Do Audio Overview cru ao episódio pronto para publicar

O Audio Overview sai do Studio sem capítulos, sem texto e com um volume que raramente coincide com o alvo de podcast deste curso. No caso real deste capítulo, o arquivo de cerca de 29 minutos passou de 50 MB. Depois de baixar, confira formato, tamanho, duração e loudness do que você recebeu. Publicar o arquivo cru custa caro: o ouvinte precisa mexer no volume entre um episódio e outro, ninguém encontra o trecho que procura e a fala fica fora do alcance de quem busca e cita texto. A pós-produção resolve isso no seu computador. No caminho local a cota é zero; no caminho só web, a transcrição e a proposta de capítulos usam um notebook separado e podem contar no seu uso, então confira em Configurações > Uso.

No fim deste capítulo você terá, na pasta de ciclo, quatro arquivos novos ao lado do original: o episódio normalizado a -16 LUFS, a transcrição com tempos em SRT e em texto, o episódio com capítulos e um corte de 60 a 90 segundos normalizado para redes. Cada um terá uma linha no manifesto com estado aguardando até a escuta humana. O caminho só pela web vem primeiro: ele entrega o texto da fala para revisão, os capítulos nas shownotes e a conferência de pronúncia sem terminal. O SRT com tempos e os capítulos embutidos no M4A pedem o caminho local.

Loudness é a intensidade sonora percebida pelo ouvido, medida ao longo do arquivo inteiro. A unidade é o LUFS (Loudness Units relative to Full Scale), usada pela recomendação EBU R128, e o número é negativo: -14 LUFS soa mais alto que -16 LUFS. O alvo de podcast usado neste curso é -16 LUFS integrado; plataformas de streaming costumam ficar entre -14 e -16, e o broadcast europeu usa -23. Junto do loudness vem o pico verdadeiro, medido em dBTP, que limita o ponto mais alto do sinal para não distorcer na conversão; o alvo do episódio é -1,5 dBTP. Peças curtas para redes sobem para -14 LUFS e -1,0 dBTP, porque disputam atenção com outros vídeos no feed.

Transcrição é o texto do que foi falado, com o tempo de início e fim de cada trecho. Ela serve para acessibilidade, para busca, para facilitar a citação do episódio por quem trabalha com texto e como base dos capítulos, das legendas e dos cortes. Transcrição automática erra nome próprio, sigla e número, então ela só vai a público depois de revisada.

O caminho local faz o mesmo com comandos que você pode repetir em todo ciclo. A normalização usa o filtro loudnorm do FFmpeg em duas passadas: a primeira só mede e imprime um bloco JSON perto do fim da saída; a segunda aplica a correção usando esses números e pede normalização linear com linear=true, que preserva a dinâmica da fala. O filtro pode voltar ao modo dinâmico quando o ganho necessário esbarra no pico verdadeiro ou na faixa dinâmica pedida, por isso o passo 4 mede o arquivo final. Uma passada só também roda, em modo dinâmico, mas a esteira do caso registrou que ela degradou a fala e adotou as duas passadas. Grave o resultado com um único encode AAC; cada recompressão a mais perde qualidade. O Audio Overview é voz sintética limpa e não precisa de redução de ruído. Rode os comandos dentro da pasta de ciclo; eles funcionam igual no PowerShell e no Terminal.

Os parâmetros do script seguem os da esteira do caso real: processador com compute_type int8, idioma português, detecção de voz ligada para pular silêncios, beam_size 5 e condition_on_previous_text desligado, que reduz a chance de o modelo inventar texto repetindo o trecho anterior. O VOCABULARIO entra como initial_prompt e ajuda o modelo a grafar os termos do seu tema. O SRT gerado aqui é transcrição com tempos, um segmento por frase longa; o capítulo 20 reorganiza esses tempos em legendas que cabem na tela. O reconhecimento automático de fala (ASR, a tecnologia do faster-whisper) não identifica quem fala. No Deep Dive há dois apresentadores, e o Brief usa uma só voz: não alterne nomes por palpite, porque isso atribui frases a quem não as disse. Use um rótulo único, como Apresentadores.

Com a transcrição pronta, os capítulos viram um arquivo de metadados que o FFmpeg embute no M4A sem recomprimir. Ajuste cada início para a pausa mais próxima no .txt. O corte para redes usa -ss e -t antes do arquivo de entrada e normaliza só a janela, também em duas passadas. As duas passadas recebem os mesmos fades, na mesma ordem, para que a medição corresponda ao sinal que a segunda passada processa; no fim, meça o corte gravado.

Exemplo real: o primeiro ciclo de pós-produção da esteira GEO-Pesquisador, da Brasil GEO. O Audio Overview Deep Dive chegou com 53,5 MB para cerca de 29 minutos. A primeira decisão foi medir antes de editar: em outros ciclos, com o controle de duração no padrão, o áudio entregou de 15 a 24 minutos contra um alvo de 11 a 13. A esteira passou a medir com ffprobe e decidir depois, em vez de confiar na duração pedida.

A segunda decisão foi a cadeia de áudio. O script da esteira, que o aluno não tem, mede o loudness, normaliza em duas passadas para -16 LUFS e -1,5 dBTP, guarda os intermediários em WAV de 24 bits e 48 kHz e faz um único encode AAC no fim; antes disso eram de duas a três gerações de perda. O gate numérico reprova o arquivo quando o loudness medido desvia mais de 1 LU de -16 ou quando o pico passa de -1 dBTP. A redução de ruído existe no script, mas fica desligada para Audio Overview, porque a voz sintética já sai limpa; ela só entra em entrevista ou gravação humana.

A terceira decisão foi sobre capítulos. Os títulos saem das seções do briefing do ciclo, e os inícios são encaixados na fronteira de fala mais próxima da transcrição, numa janela de 20 segundos para cada lado, com preferência por pausas de pelo menos um segundo. Se a soma dos capítulos diverge da duração do áudio em mais de dois segundos, o script volta aos tempos estimados e avisa no relatório para conferir no player. O corte para mensagens seguiu a regra de 60 a 90 s, com janela que começa antes dos 20 segundos penalizada, porque a abertura costuma ser protocolar. Variação: se o seu episódio é curto e sem seções, escreva três capítulos à mão a partir das anotações da escuta e pule o encaixe automático.

Avalie a resposta clicando na citação de cada capítulo: o tempo proposto precisa existir na transcrição e cair no começo de uma frase. Ouça os primeiros segundos de cada capítulo no player para confirmar que o assunto muda ali. A lista de nomes e números é o seu roteiro de escuta de pronúncia; se algum termo saiu errado na fala, ele vai para o glossário do próximo prompt de foco.