VSL com IA: como modelar uma VSL que já vende, em qualquer idioma, sem gravar um segundo

Uma video sales letter é uma página de vendas lida em voz alta. O formato original, o que construiu o mercado de resposta direta na internet, é uma voz sobre texto simples aparecendo na tela, frase por frase, por algo entre oito e quarenta e cinco minutos. Sem apresentador, sem estúdio, sem imagem de gente sorrindo. O mercado chama de VSL feia, e ela venceu a versão filmada e polida em mais testes A/B do que alguém se deu o trabalho de contar, porque o espectador não está ali pela produção. Está ali pelo argumento.

Esse detalhe muda o que produzir uma VSL de fato é. Pegue o ritmo em que a maioria dos narradores se acomoda, uns 150 palavras por minuto, e a aritmética é simples: uma VSL de 10 minutos tem cerca de 1.500 palavras, uma de 20 minutos tem 3.000, e a versão longa de 30 minutos para tráfego frio tem 4.500 palavras. Cada uma dessas palavras é uma decisão sobre o argumento, e nenhuma delas exige câmera. A VSL é o único vídeo da esteira de marketing em que as palavras são o produto inteiro e a imagem só precisa ocupar o olho enquanto o ouvido compra.

É exatamente o tipo de trabalho em que um pipeline de vídeo com IA é bom. Os especialistas do FalconVid escrevem a partir de uma estrutura, narram com uma voz premium ultra realista ou com a sua voz clonada, colocam as palavras na tela em legenda estilo karaokê com mais de 15 predefinições, geram cenas que casam com o substantivo que está sendo dito e entregam o arquivo pronto em até 30 minutos. O que era um projeto de três semanas espalhado por três freelancers vira um item no seu calendário, e o resto deste guia serve para garantir que as palavras que entram nele sejam as que vendem.

• A VSL clássica é voz sobre texto na tela, 8 a 45 minutos, sem câmera
• A 150 palavras por minuto: 10 min = 1.500 palavras, 20 min = 3.000, 30 min = 4.500
• As palavras são o produto; a imagem só ocupa o olho enquanto o ouvido compra

Toda VSL que já converteu segue o mesmo esqueleto de seis partes, e o esqueleto é o que uma VSL modelada copia. O lead são os primeiros 30 a 90 segundos: uma promessa ou uma quebra de padrão que compra o minuto seguinte. A seção do problema nomeia a dor com as palavras do próprio espectador e torna concreto o custo de deixá-la como está. O mecanismo explica por que a dor existe e por que as soluções de sempre falham, e é a seção que separa uma VSL de um anúncio. Vem a prova, em números, casos e depoimentos. Depois a oferta: o que a pessoa recebe, quanto custaria em outro lugar, o preço, as condições. E o fechamento, que repete a promessa, remove a última objeção e diz exatamente onde clicar.

A duração segue a temperatura do tráfego, não a preferência de quem escreve. A convenção de mercado que se sustenta há anos é que tráfego frio, gente que nunca ouviu falar de você, precisa da versão longa, 20 a 45 minutos, porque mecanismo e prova têm que fazer todo o trabalho. Tráfego quente, remarketing ou lista de e-mail, converte com 5 a 12 minutos. A mini VSL que roda dentro de um anúncio pago tem 3 a 8 minutos e existe para vender o clique para a longa. A estrutura é idêntica em qualquer duração; o que muda é quantas provas e quantas objeções cabem.

Modelar é copiar o esqueleto, nunca a carne. Uma VSL de referência do seu mercado mostra a ordem das seções, onde entra a prova, quanto dura o lead e onde o preço aparece. Suas palavras, seu mecanismo, sua prova e sua oferta preenchem o esqueleto. A distinção importa comercial e juridicamente: copiar o roteiro de alguém é problema de direito autoral e de posicionamento ao mesmo tempo, enquanto copiar a ordem testada de um argumento é como a resposta direta sempre funcionou. O guia sobre como escrever roteiro para avatar de IA mostra a lógica de doses que impede um argumento narrado de afundar; numa VSL essa lógica roda a peça inteira.

• Seis partes: lead, problema, mecanismo, prova, oferta, fechamento, sempre nessa ordem
• Tráfego frio 20 a 45 min, quente 5 a 12, mini VSL dentro do anúncio 3 a 8
• Modele o esqueleto, nunca a carne: ordem e proporções, não frases

A VSL manual é um projeto de três fornecedores. O copywriter vem primeiro, e as faixas cotadas em marketplace de freelancer para um roteiro completo de VSL vão de uns US$ 500 para um redator júnior a US$ 5.000 ou mais para quem tem histórico no seu nicho, com participação nas vendas por cima para os que a conquistaram. A voz vem em segundo: um locutor profissional cobra na faixa de US$ 100 a 400 por 20 minutos finalizados, mais pela urgência, mais ainda pelas regravações quando a copy muda. O editor vem em terceiro, a US$ 300 a 2.000 pela montagem do texto na tela, trilha, legendas e exportação, dependendo de ele também buscar as imagens.

O número que dói não é o total, que cai em algo entre US$ 900 e US$ 7.000 por uma VSL em um idioma. É o calendário. Três fornecedores em sequência são três filas, e uma revisão de roteiro depois da voz gravada reinicia duas delas. O prazo realista do briefing à primeira versão publicada é de três a seis semanas, e essa primeira versão é um chute no lead, um chute na oferta, um idioma. O segundo chute custa quase tudo de novo, porque locutor e editor cobram por passada, não por projeto.

Num pipeline automatizado a mesma VSL é um item no calendário e uma conta em créditos. Na régua de hoje uma peça narrada de 10 minutos custa 1.524 créditos no modo econômico, uma de 12 minutos 1.731, uma VSL de 20 minutos 2.557 e a versão de 30 minutos para tráfego frio 3.593. O modo balanceado, com cenas mais ricas, fica em 3.217 créditos para 8 minutos e 4.597 para 12; o premium, com Veo 3 com áudio e cenas do Seedance Pro, em 10.911 para 8 minutos e 16.131 para 12. Nenhum desses números muda quando você revisa o lead, porque a segunda versão é só uma segunda rodada, pronta em até 30 minutos em vez de uma segunda fatura. Para uma VSL o número que importa é quanto o segundo chute ficou barato.

• Manual: copywriter US$ 500 a 5.000, voz US$ 100 a 400 por 20 minutos finalizados, editor US$ 300 a 2.000
• Três fornecedores em fila: 3 a 6 semanas até a primeira versão, e uma revisão reinicia duas filas
• Automatizado, régua de hoje: 10 min 1.524 créditos, 20 min 2.557, 30 min 3.593 no econômico; a segunda versão é uma segunda rodada, não uma segunda fatura

O erro mais comum com uma VSL vencedora é traduzi-la. As palavras vão para o espanhol ou para o inglês, a conversão despenca, e o dono conclui que o mercado é ruim. O mercado está ótimo; a VSL foi traduzida quando precisava ser modelada. O esqueleto sobrevive à fronteira. Quase tudo dentro dele, não: a moeda e a âncora de preço, a prova, que tem que vir de gente que o novo público reconhece como sua, as objeções, que mudam de mercado para mercado, o texto da garantia, que é regulado de forma diferente, e até a duração do lead, porque uma promessa que soa confiante numa cultura soa golpe em outra.

É aqui que o desenho multilíngue do pipeline vira o caso de negócio inteiro. O FalconVid narra em 63 idiomas com vozes premium ultra realistas ou com a sua voz clonada, e um projeto pode ser duplicado para outro idioma pagando só a diferença, então as versões em inglês e espanhol de uma VSL brasileira não são três produções, são uma produção e duas adaptações. A estrutura é replicada, as seções específicas do mercado são reescritas, a voz continua sua. O guia sobre clonar a voz com IA para o YouTube cobre o que um clone faz bem e onde ainda pede ouvido humano; para uma VSL o ponto é que a voz do fundador vende num idioma que o fundador não fala.

A aritmética comercial é o motivo para se dar o trabalho. Uma VSL que converte bem em português é um argumento provado, e argumento provado é o ativo mais escasso do marketing. O mercado de língua espanhola passa de 500 milhões de pessoas, a maioria atendida por ofertas traduzidas em vez de modeladas, e o mercado em inglês é onde o ticket é maior e a concorrência por atenção também. Duplicar uma VSL provada para esses dois idiomas, com as seções de mercado reescritas, é a receita nova mais barata que um negócio de resposta direta consegue adicionar, e é o motivo pelo qual o hub de vídeo automatizado com IA trata a VSL como linha de produto, não como vídeo avulso.

• Tradução move as palavras; modelagem mantém o esqueleto e reescreve as seções específicas do mercado
• O que muda: moeda e âncora, prova, objeções, texto da garantia, duração do lead
• 63 idiomas, duplicar pagando só a diferença, a voz clonada do fundador num idioma que ele não fala

As curvas de retenção de VSL são todas iguais: a queda mais íngreme está nos primeiros 60 a 90 segundos, e a fatia de espectadores que sobrevive ao lead é mais ou menos a fatia que ouve a oferta. Isso faz do lead os 90 segundos de maior alavancagem do funil inteiro, e é também a seção com mais variantes possíveis: uma pergunta, uma afirmação contra a corrente, uma abertura em história, uma demonstração, uma promessa direta. No modelo manual você tem uma, porque locutor e editor já foram pagos. No modelo automatizado você tem quantas quiser testar, porque cada uma é uma rodada.

A rotina prática são cinco leads sobre o mesmo corpo. Escreva cinco aberturas de 60 a 90 segundos, mantenha problema, mecanismo, prova, oferta e fechamento idênticos, e produza cinco versões. Na régua de hoje cinco VSLs de 10 minutos no modo econômico são 7.620 créditos, o que cabe dentro de um mês de Starter com 15.000 créditos e ainda sobra para a versão longa. Rode as cinco contra a mesma fonte de tráfego, leia a retenção aos 90 segundos e a taxa de clique na oferta, fique com a vencedora, e escreva cinco leads novos contra ela. Duas rodadas disso são dez aberturas testadas em um mês, mais teste de lead do que a maioria das ofertas vê na vida inteira.

A mesma lógica vale para a seção da oferta, para o fechamento e para o corte de remarketing. Uma VSL fria de 20 minutos rende uma versão quente de 6 minutos mantendo lead, a prova mais forte, oferta e fechamento, e um corte vertical 9:16 de 60 segundos para o anúncio que roda na frente dela mantendo só o lead. O FalconVid produz o corte 9:16 do mesmo projeto, então o anúncio, a VSL longa e a versão de remarketing compartilham uma estrutura e uma voz, e um resultado de teste em um deles diz algo sobre os três.

• A queda mais íngreme é nos primeiros 60 a 90 segundos; quem sobrevive ao lead é quem ouve a oferta
• Cinco leads sobre um corpo: 5 × 1.524 = 7.620 créditos a 10 minutos no econômico, dentro de um mês de Starter
• Uma estrutura, três cortes: 20 min frio, 6 min quente, 60 s vertical para o anúncio

Uma VSL tem menos lugares para parecer falsa do que um documentário, o que é boa notícia, e os lugares que ela tem estão todos na voz. Uma narração monótona lendo 3.000 palavras no mesmo tom é o sinal mais alto de produção de máquina e o jeito mais rápido de perder o lead, porque um argumento de venda vive de ênfase: a pausa antes do preço, a frase desacelerada onde o mecanismo cai, a subida quando a promessa é repetida no fechamento. Texto para fala barato não tem nada disso. As vozes premium e a voz clonada do FalconVid carregam ênfase e ritmo, e o Studio deixa você ouvir a primeira versão e apertar a abertura antes de qualquer espectador.

O segundo sinal é a imagem. A VSL clássica de texto na tela evita o problema tendo quase imagem nenhuma, o que é uma escolha legítima; a VSL moderna que adiciona cenas precisa adicionar cenas que casem com o substantivo dito, não banco genérico de mãos digitando. A lista de vídeo de IA com menos cara de IA vale inteira: corte onde o argumento vira, case a imagem com a afirmação exata, mantenha o estilo de legenda constante, e nunca deixe um modelo sorridente de banco aparecer durante a seção do problema. A geração de cena do FalconVid segue o roteiro substantivo por substantivo, e o DNA do projeto mantém o estilo de legenda, a voz e a identidade visual idênticos em toda versão e em todo idioma.

O terceiro sinal é o que ninguém planeja: consistência entre versões. Quando a VSL em português, a em espanhol e as cinco variantes de lead vêm cada uma de um freelancer diferente, a marca tem seis vozes e seis estilos de legenda, e o espectador que viu o anúncio e depois a versão longa sente a costura. Um pipeline que produz todas a partir de um projeto não tem costura, e isso é um ganho discreto e mensurável no clique do anúncio para a VSL.

• O sinal mais alto é uma voz monótona lendo 3.000 palavras; argumento de venda vive de ênfase e pausa
• Cena casa com o substantivo dito, ou a VSL fica em texto na tela; nunca sorriso de banco durante o problema
• Seis freelancers produzem seis vozes e seis estilos; um projeto produz uma marca em toda versão

Dentro do FalconVid a VSL é um dos formatos que a mesma máquina que roda seus canais também produz. Você cola uma VSL de referência do seu mercado, e o DNA replica a estrutura de venda: gancho, dor, oferta, na ordem e nas proporções que a referência provou, com o seu mecanismo, a sua prova e as suas condições preenchendo. Os especialistas trabalham em paralelo, um pesquisador fundamentando as afirmações, um roteirista produzindo o texto a partir da estrutura, um narrador em um dos 63 idiomas com voz premium ultra realista ou a sua voz clonada, um editor gerando as cenas e as legendas estilo karaokê, um sound designer colocando a trilha e masterizando o áudio, e a VSL fica pronta em até 30 minutos, com 2 gerações simultâneas no Starter, 5 no Pro, 10 no Business, 25 no Agency e 50 no Scale.

As peças ao redor da VSL saem do mesmo projeto. Depoimentos de produto em estilo UGC, entregues por avatares ultra realistas com lip sync limpo, fazem a seção de prova social e os anúncios que rodam na frente da VSL; o guia sobre avatar de IA para anúncio UGC mostra quanto custam e onde convertem. Shorts 9:16 cortados da VSL viram o criativo do anúncio. O Studio deixa você assistir à primeira versão, encurtar o lead, trocar uma cena ou a música, ou abrir a timeline, em vez de gerar de novo. E quando a versão está certa, o mesmo projeto se duplica para espanhol, inglês ou qualquer outro idioma pagando só a diferença, com as seções de mercado reescritas e a estrutura intocada.

Publicar é uma escolha, não uma tarefa. Uma VSL normalmente vive não listada no YouTube e incorporada na página de vendas, ou no Rumble para ofertas que a política de anúncios do YouTube não gosta, e o FalconVid publica no YouTube, Instagram, TikTok, Rumble e Facebook na data agendada, com resposta automática de comentários no idioma de quem comentou nas versões que rodam públicas. Toda capacidade de criação está em todos os planos; o que muda ao subir é volume, canais e gerações simultâneas, mais o servidor dedicado e o Analista Sênior de IA do Pro para cima, que lê a conta e escreve para você a cada dois dias com o próximo movimento, que num negócio de VSL é qual lead venceu e o que testar em seguida.

• Cole uma referência: o DNA replica gancho, dor e oferta com o seu mecanismo, prova e condições
• Narrada com a sua voz clonada ou uma voz premium em 63 idiomas, pronta em até 30 minutos
• Depoimentos UGC, cortes 9:16 para anúncio e o Studio para ajustes saem do mesmo projeto

VSL é publicidade, e a lei de publicidade não se importa que uma máquina a escreveu. No Brasil o artigo 37 do Código de Defesa do Consumidor proíbe a propaganda enganosa e a abusiva, e o CONAR aplica por cima as regras do próprio mercado, inclusive sobre depoimento e promessa de resultado. Nos Estados Unidos a FTC exige que toda afirmação tenha comprovação antes de ser feita e, desde a atualização de 2023 dos Endorsement Guides, que depoimentos reflitam o que um cliente típico pode esperar ou avisem claramente que não, com o aviso impossível de perder. Na Espanha a Ley General de Publicidad e a Ley de Competencia Desleal proíbem a afirmação enganosa e a comparação não verificável. A estrutura viaja entre mercados; as afirmações específicas têm que ser conferidas em cada um, que é exatamente a seção que você reescreve quando modela em vez de traduzir.

Na régua de hoje uma peça de 12 minutos custa 1.731 créditos no modo econômico, 4.597 no balanceado e 16.131 no premium, e as durações de VSL caem na mesma curva: 8 minutos 1.317, 10 minutos 1.524, 20 minutos 2.557 e 30 minutos 3.593 no econômico, 3.217 para 8 minutos no balanceado, 10.911 para 8 minutos no premium. O Starter inclui 15.000 créditos, 1 canal e 2 gerações simultâneas: uma VSL fria de 20 minutos mais cinco testes de lead de 10 minutos são 10.177 créditos, com espaço para o corte quente. O Pro inclui 30.000 créditos, 5 canais e 5 ao mesmo tempo, mais o servidor dedicado e o Analista Sênior de IA, e é o plano de uma oferta rodando em dois ou três idiomas ao mesmo tempo.

O Business inclui 95.000 créditos, 10 canais e 10 ao mesmo tempo, o plano de uma agência rodando VSL para vários clientes. O Agency inclui 190.000 créditos, 25 canais e 25 ao mesmo tempo, e o Scale 320.000 créditos, 50 canais e 50 ao mesmo tempo. Ninguém roda um mês num modo só; você mescla, e uma versão balanceada do lead vencedor ao lado de versões econômicas dos testes é o jeito honesto de gastar um Starter. O plano grátis produz 4 vídeos de até 3 minutos a cada 30 dias sem cartão, o bastante para ouvir a sua voz clonada entregando o lead de uma mini VSL antes de decidir, e o plano anual cobra 10 meses em vez de 12.

• Artigo 37 do CDC e CONAR, comprovação da FTC e Endorsement Guides de 2023, Ley General de Publicidad: afirmação se confere por mercado
• Régua de hoje: 10 min 1.524, 20 min 2.557, 30 min 3.593 créditos no econômico; 12 min 1.731 / 4.597 / 16.131 por modo
• Starter: uma VSL de 20 min mais cinco testes de lead = 10.177 dos 15.000 créditos; o Pro soma 5 canais e o Analista Sênior de IA