Desafio de estudo - Automação • Agentes de IA • No-Code
Agente de IA para gerar imagens
Um agente que recebe uma mensagem de áudio por um mensageiro e devolve uma imagem gerada por IA: do Telegram, de volta ao Telegram.
Imagem de exemplo de execução do Bot para gerar imagem no Telegram
Objetivo do agente
Mandar uma mensagem de áudio, através de um mensageiro, e receber uma imagem de retorno. O agente resolve toda a ponte entre a fala do usuário e a geração visual — sem que ele precise digitar um prompt.
Ações executadas pelo agente
Etapas e automações do fluxo, do disparo à limpeza dos registros.
Fluxo do bot no Make
1. Receber Dados
2. Baixar Arquivo
3. Fazer Upload
4. Solicitar Transcrição
5. Aguardar Processamento
6. Obter Transcrição
7. Gerar Imagem
8. Enviar Resposta
9. Excluir Registros
Comportamento
Entradas esperadas
Qualquer áudio solicitando uma imagem.
Ex.: “Gere uma imagem de um unicórnio motoqueiro no deserto à noite, com o céu estrelado.”
Resultados esperados
Uma imagem de retorno gerada a partir do prompt extraído do áudio enviado pelo usuário.
Observações do processo
Durante a execução deste exercício surgiram diversos obstáculos técnicos que exigiram soluções criativas.
Inicialmente a proposta previa integração via WhatsApp. Porém, a API exigida pelo Make para processar áudios requer o WhatsApp Business — uma conta autenticada pela Meta mediante documentação empresarial. Sem uma empresa registrada, migrei a solução para o Telegram, mais flexível para desenvolvedores independentes.
Outro desafio foram as ferramentas de IA. O Make possui módulos para a OpenAI, mas o uso das APIs exige créditos pagos. Buscando uma alternativa sem custo imediato, pesquisei e implementei outras APIs (Assembly AI e Polynation AI) para viabilizar o fluxo.
O objetivo central — converter voz em imagem por um mensageiro — foi mantido. Como prova de conceito, enviei o comando de voz: “Gere uma imagem de um unicórnio andando de moto no deserto com o céu escuro estrelado”. Após 16 segundos de processamento, o agente retornou com sucesso a imagem solicitada.
Observações do processo
Durante a execução deste exercício surgiram diversos obstáculos técnicos que exigiram soluções criativas.
Inicialmente a proposta previa integração via WhatsApp. Porém, a API exigida pelo Make para processar áudios requer o WhatsApp Business, que para ter uma conta autenticada pela Meta é necessário documentação empresarial. Sem uma empresa registrada, migrei a solução para o Telegram, mais flexível para desenvolvedores independentes.
Outro desafio foram as ferramentas de IA. O Make possui módulos para a OpenAI, mas o uso das APIs exige créditos pagos. Buscando uma alternativa sem custo imediato, pesquisei e implementei outras APIs (Assembly AI e Polynation AI) para viabilizar o fluxo.
O objetivo central — converter voz em imagem por um mensageiro — foi mantido. Como prova de conceito, enviei o comando de voz: “Gere uma imagem de um unicórnio andando de moto no deserto com o céu escuro estrelado”. Após 16 segundos de processamento, o agente retornou com sucesso a imagem solicitada.
O que esse case ensina
Adaptar a stack quando a ideal esbarra em burocracia
A troca de WhatsApp por Telegram manteve o projeto vivo diante da exigência de conta empresarial.
Buscar alternativas gratuitas viáveis
Substituir a OpenAI por Assembly AI e Polynation AI provou o conceito sem custo imediato.
Manter o objetivo central acima da ferramenta
As ferramentas mudaram, mas a o objetivo do projeto permaneceu intacto.
Integração de sistemas é resolução de problemas
Cada obstáculo virou aprendizado sobre orquestrar APIs e serviços diferentes em um só fluxo.