# Glossário da análise emocional

## Modelo utilizado

O classificador local é `superb/wav2vec2-base-superb-er`, executado com
`transformers` e PyTorch. O modelo foi treinado para classificação de emoção
em fala e retorna quatro classes: `neu`, `hap`, `ang` e `sad`.

## Campos do JSON

### `emocao`

Classe emocional mais provável para o segmento de áudio.

### `confianca_emocao`

Probabilidade atribuída pelo classificador à classe escolhida, entre `0` e
`1`. Não é uma certeza nem uma medida de qualidade da transcrição. Um valor
de `0.58`, por exemplo, indica uma classificação fraca/moderada; valores
próximos de `1` indicam maior segurança relativa do modelo.

### `palavras`

Lista de palavras reconhecidas pelo Whisper, cada uma com seu intervalo de
tempo no arquivo original ou na timeline projetada.

### `caracteristicas_acusticas`

Campo reservado para medidas como pitch, energia, velocidade da fala e
pausas. Ainda não é preenchido pelo classificador atual.

## Glossário das classes

| Código | Significado | Interpretação editorial |
|---|---|---|
| `neu` | Neutral | Fala sem sinal emocional forte ou com expressão equilibrada. |
| `hap` | Happy | Sinal acústico associado a alegria, animação ou entusiasmo. |
| `ang` | Angry | Sinal acústico associado a irritação, tensão ou intensidade agressiva. |
| `sad` | Sad | Sinal acústico associado a tristeza, abatimento ou baixa energia. |

Os códigos são abreviações do modelo: `hap` significa *happy* e `ang`
significa *angry*. Eles não devem ser interpretados como diagnóstico do
estado emocional real da pessoa. Ruído, sotaque, idioma, contexto, atuação,
ironia e qualidade da gravação podem alterar a classificação.

## Decisão de uso no editor

A emoção é calculada por segmento/frase, enquanto as palavras mantêm seus
timestamps individuais. Isso permite usar a emoção como sinal editorial para
ordenar ou sugerir cortes sem atribuir uma emoção artificial a cada palavra.