resto.
As limitações que o próprio vídeo expõe
Nem tudo sai perfeito na primeira passada. Durante o unboxing, o autor percebe que o modelo mapeou o Mac Mini enquanto ele desembrulhava a lateral, o que exigiria refazer aquela seção. Separar objetos finos ou que mudam de forma no meio da cena continua sendo o ponto fraco da abordagem automática.
Há ainda uma oscilação leve em alguns quadros, que o autor considerou irrelevante para o resultado final. Vale saber também que a máscara pode trocar de alvo quando o objeto principal entra ou sai da embalagem, e que o rastreamento assume o objeto apontado como fixo, então grandes mudanças de forma pedem uma nova passada. O tempo de 5 a 10 minutos é o custo real desse tipo de correção: cada reprocessamento leva minutos em uma máquina comum.
Vale a pena para quem grava vídeos técnicos?
Se você grava explicações técnicas, entrevistas ou aulas, esse fluxo troca trabalho manual de edição por descrição em linguagem natural. A vantagem não é a velocidade bruta, e sim o controle por camada: você escurece o fundo sem escurecer o rosto, coloca texto atrás do objeto e marca componentes do produto sem animar máscara por máscara.
O custo é o hardware e o tempo de processamento. Uma máquina com Apple M ou GPU Nvidia transformam o processo em algo de minutos; sem isso, ele continua viável, mas pesado. Você também precisa aprender a dividir as cenas de forma útil para a revisão em lote funcionar bem.
Perguntas frequentes sobre Notion graphics com Claude
- **Preciso do After Effects para fazer Notion graphics com Claude. O fluxo descrito no vídeo usa Claude Code, SAM 2 e uma página HTML de revisão. Você descreve as edições em linguagem natural e o modelo aplica sobre as camadas separadas.
- Qual a diferença entre Claude Claude Code nesse fluxo? O Claude o assistente que você conversa; o Claude Code é a ferramenta que roda no terminal do seu computador e executa a skill. Só o Claude Code consegue acessar a GPU ou a CPU da sua máquina para rodar o SAM 2 localmente.
- O SAM 2 é pago? Não. É código aberto da Meta, gratuito para usar, e a skill baixa a versão adequada ao seu hardware automaticamente.
- Quanto tempo leva para processar um vídeo curto? No exemplo do vídeo, 799 quadros levaram de 5 a 10 minutos em um M5 Max com 48 GB de RAM. Em um notebook antigo sem GPU dedicada, espere bem mais.
- Funciona em um notebook sem placa de vídeo dedicada? Sim. O processo roda, só demora mais. Ter chip Apple M ou GPU Nvidia acelera bastante a inferência do modelo.
- Preciso gravar em 16:9? Não. 16:9 é o formato do exemplo, mas 9:16 gravado no celular em modo selfie funciona igual, inclusive com upload direto do telefone.
- Qual modelo do Claude usar? O autor usa o Opus em modo médio e afirma que é o melhor modelo que já testou para essa tarefa, acima dos modelos GPT.
- Dá para pedir mais de uma edição de uma vez? Sim. Na página HTML, cada cena tem um campo de comentário, e o Claude aplica todas as notas em lote em vez de uma por uma no chat.
- Por que minha segmentação ficou ruim em uma cena específica? Objetos finos ou que mudam de forma no meio da cena confundem o rastreamento. No vídeo, o modelo perdeu parte da lateral enquanto o Mac Mini era desembrulhado, e a solução seria refazer aquela seção.
- Posso usar o mesmo fluxo para rastrear entradas e portas de um produto? Sim. Um ponto branco fixado na porta acompanha o movimento enquanto o objeto gira, com uma linha e uma legenda curta indicando o nome da entrada.
- Preciso saber programar para usar a skill? Não para usar. A skill é um único arquivo que você copia para a pasta do projeto, e as instruções para o Claude escritas em linguagem natural.
- Onde está a skill de separação de objetos? No GitHub do autor, junto com o vídeo original que demonstra o processo do início ao fim.
O que fazer com o conhecimento que já está gravado
Se você grava vídeos com explicações técnicas, entrevistas ou aulas, esse material costuma ficar preso no YouTube. Ele poderia virar texto pesquisável. O mesmo raciocínio do fluxo acima vale aqui: você já tem a matéria-prima, falta só um processo para transformá-la em outro formato.
Quem acompanha esse tipo de conteúdo no Brasil já esbarra em comunidades como o Bootcamp do Dev Doido e em trilhas como o Crazystack Typescript, onde o conhecimento técnico circula em vídeo antes de virar texto. O Crazystack é um exemplo de como organizar esse material em um caminho de estudo. Se você quiser reproduzir o fluxo de edição mostrado aqui, vale seguir quem publica esse tipo de conteúdo, como Gustavo Dev Doido, e comparar as técnicas com o que o Skala Blog publica sobre transformar vídeo em artigo.
O vídeo original está em YouTube.
Separar o sujeito do fundo é o mesmo problema que você enfrenta ao tentar extrair o que importa de um vídeo longo: o conteúdo útil está lá, misturado com horas de conversa. Foi pensando nisso que o Skala Blog foi feito: cole a URL do vídeo, deixe a transcrição sair e gere um artigo a partir do que já estava gravado.