A segunda onda de gameplays falsos de GTA 6 com IA já tem 1 milhão de views (e ninguém vai pedir desculpa)

Tem um "gameplay vazado" de GTA 6 circulando agora com mais de um milhão de visualizações. Ele não existe. Não é build de desenvolvimento, não é captura interna, não é nada. Foi gerado por IA, do primeiro ao último frame.

E não é a primeira vez. É a segunda onda, e ela é maior que a de 2025.

Em vez de só apontar o dedo pro fake, vamos fazer o que interessa pra quem constrói: desmontar o pipeline. Porque como fazem os vídeos de GTA 6 com IA é uma aula gratuita de geração de vídeo consistente. E, melhor ainda, cada erro que denuncia o vídeo é consequência direta de uma decisão técnica de quem produziu. Você aprende a fazer e a detectar na mesma leitura.

TL;DR

• O que é: onda de vídeos falsos de gameplay de GTA 6 gerados por IA, com milhões de views e derrubadas por DMCA da Take-Two.
• Stack em uso: Veo 3.1 e Kling para vídeo, clonagem de voz para o áudio, áudio oficial reaproveitado em parte dos casos.
• Mudança de peça: o Sora 2 saiu do tabuleiro. App encerrado em abril de 2026, API desliga em 24 de setembro de 2026.
• Por que agora: a Rockstar anunciou um "Extended Look" para 27 de agosto. Até lá, o vácuo de informação é combustível.

O que está acontecendo agora

A conta é simples e cruel: a Rockstar fica em silêncio, a ansiedade acumula, e quem preenche o vácuo é quem tem um gerador de vídeo e uma conta em rede social.

Um vídeo do canal Nexifygaming passou de um milhão de views em cinco semanas no Instagram, segundo levantamento do ComicBook. Outros acumularam milhões a mais. A Take-Two responde com derrubada por DMCA, mas a remoção sempre chega depois da audiência.

No Brasil o assunto virou pauta em 4 de agosto, com o Voxel publicando sobre gameplays de GTA 6 criados com IA tomando a internet. No dia seguinte, um perfil viralizou refazendo o trailer inteiro com IA, mantendo o áudio original por cima.

E tem relógio: a Rockstar confirmou um "Extended Look" do jogo para 27 de agosto, estreando no Netflix seis horas antes do YouTube. Traduzindo: falta pouco tempo de vácuo, e o vácuo é exatamente onde esse tipo de conteúdo prospera.

A primeira onda foi em 2025, e o criador pediu desculpa

Vale registrar porque muda a leitura do que está acontecendo agora.

Em novembro de 2025, a conta ZapActu publicou um "gameplay vazado" que fez 8 milhões de views em 24 horas antes de ser exposto e apagado. O detalhe interessante é o que veio depois: eles admitiram publicamente que era gerado por IA, disseram que não tinham motivação financeira e que queriam apenas "observar a reação das pessoas" e mostrar como estava fácil produzir conteúdo plausível com IA. Prometeram passar a rotular conteúdo especulativo. O Kotaku e a CBC cobriram o episódio.

Aquilo foi um experimento com pedido de desculpas no fim.

A onda de 2026 não tem pedido de desculpas. Tem canal, cadência de publicação e volume. O que era prova de conceito virou operação de audiência. Essa é a diferença que importa: não é a técnica que evoluiu mais, é a intenção.

Como fazem os vídeos de GTA 6 com IA: o pipeline em 5 etapas

Reconstruí o pipeline cruzando o que os próprios criadores publicam, os artefatos que a imprensa apontou e o comportamento conhecido dos modelos. Cinco etapas.

1. Aproveitar o áudio que já existe

A etapa mais subestimada e a mais eficaz. Parte dos vídeos não gera áudio nenhum: pega a trilha e a narração dos trailers oficiais e regenera só a imagem por cima.

Isso resolve de graça o problema mais difícil da geração de vídeo, que é sincronia. O cérebro do espectador usa o áudio como âncora temporal. Se o áudio é legítimo e bem produzido, ele "carrega" imagens que sozinhas não sustentariam a ilusão.

2. Prompt em JSON, não em prosa

Aqui está a parte que interessa pra quem trabalha com isso. Os modelos de vídeo atuais seguem instrução estruturada com muito mais fidelidade do que texto corrido. Descrição em prosa vira média; JSON vira especificação.

A estrutura em uso é mais ou menos essa, aplicada aqui a uma cena neutra em vez de propriedade de terceiros:

{
  "shot": "plano baixo seguindo um sedã pela avenida costeira",
  "camera": "câmera na altura do para-choque, movimento lateral lento",
  "world": "cidade litorânea noturna, art déco, palmeiras, letreiros de neon",
  "grade": "magenta e ciano saturados, brilho úmido no asfalto",
  "render_style": "captura de jogo em terceira pessoa, HUD ausente",
  "duration_s": 8,
  "negative": "sem texto na tela, sem logotipos, sem marca d'água"
}

Cada campo faz um trabalho. world e grade travam a identidade visual entre gerações diferentes, que é o que dá continuidade a um vídeo montado a partir de vários clipes curtos. render_style é o que faz o modelo devolver algo que parece jogo, e não filme. E duration_s curto não é escolha estética: é limitação. Os modelos mantêm coerência por poucos segundos, então o vídeo final é uma colcha de clipes curtos costurados.

3. Um shot por geração

Ninguém pede uma cena complexa inteira. Pede um plano específico, gera, descarta o que saiu ruim, gera de novo. A taxa de descarte é alta e é aí que mora o trabalho real. O que chega ao seu feed é o sobrevivente de dezenas de tentativas.

4. Voz clonada para o que o áudio original não cobre

Quando precisa de diálogo novo, entra clonagem de voz. E aqui aparece a economia de quem produz em escala: clonar bem uma voz dá trabalho, então clonam poucas.

5. Distribuição imitando marketing oficial

Título no padrão "Final Trailer (2026) Rockstar Games", thumbnail no estilo da campanha, publicação no horário de pico. O Kotaku documentou que o próprio YouTube chegou a enviar notificação push recomendando um desses vídeos falsos. O algoritmo não distingue; ele mede retenção, e retenção o fake tem de sobra.

O Sora saiu de cena no meio da onda

Detalhe que muda o mapa de ferramentas e que quase ninguém conectou.

A OpenAI descontinuou o Sora. Segundo a página oficial de deprecations, os desenvolvedores foram notificados em 24 de março de 2026, e a Videos API junto com os modelos sora-2 e sora-2-pro desligam em 24 de setembro de 2026. A experiência web e o app foram encerrados antes disso, em abril.

Ou seja: a ferramenta que virou sinônimo de vídeo por IA em 2025 não é a que está produzindo a onda de 2026. O trabalho migrou para Veo 3.1 e Kling. Se você mantém algum produto encostado na Videos API, essa data importa mais pra você do que qualquer fake de GTA.

Vale a comparação com o que já testamos por aqui em Gemini Omni Flash na prática: o gargalo nunca foi gerar um clipe bonito. É manter coerência entre clipes.

Os artefatos são o pipeline vazando

Essa é a parte que só faz sentido depois de entender as cinco etapas. Os sinais que denunciam o vídeo não são aleatórios. São o pipeline aparecendo.

A mesma voz em dois personagens diferentes. O ComicBook apontou isso num dos vídeos virais. Não é bug do modelo: é a etapa 4. Clonaram poucas vozes e reciclaram.

Texto errado na tela. Placas, legendas e HUD com grafia estranha. E o mais irônico: os criadores instruem o modelo a não gerar texto, como no campo negative do JSON ali em cima. Fazem isso justamente porque os modelos ainda escrevem mal. Quando o texto escapa, escapa torto.

Cortes curtos demais. Se nenhum plano dura mais que oito ou dez segundos sem corte, não é escolha de edição. É a etapa 2: a janela de coerência do modelo acabou.

Física que "escorrega". Carro que muda de proporção entre planos, sombra que não bate, reflexo que não corresponde à cena. Geração por clipe não tem estado global do mundo.

Onde isso deixa de ser técnica e vira problema

Reproduzir esse pipeline em cima de propriedade intelectual de terceiros e monetizar não é zona cinzenta. A Take-Two está derrubando por DMCA e tem todo o direito.

A técnica é neutra e é legitimamente útil: consistência de personagem, continuidade entre clipes, direção de câmera por especificação. Isso serve pra prévia de produto, peça de campanha, storyboard animado, material de treinamento. O que muda o jogo é o objeto e o rótulo. Gerar uma cidade litorânea noturna é trabalho. Gerar Vice City e chamar de vazamento é outra coisa.

E existe um custo indireto que quem produz conteúdo deveria pesar: cada onda dessas queima um pouco da confiança padrão do público em vídeo. Daqui a pouco o material legítimo também vai precisar provar que é real.

FAQ rápido

Dá pra saber com certeza se um vídeo foi gerado por IA? Com certeza absoluta, não. Dá pra somar indícios: voz repetida entre personagens, texto torto, cortes curtíssimos, física inconsistente entre planos. Isoladamente cada um é fraco. Juntos, são bem conclusivos.

GTA 6 usa IA generativa no desenvolvimento? Segundo o CEO da Take-Two, não. Ele afirmou à CNBC que a IA generativa tem participação zero no jogo, feito prédio a prédio. Ironia da história: a IA está toda em volta do jogo, não dentro dele.

Vale aprender essa técnica de prompt em JSON? Vale, e independe de GTA. Especificar cena em estrutura em vez de prosa é hoje a diferença entre resultado reprodutível e loteria. É transferível pra qualquer modelo de vídeo.

O Sora ainda funciona? Até 24 de setembro de 2026 na API, com preço por segundo de geração. Depois disso, desliga, e a OpenAI não anunciou substituto.

O que fica

A história aqui não é "IA faz vídeo falso". Isso já sabíamos.

A história é que um pipeline montado com ferramenta de prateleira, rodando em cima do vácuo de comunicação de uma empresa, entrega audiência de casa dos milhões antes que qualquer jurídico consiga reagir. A assimetria de velocidade entre produzir e derrubar é o problema real.

No dia 27 de agosto a Rockstar mostra material oficial. Meu palpite é que a enxurrada de falsos aumenta em vez de diminuir, porque material oficial novo é matéria-prima para gerar mais falso convincente.

E a habilidade que sobra dessa história, pra quem constrói: saber especificar cena em JSON, entender por onde a coerência quebra e reconhecer o artefato antes de compartilhar. Isso não é sobre GTA. É sobre trabalhar com vídeo generativo sem ser passageiro dele.