Som do vídeo

Data: 2026-10-22 · Tipo: skill · Status: vigente

Resumo: o som de um vídeo sai de uma lista de eventos (um por elemento que aparece, sai ou bate na tela) e de um comando, som.py, que põe cada efeito com o pico no quadro certo, assenta a música sob a voz e entrega a mix com relatório. O som não espera o render: com o tempo da animação assentado, ele já pode ser feito. Os números da mix têm um dono só, 06-metodo/regras.md; esta skill traz o método, os comandos e a tabela principal.

Quando usar

Qualquer vídeo com motion, interface, tutorial, anúncio ou vídeo só com música que precise de efeitos sincronizados.
Vídeo narrado: voz seca na frente, música por baixo, efeitos discretos.
Vídeo com pessoas ou lugares que parece "mudo": som de cena (ambiência e foley). Ver references/som-de-cena.md.
Para tratar uma música: medir batidas e drop (batida.py) ou separar a voz (separar.py).

O método

Um som para cada ação visível, e o som descreve a ação. Card que entra faz pop, botão faz clique, troca de tela faz whoosh, carimbo bate, número rola. Densidade é por ação, não por palavra: no máximo dois efeitos soando juntos sob a voz.
Só entra som que a imagem motiva. Whoosh em corte parado, relógio sem relógio na cena e riser sem nada subindo descolam o som do vídeo. Antes de mixar, olhe o vídeo e anote o que se mexe, quando e com que material.
O pico cai no quadro do evento. Clique, pop, carimbo e impacto: o pico no quadro em que o elemento toca. Whoosh: o pico no meio do gesto (~0,2 s depois do início; o mapa padrão já faz isso). Riser: termina seco no drop ou no corte.
Tonal só em hype, transição e surpresa. Golpe no tom no impacto, no carimbo e no logo; pad curto na transição grande; sino na revelação. Nunca em clique, pop ou tecla, que viram "musiquinha" e cansam. Passe --tom (ex.: Am) só quando a música tiver tom conhecido.
Música por momentos, não um tapete. Abertura suave; desaceleração antes do drop; respiro; clímax no bumbo. Com narração, a música fica bem abaixo da voz e sobe nos respiros e nos trechos sem fala.
Respiro antes do drop. O instrumental cai seco por ~0,3–0,5 s na última batida antes do drop (--drop T faz isso), e a palavra-chave ou a maior mudança de imagem vai no primeiro quadro do drop. Meça o drop com batida.py, não no olho.
Camadas só nos picos. 2–3 sons juntos no drop, no logo e no fecho; no resto, um som por ação. Varie a altura quando o mesmo som se repete (o mapa gira entre as variações da categoria).
Voz seca. Narração sem reverb nem eco.
Ouça as camadas separadas. O som.py grava escuta/voz.wav, musica.wav, efeitos.wav e tonais.wav. Sincronia se confere no stem de efeitos, nunca na mix.

Números principais

Dono: 06-metodo/regras.md. Se lá disser outro número, vale o de lá. A Mesa já aplica estes valores sozinha.

O quê	Valor
Master com voz ou música	−14 LUFS integrado, pico verdadeiro ≤ −1 dBTP (limitador a 4×)
Música sob a voz	~15 dB abaixo quando há fala (o relatório mede; aceita 12–18)
Mix sem voz com música real	trilha nivelada a −19 LUFS antes dos efeitos; efeitos ×2,2; limitador; master −14
Peça só de som de cena	−25 LUFS integrado (teto −24), curto prazo ≤ −20, momentâneo ≤ −16, pico ≤ −3. Nunca normalizar a −14
Som de cena com voz	stem do som de cena ≥ 15 LU abaixo da voz
Biblioteca de efeitos	curtos −20 LUFS de pico momentâneo, camas −24, pico ≤ −3 dBTP; posição `at = evento − pico_ms/1000`
Sincronia	mediana ≤ 25 ms no stem de efeitos
Batidas	beat_this, `File2Beats(checkpoint_path="final0")`; corte a ≤ 2 quadros da batida

Passo a passo

Todos os comandos rodam da raiz do estúdio.

Biblioteca pronta? Se 05-biblioteca/som/sfx/catalogo.json não existe: uv run scripts/som/sintetizar_sfx.py. Sons gravados: uv run scripts/som/nivelar.py <pasta do pack> (detalhes em 05-biblioteca/som/README.md).
Eventos. Exporte do motor de animação um eventos.json na pasta audio/ do projeto. Formato, tipos aceitos e como exportar do After Effects, HyperFrames e Remotion: references/eventos.md.
Música com batida? uv run scripts/som/batida.py musica.mp3 --fps 30 dá BPM, tempos fortes e drop provável. Anime os cortes nessa grade.
Precisa da voz ou do instrumental da música? uv run scripts/som/separar.py musica.mp3 (voz + instrumental) ou --modo 6 (seis stems).

Mix:

uv run scripts/som/som.py --eventos 04-projetos/<video>/audio/eventos.json \
  --voz 04-projetos/<video>/audio/voz.wav --musica 04-projetos/<video>/audio/musica.wav \
  --video 04-projetos/<video>/render/previa.mp4 --drop 12.4

Sai mix.wav, escuta/*.wav, relatorio-som.json e previa-som.mp4 (a imagem é copiada; só o som muda).

Leia o relatório e corrija até não ter aviso. "eventos sem som" = tipo que o mapa não conhece: troque o tipo por um conhecido, ponha "som": "categoria" no evento ou escreva um --mapa (abaixo). LUFS, pico e "música abaixo da voz" fora do alvo também aparecem.
Som de cena? uv run scripts/som/verificar_som_de_cena.py <mix só de cena> ou ... escuta/efeitos.wav --voz escuta/voz.wav. Reprovado não vai para entrega.
Ouça. A prévia com som vai para o dono do estúdio aprovar. No vídeo final, rode o mesmo comando com --video render/final.mp4: é só remux, sem renderizar de novo.

Sons próprios do projeto (`--mapa`)

Um arquivo .py com MAPA = {tipo: função(M, e)} sobrepõe o mapa padrão só nos tipos que você listar:

# 04-projetos/<video>/audio/mapa.py
MAPA = {
    "logo": lambda M, e: (M.poe("logo", e["t"], -11), M.poe("impacto", e["t"], -16), M.golpe(e["t"], -20)),
    "moeda": lambda M, e: M.poe("sucesso/sucesso-2", e["t"], -14, st=3),   # st = semitons acima
}

Funções da Mesa que servem no mapa: M.poe(som, t, ganho_db, pan, alinha="pico"|"ini"|"fim", st=semitons, fim=duração, fade=s, sala=True), M.tonal(t, lufs), M.golpe(t, lufs), M.textura(t0, t1, lufs), M.riser(t_pico). som aceita uma categoria ("whoosh", gira entre as variações), um arquivo da biblioteca ("whoosh/whoosh-2") ou um caminho.

Comandos

Script	Para quê
`uv run scripts/som/som.py --eventos E.json [--voz V] [--musica M] [--video P.mp4] [--tom Am] [--drop T] [--mapa mapa.py]`	a mix completa, o relatório e o som colado no vídeo
`uv run scripts/som/sintetizar_sfx.py [--amostra prova.wav]`	gera a biblioteca inicial sintetizada
`uv run scripts/som/nivelar.py PASTA [--categoria X] [--cama] [--destino D]`	põe um pack no padrão e atualiza o catálogo
`uv run scripts/som/verificar_som_de_cena.py MIX.wav [--voz VOZ.wav]`	reprova som de cena alto demais (código de saída 1)
`uv run scripts/som/batida.py MUSICA [--fps 30] [--json grade.json] [--video render.mp4]`	batidas, tempos fortes, BPM e drop (beat_this)
`uv run scripts/som/separar.py MUSICA [--modo voz\|6] [--saida PASTA]`	voz + instrumental (MelBand Big Beta 4) ou 6 stems (BS-RoFormer SW)

Outras opções do som.py: --voz-entra, --musica-entra, --musica-de (alinhar trechos), --dur, --impacto T0 T1 (música sobe ao nível da voz), --lufs, --pico, --fx -10 (efeitos em LUFS relativos à voz), --saida.

batida.py e separar.py usam IA e precisam do extra: uv sync --extra cpu (ou --extra gpu com placa NVIDIA). Os modelos baixam sozinhos no primeiro uso (beat_this ~80 MB; cada modelo de separação ~300–700 MB, guardados em ~/.cache/estudio-ia/). Sem o extra, os dois param com a instrução de instalação.

Erros comuns

Sintoma	Causa provável	O que fazer
Efeitos "altos demais" num vídeo de cena	som de cena normalizado a −14	`som.py` sem voz nem música já mira −25; confira com `verificar_som_de_cena.py`
Efeitos somem sob a música num vídeo sem voz	faixa masterizada (−8 a −11 LUFS)	a Mesa nivela a trilha a −19 e sobe os efeitos ×2,2; se ainda sumir, `vol` maior no evento
Som "atrasado" no whoosh	evento marcado no fim do gesto	marque o início do gesto; o mapa põe o pico 0,2 s depois
Mesmo som repetido parece robô	categoria com uma variação só	nivele mais sons naquela categoria ou use `st` diferente no `--mapa`
Relatório: "categorias trocadas"	a biblioteca não tem a categoria	rode `sintetizar_sfx.py` ou nivele um pack com ela

iamjeffia/estudio-ia

What is estudio-ia?

Ask in your favorite AI

Documentation