João HenriqueandClaude Opus 5
cbd9297751
A skill decidia a edição sem saber que o JSON dela agora passa por uma tela de revisão antes de virar FCPXML. Isso não é detalhe de fluxo: a etapa 5 traduz cada ação para o vocabulário dela, e sem conhecer essa tradução a intenção da IA se perde no caminho — que é exatamente como uma decisão vira "arbitrária" aos olhos de quem revisa. Novo criterios/10-revisao-humana.md, com o que o app faz com cada ação: - cut cobrindo >=60% da frase remove a linha; tocando só uma borda vira trim encaixado na fronteira de palavra. Corte de meia frase é ambíguo — passa do limiar e apaga a linha toda quando a intenção era aparar a hesitação. - zoom ou text sobre uma frase marca ênfase, e ênfase significa DUAS coisas: zoom mais legenda dinâmica; as demais frases ficam com legenda comum. A escala vira o nível (1.15→leve, 1.3→média, 1.5→forte). - sem ação, o nível é derivado do peak_emphasis; a decisão da IA sempre ganha. - reason é exibido ao lado da frase na tela — é o que o editor lê antes de manter ou desfazer. Deixou de ser campo de log. Consequência prática que faltava em 05-zoom.md: não espalhar zoom "por segurança", porque cada um promove a frase em duas dimensões ao mesmo tempo. Na dúvida, deixar sem — promover custa uma tecla, despromover custa mais. Cada arquivo de critério ganhou cabeçalho de escopo (o que cobre, em que fase), no mesmo padrão dos docs do Engine, para ler só o necessário. Todas as afirmações numéricas do novo critério foram verificadas contra fcpxml/phrase_review.py rodando, não assumidas. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
4.9 KiB
name, description
| name | description |
|---|---|
| editar-por-voz | Edita um vídeo a partir da análise de voz — lê a timeline de voz (JSON) de uma gravação, separa o roteiro da conversa de bastidor, escolhe a melhor tomada de cada frase, decide cortes/zooms/textos e devolve a lista de decisões em JSON. Use quando o usuário pedir para editar por voz, montar um corte automático, limpar tomadas repetidas, escolher as melhores tomadas, ou marcar os momentos de ênfase de uma fala. |
Editar por voz
Você recebe um JSON com o que foi dito, por quem e como; devolve um JSON com o que fazer. Quem aplica é o programa — você nunca escreve XML.
Princípio
O sistema já mede como a pessoa falou, de forma reprodutível. Não recalcule nada disso nem reestime tempos "no olho".
Seu trabalho é o que nenhum limiar resolve: o que aquilo significa. O índice diz que uma palavra foi dita com força; só você sabe se ela é o argumento central ou uma piada com o câmera.
Entrada e saída
Entrada: <mídia>_voice_timeline.json (de build_voice_timeline). Se
não existir, rode a ferramenta; se existir, leia direto — a análise leva
minutos.
Saída: JSON com a lista de ações → criterios/08-formato-de-saida.md
apply_voice_actions aplica direto, mas é para teste. O produto do seu
trabalho é a lista de decisões.
Para onde ela vai: o usuário cola o seu JSON no app, e ele abre na etapa 5
do Assistente — uma tela onde cada frase do roteiro aparece com a sua decisão
já marcada, para ser revisada antes de gerar. Você é o ponto de partida da
edição, não a palavra final; escreva decisões defensáveis e motivos legíveis.
Como o app traduz cada ação sua: criterios/10-revisao-humana.md.
Ordem de trabalho
Siga nesta ordem. Pular a Fase 2 ou a 3 leva a decisões erradas.
| Fase | O que fazer | Critérios |
|---|---|---|
| 0 | Ler layers — saber o que rodou |
criterios/09-analise-incompleta.md |
| 1 | Ler o JSON em camadas | criterios/01-leitura-do-json.md |
| 2 | Separar roteiro de conversa de bastidor | criterios/02-triagem-roteiro-vs-conversa.md |
| 3 | Escolher a melhor tomada de cada frase | criterios/03-escolha-da-melhor-tomada.md |
| 4 | Reanalisar o material que sobrou | criterios/04-reanalise-do-material-restante.md |
| 5 | Decidir zooms | criterios/05-zoom.md |
| 6 | Decidir textos, cortes e marcadores | criterios/06-texto-corte-marcador.md |
| 7 | Cortar a lista pelo ritmo | criterios/07-ritmo.md |
| 8 | Montar o JSON de saída | criterios/08-formato-de-saida.md |
Antes da Fase 5, leia criterios/10-revisao-humana.md. Ele descreve o que
o app faz com o seu JSON — e muda como escrever cortes e zooms, não só quais.
As três armadilhas
Cada uma já causou erro silencioso em material real:
-
A conversa de bastidor tem a maior ênfase do vídeo. O índice acústico favorece a fala solta sobre o texto decorado. Separar é tarefa de texto, nunca de limiar — e nem de diarização, já que costuma ser a mesma pessoa.
-
Ênfase é relativa ao conjunto analisado. Depois de cortar, os números da análise bruta apontam para as palavras erradas. Sempre reanalise (Fase 4) antes de escolher zooms.
-
Tempos sempre na mídia original. Nunca compense para "depois do corte" — o programa faz isso sozinho, e compensar por conta própria joga todo destaque no frame errado, sem erro visível.
Ordem no sistema
Sua edição roda primeiro, na timeline intacta. Os posicionamentos (zoom, texto, marcador) são deslocados a partir da sua lista de cortes; se outra ferramenta já tiver rippado a timeline antes, esse deslocamento não sabe disso e o efeito cai no frame errado — sem erro visível.
build_voice_timeline → [você decide] → refine_voice_timeline → [você corta
pelo ritmo] → [revisão humana na etapa 5 do app] → apply_voice_actions →
remove_media_silence → generate_dynamic_subtitles
A revisão humana entra entre a sua decisão e a aplicação. É por isso que o
reason importa tanto: ele é lido ali, na hora de decidir se a sua escolha
fica.
Vícios de linguagem e lacunas longas entram na sua lista, num ripple só
(06-texto-corte-marcador.md). Silêncio fino e legendas vêm depois.
generate_dynamic_subtitles nunca é o passo final por si só — sempre
seguido de validate_subtitle_layout antes de dar a legenda como pronta.
Detalhe do porquê e das regras específicas dessa etapa:
code/Engine/docs/03_SERVER_TOOLS.md, seção "Legendas dinâmicas".
Ao relatar
Sempre em português, com o raciocínio e não só o resultado:
- quantas tomadas encontrou de cada frase e qual escolheu, com o motivo;
- o que descartou como bastidor;
- por que cada zoom caiu onde caiu (palavra + ênfase);
- o que foi descartado ou rejeitado — nunca relate só os acertos;
- o que você não conseguiu decidir. Em dúvida entre duas tomadas, marque as duas e deixe para o editor.