# 05 — Zoom (punch-in)

> **Escopo:** Onde dar punch-in, qual janela e qual escala — e o que a escala significa além do zoom.
> **Quando:** Fase 5 — ver a ordem de trabalho em `../SKILL.md`.

## Quando usar

No momento em que o argumento vira. Um pico acústico só merece zoom se for
também um pico **de sentido**.

Palavra gritada sem peso narrativo não ganha nada — e isso inclui os picos
que caem em artigos e conectivos, que são picos de entrega, não de conteúdo.

### Emoção só desempata, nunca decide sozinha

Quando `emocao`/`confianca_emocao` estiverem disponíveis (ver
`01-leitura-do-json.md`) e dois candidatos estiverem próximos em
`emphasis`/relevância narrativa, use a emoção com `confianca_emocao` acima
de ~0,6 como critério de desempate a favor do trecho com emoção mais forte
e coerente com o conteúdo. Isso nunca eleva um trecho sem peso narrativo a
candidato de zoom — só decide entre candidatos que já seriam elegíveis de
qualquer forma. Quando esses campos vierem vazios (caso mais comum hoje),
decida como sempre: `emphasis` + relevância narrativa.

## A janela

**`start`** — na palavra de ênfase.

**`end`** — no **fim da frase**. A frase inteira, não o fim do segmento da
transcrição.

O Whisper corta frases no meio, por respiração e não por gramática:

> *"Aquela mama com um formato mais estruturado, que valoriza o seu colo,
> que dá aquele ar"* **|** *"de elegância, isso é desejo de muitas mulheres,
> né?"*

Soltar o zoom no fim do primeiro segmento libera **no meio do pensamento** —
é o que faz um punch-in parecer arbitrário. `suggest_zoom_windows` já
estende até a pontuação final (`.` `!` `?` `…`), e nunca atravessa uma
fronteira de tomada.

## A forma — o programa decide sozinho

Você escolhe `start` e `end`; a forma sai da posição da janela dentro do
trecho:

| Situação | Comportamento | Por quê |
|---|---|---|
| Começa a **>0,5s** do início do trecho | entrada rápida (~0,25s) | o movimento chega junto com a palavra |
| Começa a **≤0,5s** do início | **entra já ampliado, sem transição** | o corte já foi a transição; uma rampa ali lê como a imagem se acomodando |
| Frase termina no meio do trecho | **saída seca**, 1 frame | volta ao enquadramento sem chamar atenção |
| Frase termina a **≤1s** do corte | **não volta** — segura até o corte | o próximo trecho já abre no enquadramento dele; voltar antes é movimento desperdiçado |

Os limiares são diferentes de propósito: no fim o corte esconde um retorno
inacabado, mas no início a rampa é visível desde o primeiro frame.

Para forçar manualmente, existem `start_at_peak` e `hold_at_end` — mas o
automático acerta na quase totalidade dos casos.

## Escala

| Valor | Uso |
|---|---|
| 1,15 | sutil |
| 1,18 – 1,3 | padrão |
| 1,5 | forte |

Em vídeo institucional, fique na faixa baixa. Acima de 3,0 é rejeitado.

Não espalhe zoom "por segurança". Cada ação é aplicada diretamente ao clipe e
excesso de escala vira trabalho de correção manual. Zoom não ativa legenda nem
muda o texto por efeito colateral no fluxo atual.

O zoom é **relativo ao enquadramento existente**: se o clipe já tem escala
1,77 (material gravado de lado e reenquadrado), um zoom 1,18 anima de 1,77
para 2,09 e preserva rotação e posição.

## Dois zooms no mesmo clipe

Depois do corte, dois picos que você escolheu podem cair no **mesmo**
trecho sobrevivente (nenhum corte os separou em clipes distintos) — é
comum quando a corrida limpa de uma tomada é longa. O sistema resolve isso
sozinho, e a regra é a mesma que rege o resto: janelas **distantes**
empilham (os dois zooms convivem, cada um voltando ao enquadramento real
entre um e outro); janelas que **se sobrepõem** substituem (é o mesmo
evento sendo reajustado, não dois). Você não precisa calcular isso na
hora de decidir — só respeitar o `min_gap` de `07-ritmo.md`, que já
garante que dois zooms escolhidos por você nunca se sobrepõem.