Edição de diálogo e direção de ADR
Use esta habilidade quando o áudio falado deve carregar história, marca, instrução, personagem ou acessibilidade. Trate o diálogo como uma performance e um contrato editorial, não apenas uma forma de onda. O trabalho é preservar inteligibilidade, intenção, continuidade e direitos, deixando o mixador, legendador, equipe de localização ou agente de vídeo downstream com material inequívoco.
Postura de evidências
Os fatos documentados abaixo vêm de padrões profissionais, orientação oficial de plataformas, documentação oficial de ferramentas ou organizações de direitos. Fatos voláteis de plataforma/ferramenta/legal foram verificados em 2026-07-10. Observações empíricas são limitadas a comportamentos de escuta/QC que um agente deve realizar no projeto real; nenhum resultado universal de processamento de áudio é assumido sem audição. Heurísticas de produção são padrões práticos para testar contra a imagem e especificações de entrega, não leis de áudio.
Primeira passagem: decida que tipo de problema de diálogo é este
Classifique cada linha ou seção antes de tocá-la:
production-edit: áudio-fonte utilizável precisa de limpeza, suavização, preenchimento, conformação ou composição.performance-fix: as palavras são tecnicamente utilizáveis, mas a leitura, emoção, pronúncia, ênfase ou tempo falham na cena.ADR-replace: o som de produção não é inteligível, tem ruído/clipping irrecuperável, contém roteiro alterado, precisa de uma correção legal/de marca ou deve corresponder a um novo corte.localization-dub: nova versão de idioma ou regional deve preservar significado, performance, tempo e sincronia com a imagem.VO-style-dub: a voz original permanece parcialmente perceptível ou intencionalmente abaixada sob uma narração localizada.synthetic-rerender: uma voz sintética licenciada ou voz TTS genérica deve ser regenerada, editada ou direcionada.caption/transcript-handoff: os ativos de texto devem representar o áudio final ouvido de forma precisa e acessível.
Não escolha ADR ou substituição sintética meramente porque o reparo é inconveniente. Primeiro, determine se a performance original pode se tornar inteligível sem artefatos audíveis, se os direitos do ator/voz permitem a substituição e se a substituição corresponderá à imagem e à continuidade.
Fatos documentados a respeitar
- ITU-R BS.1770-5 especifica algoritmos para medir a sonoridade do programa de áudio e o nível de pico verdadeiro; é um método de medição, não uma receita criativa de mixagem. Fonte: ITU-R BS.1770-5, verificado em 2026-07-10.
- EBU R 128 versão 5.0 recomenda normalização de sonoridade do programa em -23 LUFS e usa descritores de faixa de sonoridade e pico verdadeiro. Fonte: EBU R 128, verificado em 2026-07-10.
- A orientação de qualidade de legenda da FCC para televisão nos EUA usa quatro pilares de qualidade: precisão, sincronicidade, completude e posicionamento. O guia da FCC diz que programas pré-gravados devem ter conformidade total porque a revisão offline é possível. Fonte: FCC DA 21-469, verificado em 2026-07-10.
- W3C WCAG 2.2 SC 1.2.2 requer legendas para áudio pré-gravado em mídia sincronizada, com legendas cobrindo diálogo, identificação do falante e informações não-faladas significativas. Fonte: W3C WAI Understanding SC 1.2.2, verificado em 2026-07-10.
- Os requisitos gerais de texto temporizado da Netflix usam duração mínima de evento de legenda de 5/6 segundos e máxima de 7 segundos, máximo de duas linhas e posicionamento que evita sobreposição com texto relevante na tela. Estes são requisitos da Netflix, não especificações universais. Fonte: Netflix Partner Help Center, verificado em 2026-07-10.
- A orientação de dublagem da Netflix enfatiza que a sincronia labial deve ser julgada principalmente contra a imagem, não contra as formas de onda da versão original; momentos-chave devem considerar aberturas de boca, labiais e formatos de boca no início/fim. Fonte: Netflix Dubbing Guiding Principles, verificado em 2026-07-10.
- A orientação de dublagem/mixagem da Netflix pede que o diálogo seja embutido naturalmente na base de música e efeitos, com nível, EQ, reverbs, perspectiva, futzes e continuidade realistas entre idiomas. Fonte: Netflix Mixing Style Guide for Dubbed Content, verificado em 2026-07-10.
- A orientação de dublagem não-ficção em inglês da Netflix recomenda gravar diálogo limpo sem processamento dinâmico, exceto um corte baixo não superior a 100 Hz, remover cliques de língua/saliva a menos que orientados pela performance, usar fades em clipes de diálogo, editar contra a referência de áudio e terminar o diálogo dublado ao mesmo tempo que a versão original, quando esse fluxo de trabalho se aplica. Fonte: Netflix Partner Help Center, verificado em 2026-07-10.
- A documentação do iZotope RX descreve Mouth De-click como detecção e redução de ruídos bucais, como cliques e estalos de lábios, alertando que alta sensibilidade pode afetar plosivas ou danificar o sinal original. RX De-plosive é documentado como identificação e redução de plosivas enquanto preserva fundamentos e harmônicos da fala, mas força mais alta pode prejudicar a fala útil. Estas são capacidades de ferramentas, não garantias. Fonte: docs do iZotope RX, verificado em 2026-07-10.
- A página do relatório de IA do U.S. Copyright Office afirma que a Parte 1, publicada em 31 de julho de 2024, aborda réplicas digitais, enquanto a estrutura de IA da SAG-AFTRA afirma consentimento claro, compensação justa e controle sobre performances como salvaguardas. A NAVA recomenda que contratos de artistas incluam consentimento, limites sobre uso e treinamento de IA/sintético, opção de exclusão ou limites de prazo, pagamento, clareza de exclusividade e armazenamento/rastreamento seguro. Estas não são uma opinião legal completa. Fontes: U.S. Copyright Office, SAG-AFTRA, NAVA, verificado em 2026-07-10.
Verificações empíricas a realizar na mídia real
Ouça, não inferir apenas de medidores. Para cada entrega, realize pelo menos estas verificações:
- Passagem de fones de ouvido para cliques, edições, respirações, plosivas, ruído de roupa, sibilância, artefatos de ruído agressivo, sílabas cortadas e loops de tom de ambiente não naturais.
- Passagem de alto-falante em nível normal de consumo, com legendas desligadas, para julgar se uma pessoa não familiarizada com o roteiro pode acompanhar as palavras.
- Passagem de pequeno alto-falante ou mono quando o conteúdo pode ser assistido em celulares, laptops, TVs ou feeds sociais.
- Passagem de sincronia com a imagem na taxa de quadros e codec finais, porque o timing de DAW, NLE, navegador ou pré-visualização de baixa latência pode enganar o julgamento de sincronia.
- Passagem de contexto com música, efeitos e legendas/subtítulos como serão enviados; uma linha que está clara sozinha pode falhar na mixagem completa.
Heurísticas de produção
Construa um mapa de diálogo
Crie um mapa no nível da linha antes do reparo ou ADR. Inclua:
- timecode de entrada/saída;
- falante/personagem;
- status na tela ou fora dela;
- arquivo-fonte/take/faixa;
- texto ouvido exato e texto pretendido, se diferente;
- rótulo do problema;
- tratamento proposto;
- notas de pronúncia;
- status de direitos/consentimento para qualquer voz de pessoa real ou semelhança sintética;
- notas de transmissão para legendas, transcrição, mixador ou localização.
Prefira esta forma:
TC Entrada-Saída | Falante | Tela | Ouvido/Pretendido | Problema | Tratamento | Notas
00:00:12:04-00:00:15:10 | Maya | na tela | "nós embarcamos na sexta" | fan + clique em "sexta" | reparo | manter respiração de risada; tom de ambiente B
00:00:35:12-00:00:37:01 | CEO | fora | "Série B" lido como "séria B" | pronúncia | ADR | diga "SEER-eez bee"; nome legal inalterado
Preserve a melhor performance original
Use a via menos invasiva que resolva o problema real:
- Mic alternativo ou canal de produção isolado.
- Take alternativo ou linha livre.
- Edição manual, ganho de clipe, crossfade curto, preenchimento de tom de ambiente.
- Reparo direcionado apenas no defeito.
- ADR ou regeneração sintética quando a linha permanecer ininteligível, errada, insegura ou fora do briefing.
Evite redução de ruído ampla primeiro. O processamento amplo geralmente reduz detalhes de consoantes, realismo de respiração e continuidade de ambiente antes de resolver a edição.
Corte o diálogo como ar contínuo
Ao montar ou compor:
- Mantenha respirações que apoiam a performance; remova apenas respirações distrativas ou tecnicamente ruins.
- Use tom de ambiente ou ambiência correspondente em cada lacuna onde o diálogo foi cortado.
- Faça crossfade em cada limite de clipe, a menos que o corte caia dentro de ruído mascarado ou um transiente que realmente não precise de fade.
- Combine o tom de ambiente por cena, perspectiva de mic e distância emocional. Não cole uma base de "silêncio" em salas diferentes.
- Use ganho de clipe para suavizar sílabas antes da compressão. Trate a compressão como suporte de mixagem, não como uma correção para edições erráticas.
- Mantenha ataques de consoantes. Não corte a frente de plosivas, fricativas ou entradas suaves apenas porque a forma de onda parece baixa.
Limpe artefatos em uma ordem de reparo
Use passagens direcionadas e audicionadas:
- Remova estalos de edição com limites, fades e ajustes de zero-crossing.
- Reduza cliques bucais/estalos de lábios localmente; mantenha textura bucal relevante para a performance quando o realismo importa.
- Reduza plosivas com uma passagem de baixa frequência ou de-plosiva direcionada; se a voz baixa útil for danificada, desfaça e use ganho de clipe manual/reparo espectral.
- Controle sibilância com tratamento estreito e dinâmico; não faça o falante cecear.
- Reduza zumbido/ruído com um passa-alta ou remoção de zumbido apenas o necessário. Para conteúdo falado, escolhas de corte baixo devem respeitar o corpo da voz e as especificações de entrega.
- Use de-noising/de-reverb/isolamento de diálogo de forma conservadora, ouvindo por consoantes aquosas, defasadas, chilreadas ou opacas.
- Reequilibre o ganho do clipe e o tom de ambiente após o reparo, porque os reparos podem revelar novas descontinuidades.
Se um reparo criar um artefato mais perceptível do que o problema original, reverta e escolha um take alternativo, ADR ou uma nota honesta de "não pode ser reparado limpidamente".
Direção de ADR e dublagem
Prepare o cue
Um cue de ADR deve ser interpretável sem adivinhação. Inclua:
- contexto da cena em uma frase;
- timecode de referência da imagem;
- linha exata e alternativas aprovadas;
- motivo do ADR;
- intenção da performance;
- âncoras de sincronia: boca início/fim, labiais, pausas visíveis, gestos, respirações, reações;
- guia de pronúncia para nomes, siglas, termos de produto e palavras sensíveis;
- alvo de mic/perspectiva: próximo, peito, sussurrado, gritado do outro lado da sala, telefone, capacete, rádio, arquivístico, etc.;
- alvo de sala/processamento e se o mixador deve corresponder à sujeira da produção ou melhorar a fidelidade;
- takes solicitados e o que muda entre takes.
Para o cue, use o que o talento e a configuração de gravação suportarem: bipes, streamers, texto visual, gravação em loop ou ouvir-e-repetir. O ADR de três bipes é comum em fluxos de trabalho de filmes, mas não o imponha se prejudicar o ator. O método de cue é um auxílio à performance, não o objetivo.
Dirija a performance antes da forma de onda
Dê aos atores verbos acionáveis e contexto:
- Diga o que o falante quer do ouvinte.
- Identifique a virada emocional na linha.
- Dê uma nota de tempo de cada vez.
- Preserve o status social, cansaço, idade, política de sotaque e relacionamento da cena.
- Peça pronúncia natural, a menos que a história exija clareza extra.
- Para anúncios e explicadores, dirija a ênfase em torno do significado, não em cada palavra da marca. Termos de produto superenfatizados soam sintéticos.
Para localização, preserve a intenção em vez da ordem das palavras. Use frases coloquiais no idioma de destino quando apropriado ao personagem e ao briefing. Quando a sincronia com a imagem importa, julgue contra a boca e o corte, não apenas a forma de onda de origem. Formatos de boca início e fim, labiais visíveis e vogais de boca aberta são mais importantes em close-up e momentos-chave.
Capture takes suficientes para editar
Solicite:
- um take de tempo fiel;
- um take prioritário de performance;
- um take de dicção mais limpa;
- uma alternativa de segurança com uma frase mais curta ou mais longa, se a sincronia precisar;
- tom de ambiente/esforços/respirações apenas quando os direitos e as necessidades de performance os justificarem.
Para dublagem estilo VO não-ficção, evite gravar risadas, choros e reações não-verbais, a menos que o guia de estilo ou o cliente peçam explicitamente. Quando sons não-verbais originais permanecerem na mixagem, o editor deve destacá-los em vez de duplicá-los.
Mantenha a continuidade da voz
Crie uma nota de continuidade para vozes recorrentes:
- fonte da voz ou ator;
- escopo de consentimento/direitos;
- idioma/locale;
- idade, expressão de gênero, política de sotaque, notas de dialeto;
- faixa de taxa de fala;
- faixa de tom/energia;
- distância do mic e sala;
- pronúncias de assinatura;
- tratamentos anteriores: EQ, reverb, futz, piso de ruído, comportamento de de-ess;
- exceções, como arquivístico, telefone, estresse, doença, flashback ou incompatibilidade intencional.
Nunca "corresponda" a voz de uma pessoa real com clonagem sintética, a menos que o projeto tenha direitos explícitos e consentimento informado para esse uso exato. Se o consentimento não estiver claro, ofereça uma voz genérica, uma nova direção de elenco ou uma pergunta de verificação de direitos.
Limites de voz sintética
Antes de usar TTS, conversão de voz, clonagem de voz ou dublagem sintética:
- Verifique quem possui ou controla a voz de origem, se o falante consentiu com este uso, se o treinamento do modelo ou a replicação da voz é permitida, se o uso é limitado por prazo/território/mídia e se a divulgação é exigida pelo cliente, plataforma, contrato ou lei.
- Não treine, clone, imite ou "soe como" uma pessoa identificável viva ou falecida sem permissão documentada.
- Não use uma voz sintética para fazer alguém parecer dizer algo que não autorizou.
- Não infira consentimento da disponibilidade pública de gravações.
- Preserve notas de auditoria: origem, resumo de licença/consentimento, ID da voz, provedor/modelo, data, prompt, parâmetros, editor e uso final.
- Se um prompt pedir uma imitação de voz protegida ou identificável sem direitos, redirecione para qualidades vocais permitidas: faixa etária, energia, ritmo, timbre, sotaque apenas quando apropriado e não caricaturado.
Boa direção sintética ainda é direção de performance:
Voz: narrador licenciado da marca interna, calmo mas não sonolento.
Linha: "Seu backup termina antes do seu café."
Intenção: garantia reconfortante, não hype.
Ritmo: médio-rápido; sorriso leve em "café"; sem pompa de locutor.
Pronúncia: "backup" como BAQUE-AP, não baque-AP.
Restrições de entrega: nenhuma imitação de celebridade ou funcionário; nenhuma palavra adicionada.
Notas de edição: deixe 200 ms de cauda limpa para crossfade; entregue WAV seco mais timing.
Legendas, transcrições e transmissão de acessibilidade
A transmissão de áudio falado deve corresponder ao que é enviado, não ao que o roteiro costumava dizer.
…
[truncado para tradução]