# 01 — Leitura das evidências do banco

> **Escopo:** Como ler as evidências persistidas no banco, sem recalcular o que já foi medido.
> **Quando:** Fase 1 — ver a ordem de trabalho em `../SKILL.md`.

O registro da edição e as tabelas relacionadas no banco são a entrada de todo o
trabalho. Um JSON exportado pode ser usado como visão de trabalho, mas deve ser
reconciliado com o `video_id` e a versão da análise antes de qualquer decisão.
Leia em camadas, de cima para baixo, e só desça quando precisar.

## Camadas

| Camada | O que traz | Para quê |
|---|---|---|
| `analises_versao` | o que de fato rodou e qual versão está válida | **leia primeiro** — ver `09-analise-incompleta.md` |
| `summary` | forma da peça, `peak_moments`, contagens | visão geral em poucos números |
| `segmentos_de_transcricao` | cada fala com seus agregados | **onde você mais trabalha** |
| `palavras_de_transcricao` | detalhe por palavra | achar o instante exato de um destaque |
| `evidencias_visuais` | observações visuais por intervalo | apoiar a decisão quando disponível |
| `edicoes_de_video.configuracao` | objetivo e regras do vídeo | calibrar a seleção editorial |

## Campos que decidem quase tudo

**`gap_before`** — silêncio antes da fala, em segundos. É o mapa estrutural
da gravação: acima de ~3s (`take_boundary: true`) a câmera parou ou a
tomada recomeçou. Num material real de 3min17s isso identificou 6
fronteiras, todas exatamente onde a pessoa recomeçava o roteiro.

**`take_boundary`** — booleano derivado do `gap_before`. Use para agrupar
tomadas.

**`emphasis`** (0–1) — índice combinado de energia, variação de tom,
variação de ritmo, pausa anterior e duração. **É relativo ao material
analisado**, nunca uma medida absoluta. Ver `02-enfase-e-reanalise.md`.

**`energy`** (0–1) — intensidade relativa ao trecho mais alto da gravação.

**`pitch_delta`** (0–1) — quanto o tom se afasta da média do falante.

**`peak_emphasis`** e **`avg_energy`** (por segmento) — permitem julgar uma
frase inteira sem ler palavra por palavra. É por aqui que você avalia o
arco narrativo.

**`energy_raw`** e **`pitch_hz`** — valores brutos, sem normalização. Não
use para decidir; existem para permitir a reanálise da Fase 2.

**`emocao`** e **`confianca_emocao`** — classificação de emoção da fala
(quando disponível). São **opcionais e complementares**: dependem de um
recurso que precisa estar ligado na análise, então ficam vazios em boa
parte dos vídeos. Nunca decidem sozinhos — servem só de reforço/desempate
entre candidatos já elegíveis por `emphasis`/relevância narrativa. Ver
`05-zoom.md`.

## O que NÃO fazer

- **Não recalcule** energia, tom ou ênfase. O sistema mede melhor e de
  forma reprodutível.
- **Não reestime tempos "no olho".** Use os timestamps do JSON.
- **Não trate `emphasis` como valor absoluto.** Um 0,35 pode ser o pico de
  uma gravação e ruído em outra.

## O timestamp por palavra tem um viés conhecido

O início de cada palavra vem sistematicamente **adiantado em ~0,3-0,5s** em
relação ao ataque real da fala — medido em material real com ffmpeg (`astats`),
consistente em 6 pontos do mesmo vídeo. O fim da palavra não tem esse problema
(erro de poucos centésimos). Causa: `word_timestamps` do faster-whisper deriva
por atenção cruzada, sem alinhamento forçado — ver `05_EXPERIENCIAS.md`, entrada
de 2026-08-19.

**Quando o pipeline já corrigiu isso:** se `layers.alignment` for `true`
(transcript gerado com alinhamento forçado fonético via whisperx, implementado
depois desse aviso), o viés foi removido na origem — **não aplique o offset
manual** abaixo. O aviso vale só para transcripts antigos sem `layers.alignment`.

Isso não é "reestimar no olho" — é um bug de medição na fonte, não um
julgamento seu. Na prática (somente sem `layers.alignment`):

- Ao posicionar um `zoom` cujo `start` precisa cair exatamente na palavra
  (não uma frase inteira), some **+0,3 a +0,4s** ao timestamp do JSON antes
  de decidir, ou confira com `ffmpeg -af astats` se a precisão importar
  para o frame.
- **Não aplique essa correção a `gap_before` para decidir corte** — a régua
  de silêncio (`06-texto-corte-marcador.md`) já é conservadora o bastante
  para absorver esse erro; corrigir os dois ao mesmo tempo é redundante.