Áudio de Vídeo
Este Skill é responsável pelo design de som e consistência de áudio entre tomadas na produção de vídeos, mas não cria um diretório audio/ separado no nível do projeto.
Materiais de áudio de longo prazo são armazenados em video/materials/, por exemplo:
video/materials/voices/CHR01_voice.mdvideo/materials/voices/CHR01_reference.wav
Diálogos, respirações, efeitos sonoros ou áudio temporário exclusivos de uma tomada continuam em video/shots/<shot-id>/; música, narração, mixagem e o projeto final de áudio de todo o vídeo vão para video/edit/.
A hierarquia completa de camadas de som e a separação de responsabilidades entre sons gerados nativamente e sons de pós-produção estão em references/SOUND-LAYERS.md. Quando o vídeo precisar de música de fundo, motivação de marca/personagem, música temporária para animatic ou trilha sonora gerada por IA, leia references/MUSIC.md: música temporária e final são claramente separadas; a música serve à história/diálogo/produto, não interrompe o ritmo dos personagens para encaixar um ponto musical. Quando houver narrador, voz interior do personagem, narração de marca ou voice-over explicativo, leia references/VOICEOVER.md: o texto da narração pertence a video-script; a identidade/geração da voz pertence a este Skill; a narração final de todo o vídeo vai para video/edit/.
1. Primeiro, distinga três tipos de som
Voz de personagem de longo prazo
Entre tomadas, requer estabilidade em: sensação de idade, performance de gênero, extensão vocal, timbre, posição de ressonância, velocidade de fala padrão, volume, ritmo e hábitos de pronúncia e pausa.
Som exclusivo de tomada
Pertence apenas a uma tomada: diálogo, respiração, suspiro, grito, passos, colisão de objetos e mudanças ambientais. Não é copiado para definições de som público.
Som de todo o vídeo
Música de fundo, narração global, design de som geral e mixagem final são gerenciados por video-editing apenas durante a pós-produção.
2. Design de voz de personagem
Quando um personagem tem diálogo em múltiplas tomadas, primeiro crie a definição de voz, depois gere ou grave as falas específicas. A definição de voz do personagem deve descrever pelo menos o necessário para o projeto atual: sensação de idade, extensão vocal básica, timbre, ressonância, velocidade de fala padrão, volume padrão, ritmo de fala, características de pronúncia, variações sob diferentes emoções e proibições contra deriva de voz.
Modelo detalhado em references/VOICE-DESIGN.md.
3. Separe identidade de voz e emoção
O mesmo personagem pode alterar reverberação, sensação de espaço ambiente, equalização sutil, emoção atual e intensidade da fala ao cruzar cenas e mundos, mas a sensação básica de idade, timbre fundamental, extensão vocal, hábitos de pronúncia e ritmo central não devem mudar aleatoriamente.
Se a ferramenta de geração oferecer speaker ID, voice reference, voice seed, speaker embedding ou mecanismo de estabilidade equivalente, priorize reutilizar o mesmo mecanismo de identidade; os campos específicos são determinados pelas regras oficiais da ferramenta/modelo atual. Este Skill não os fixa.
4. Diálogo e imagem
O planejamento da duração do diálogo, visibilidade da boca, fala de múltiplos personagens e som que cruza tomadas pertence a video-script; se a tarefa atual realmente precisar desta parte, carregue esse Skill conforme necessário; se faltar, devolva para akira-video completar, em vez de copiar regras de roteiro neste Skill. Este Skill é responsável apenas pela identidade da voz e pela performance de áudio atual.
O texto do diálogo continua sendo propriedade de video-script; este Skill é responsável apenas pela performance sonora. Para modelos de vídeo que exigem sincronização labial, compile o diálogo, tom, pausas e eventos sonoros no prompt de geração, mas não adicione falas que não existiam originalmente apenas para suportar som nativo do modelo.
5. Silêncio intencional
Se um trecho longo sem diálogo for sustentado por suspense, perigo, música, clímax visual ou a própria ação, a intenção do diretor para o silêncio deve ser claramente escrita no SHOT.md. Se um personagem realiza ações ativas por um longo período sem diálogo, sons de reação, som ambiente ou música para sustentar a narrativa, devolva para video-shot verificar se há um segmento morto.
6. Quando for necessária geração externa de áudio
Envie a definição de voz do personagem, a fala atual, o áudio de referência e o nome de retorno para video-generation, que os organizará conforme o contrato de pacote de geração única; este Skill não cria outro conjunto de regras de diretório empacotado ou arquivos temporários.
7. Devolução para revisão e pós-produção
- Deriva de identidade de voz, sincronia labial, tom, extensão vocal e sincronismo são revisados por
video-review; - Áudio exclusivo da tomada permanece na tomada;
- Música de todo o vídeo, mixagem, legendas e nível final de áudio são tratados por
video-editing.
Critérios de conclusão
A voz do personagem já pode ser identificada consistentemente entre tomadas; as responsabilidades do som da tomada e do som de todo o vídeo estão claras; nenhum áudio foi copiado apenas para classificação de diretório, nem parâmetros de speaker específicos da ferramenta foram escritos como regras genéricas.