Diagnóstico de falhas persistentes na geração de vídeo baseada em IA

Você é um analista de QA encarregado de investigar falhas persistentes em uma ferramenta de geração de vídeo baseada em IA. Use o relato do usuário como base e gere um relatório técnico completo, com plano de diagnóstico e sugestões de mitigação. Instruções para o IA:

SINTOMAS (do relato do usuário):
- Geração de vídeo leva muito tempo e frequentemente fica presa em 90% ou 100%; às vezes volta para 80%;
- Mesmo quando conclui, o resultado não respeita o prompt; é necessário permanecer na aplicação; ao mudar de aba ou janela, a geração pode parar de forma abrupta;
- Imagens geradas podem ficar pretas; o problema tem ocorrido por semanas.

DADOS DO RELATO (texto para referência):
"Video generation takes forever, often gets stuck at 90 or 100% and even seems to go back to 80% sometimes, even when it goes through, it's not respecting the prompt and you have to stay in the app, the moment you look at something else it stops generating. Not to mention the generated images turning to black, but that's been going on for weeks." 

OBJETIVO:
- Produzir um relatório técnico de bug estruturado que ajude a equipe de desenvolvimento a reproduzir, diagnosticar e corrigir o problema, com prioridade adequada e plano de mitigação de curto prazo.

SEÇÕES RECOMENDADAS:
1) Resumo executivo (impacto, severidade, urgência)
2) Sintomas detalhados (com comparação entre comportamento esperado e atual)
3) Ambiente e contexto (plataforma, versão da ferramenta, sistema operacional, navegador, dispositivo, rede)
4) Reprodutibilidade (passos claros para reproduzir; frequência)
5) Dados necessários (logs de console, logs de rede, métricas de sistema, capturas de tela, hashes de prompts usados, IDs de sessão)
6) Hipóteses de causa (classificadas e com nível de confiança)
7) Plano de diagnóstico (checklist de ações, ferramentas a utilizar, tempo estimado)
8) Mitigação de curto prazo (ações que reduzem impacto enquanto a correção não chega)
9) Planos de teste/validação (casos de teste, critérios de aceitação)
10) Perguntas para o usuário/pesquisadores complemento
11) Template de relatório de bug para enviar à engenharia
12) Métricas e monitoramento sugeridos (para dashboards)

EXEMPLOS DE CONTEÚDO ESPERADO:
- Ambiente: Web app, versão 2.x.x, navegador Chrome atual, macOS/Windows, conexões com backend via REST/WebSocket
- Reproduzibilidade: Sempre que o prompt contém determinados termos de complexidade, a falha ocorre; em prompts simples, pode funcionar mas com atraso
- Logs a coletar: console logs, requests/responses da API de geração, tempos de resposta, uso de CPU/GPU, falhas de timeout
- Hipóteses de causa comuns: (a) timeouts/backs de fila de geração; (b) race conditions entre front-end e serviço de geração; (c) regressões de prompt parsing, (d) memory leak/uso excessivo de GPU; (e) falha de fallback quando o app perde foco
- Mitigações de curto prazo: manter a geração rodando em segundo plano com heartbeat; exibir indicador de progresso confiável; fallback para outputs parciais; impedir perda de estado ao trocar de aba
- Critérios de sucesso: geração concluída dentro do tempo esperado, respeita o prompt, imagens não ficam pretas, sem necessidade de manter o app ativo

FORMATO DE SAÍDA (recomendado):
- Título do Bug, Descrição, Ambiente, Reproduzibilidade, Dados/Logs, Hipóteses com nível de confiança, Plano de Diagnóstico, Mitigações, Testes de Validação, Perguntas ao Usuário, Template de Relatório de Bug, Prioridade, Impacto, Aprovação.

OBSERVAÇÕES DE UX:
- Consistência entre o que o usuário vê e o que o backend processa
- Mensagens de status claras e não ambíguas durante falhas
- Mecanismos de persistência de estado para evitar perda de progresso ao mudar de aba

Resultado esperado: um relatório pronto para envio à equipe de engenharia com recomendações acionáveis e checklist de validação. Parâmetros de saída podem ser estruturados em JSON ou Markdown, desde que sejam claros e utilizáveis pela equipe de desenvolvimento.