drama-audio-soundstage

Drama Audio Soundstage (Engenharia de Áudio e Trilha Sonora Comercial)

Posicionamento da etapa: Etapa de design de som e trilha sonora comercial para séries curtas. Sem jargão genérico: Não explicamos o que é uma trilha de áudio, apenas consolidamos parâmetros de filtragem por gate de áudio, limites de interceptação de deriva de idioma e curvas de mixagem sidechain com ducking.

---

1. Contrato de Execução e Entrada/Saída

• Entrada:
  1. Vídeos segmentados com áudio nativo da etapa 3: segments/{seg_id}.mp4;
  2. Trilha sonora BGM de alta qualidade independente: assets/bgm/*.wav.
• Saída:
  1. Segmentos limpos (sem ruído de fundo): cleaned_segments/{seg_id}.mp4;
  2. Vídeo final com BGM de suspense comercial de 90s e ducking inteligente por sidechain: [nome_do_episodio]_final_ducked.mp4;
  3. Relatório de qualidade de idioma e precisão de transcrição ASR.

---

2. SOP Técnico: Filtragem por Gate de Áudio com Subtração Espectral

Fenômeno: O áudio gerado pelo H3 frequentemente contém zumbido de corrente elétrica de baixa frequência, ruído de vento falso ou ruído ambiente irritante, prejudicando a imersão. Objetivo: Eliminar completamente o ruído ambiente contínuo, preservando 100% dos diálogos e efeitos sonoros curtos (som de desembainhar espada, batida na mesa, passos).

2.1 Parâmetros Principais do Gate e Significado Físico

Ao executar scripts/audio_gate.py, utilize o grupo de parâmetros ideais:

• --bed-q 15: Quantil da janela deslizante no domínio do tempo (definido no 15º percentil), identifica com precisão o ruído de fundo contínuo;
• --alpha-bed 6.0: Intensidade de subtração do ruído de fundo contínuo;
• --alpha-fx 1.0: Fator de proteção para efeitos sonoros transientes/diálogos; quanto menor, mais íntegros os diálogos;
• --fx-snr 4.0: Limiar de relação sinal-ruído para classificação;
• --quiet-gain 0.03: Coeficiente de atenuação para quadros puramente silenciosos.

Comando:

python scripts/audio_gate.py --in segments/seg01.mp4 --out cleaned_segments/seg01.mp4

---

3. SOP Técnico: Interceptação Automática de Deriva de Idioma Mandarim com ASR

Fenômeno: A pronúncia do personagem pode derivar para pseudo-inglês, ruído confuso ou ruído não-chinês, impactando seriamente a entrega.

3.1 Interceptação e Critérios

Após a gravação, execute uma verificação rápida de idioma usando Whisper:

1. Extraia os primeiros 5 segundos da trilha de áudio para identificação de idioma;
2. Critério de aprovação: language == "zh" com confiança prob >= 0.85;
3. Ação de interceptação: Se detectado como en ou outro idioma, levante automaticamente um LanguageDriftError e marque o segmento como falha, acionando uma nova execução com seed diferente.

---

4. SOP Técnico: Mixagem Sidechain Cinematográfica com Ducking

Proibição (contraexemplo): É estritamente proibido simplesmente colocar o BGM por baixo do vídeo com volume fixo! O diálogo será soterrado pela música de fundo, sem nenhuma camada de produção comercial.

4.1 Curva Ideal do sidechaincompress Nativo do FFmpeg

Use o diálogo como sinal de controle para o sidechain, comprimindo dinamicamente o BGM em tempo real:

• Volume de base do BGM: bgm_volume = 0.35;
• Limiar (Threshold): ducking_threshold = 0.06 (assim que a fala começar, ativa a redução imediatamente);
• Profundidade de redução (Ratio): ducking_ratio = 5.0 (durante a fala, o BGM cai instantaneamente cerca de -14dB, deixando a faixa totalmente clara para a voz);
• Tempo de ataque (Attack): ducking_attack_ms = 80ms (a redução ocorre suavemente no momento exato da primeira sílaba, sem estouros);
• Tempo de liberação (Release): ducking_release_ms = 400ms (após o diálogo terminar, o BGM retorna suavemente em 0,4 segundos, realçando a tensão emocional).

Comando:

python scripts/cinematic_audio_mixer.py --input concat_raw.mp4 --output final_ducked.mp4 --bgm assets/bgm/suspense.wav