redirhan/kisa-video-kurallari

Livro de Regras para Vídeos Curtos

Este arquivo toma decisões uma vez, com justificativa. Em vez de repensar as regras a cada vídeo, leia isto e atualize com comentários do usuário. Os números vêm da medição de 52 vídeos virais publicados nos últimos 12 meses (em turco e inglês, com predominância de pessoas falando para a câmera) e de 12 tutoriais de edição. Regras marcadas com "medido" são medições; regras marcadas com "dos tutoriais" são afirmações comuns de pelo menos 3 instrutores.

O diretor criativo é o usuário. Antes de montar o primeiro corte, sugira a estratégia em linguagem simples (quais takes, gancho, destaques, estilo) e aguarde aprovação. Sua pontuação não significa "pronto"; pergunte a pontuação do usuário.

Fluxo de trabalho (pessoa falando para a câmera)

1. Leia o material: extraia a transcrição com timestamps (ex. whisper.cpp -ojf ou WhisperX). Prepare uma visualização de texto compactada mostrando frases e pausas.
2. Olhe apenas onde a decisão é difícil: retakes, uma pausa longa, ponto de corte. Em vez de assistir ao vídeo inteiro, inspecione alguns frames e os timestamps daquele intervalo.
3. Escreva um briefing: quais takes, qual linha é marcante, quais palavras recebem destaque. O resto é trabalho mecânico.
4. Monte: com sua própria ferramenta (NLE, ffmpeg, Remotion, HyperFrames, CapCut…). Nunca escreva nos arquivos de origem; coloque as saídas em uma pasta separada.
5. Meça e corrija: compare o render com referências do mesmo tipo (frequência de corte, altura da legenda, nível de áudio). Corrija a diferença mais cara primeiro, no máximo 3 rodadas; depois, informe claramente o restante.

Seleção de takes (trabalho do diretor; o código apenas finaliza)

• Selecione pela transcrição, não avançando e retrocedendo o vídeo. O melhor take de cada frase = aquele que é fluido, geralmente a tentativa seguinte. Remova "hã", começos pela metade e palavras repetidas.
• Os cortes são colocados nas palavras: ~0,12 s antes da primeira palavra, ~0,25 s depois da última palavra; nunca entre em uma palavra vizinha. Duas partes cortadas do mesmo fluxo se encontram no meio do espaço vazio.
• Marque a linha que diz o ponto principal como marcante (o enquadramento mais fechado, se houver, com um som de impacto).
• A duração é determinada pelo material: referências de pessoas falando têm 20–150 s, mediana 67 s (medido).

Gancho (primeiros 3 segundos)

• A fala e a legenda começam no primeiro frame; não há plano de abertura silencioso. O primeiro corte dura ~1–3 s.
• Em trechos de entrevista, uma caixa de pergunta/título fixa nos primeiros segundos funciona bem. Ela deve desaparecer antes que algo a substitua.
• Medido: a ferramenta de gancho mais comum é este título. Em 6 de 14 pessoas falando, ele aparece (caixa vermelha com letras grandes brancas ou texto em formato de frase por 6–12 s, formato de pílula branca, ou título na vertical do vídeo).
• Medido: em vídeos turcos, a mediana do primeiro corte é 3,6 s, sem cortes dentro do gancho. O gancho turco é carregado pelo título, não pelo corte.
• Dos tutoriais: nos primeiros 3 segundos, o espectador recebe movimento (um empurrão, um elemento se assentando, uma ação física), som e a frase de gancho na tela simultaneamente. A frase de gancho se dirige ao espectador ou dá uma afirmação/número concreto e implica um resultado. Após o gancho, o ritmo deve permanecer uniforme; não deve haver uma seção onde a edição de repente se torna esparsa.

Legendas e destaques

• 1–3 palavras por célula. Divida em pontuação e pausas ≥ 0,3 s; nunca ultrapasse um corte. Células não devem ser mais curtas que 0,35 s (caso contrário, engolem a palavra seguinte). Em espaços ≤ 0,25 s, o texto permanece na tela (para não piscar).
• A legenda é a transcrição: nunca escreva o que não foi dito. Apenas corrija erros de reconhecimento.
• O destaque é escolhido pelo SENTIDO (número, ganho, nome), não por um ritmo. Não é uma palavra isolada, mas a expressão inteira. Teto: aproximadamente 1 destaque a cada 6–8 s.
• Medido: bons criadores recoloram a palavra-chave DENTRO da legenda em fluxo, no mesmo tamanho (amarelo/verde). Apenas valores monetários aumentam, cerca de 1,2–1,4x. Uma célula de destaque separada e 1,5x maior permanece maior que todas as referências: use raramente, guarde para números.
• Aparência: sem serifa simples e em negrito; texto branco, contorno preto + sombra suave, borda dura. Destaque: mais negrito, amarelo quente, um único "pop" que retorna. Sem brilho colorido (glow).
• Escolha fontes com licença aberta (OFL), como Montserrat, Inter, Poppins, Figtree.
• Altura (a partir do topo do quadro, 0 = topo, 1 = base): centro do rosto + 0,26, comprimido entre 0,45–0,70. Medido: Hormozi 0,50; criadores turcos ~0,67, falantes de inglês 0,56, vídeos de narração com B-roll 0,72–0,78.
• O estilo da legenda se adequa ao estilo do vídeo. Especialistas calmos: formato de frase, 2 linhas de 4–6 palavras, sombra suave ou pílula branca. Alta energia: 1–4 palavras em negrito. Vídeos de narração: menores, com fonte estreita, mais abaixo no quadro. Nas referências, a altura da linha é 0,023–0,04 do quadro.
• Dos tutoriais: no máximo 3 palavras, na parte inferior-central do quadro (olhos no terço superior), nenhum som em cada legenda, nenhuma palavra de preenchimento. Pinte as palavras-chave por sentido (muitos editores: verde = positivo, vermelho = negativo, amarelo = outros).

Enquadramento

• Reenquadrar no corte é uma ESCOLHA DE ESTILO, não uma regra. Medido: em 8 pessoas falando turco e em vídeos de especialistas calmos com uma câmera, 0% dos cortes são reenquadrados; em edições de alta energia em inglês, 71–75% (Hormozi 0,90).
• Kit de alta energia: cada corte vem com uma mudança visível de enquadramento: alternando entre aberto 1,0 / fechado 1,28, linha marcante 1,38. Uma mudança de 1,1 é imperceptível. Centro do zoom = rosto. Nos 4–5 planos mais longos, um zoom lento para dentro (×1,08).
• Kit de especialista calmo: enquadramento fixo, jump cut sem reenquadramento (ou dois planos de câmera aberto/fechado), no máximo um zoom lento para dentro (×1,03–1,05) em planos longos.
• Texto atrás do apresentador (com máscara de pessoa / segmentação): 1–2 vezes no vídeo, apenas para uma palavra de destaque grande que caiba no espaço vazio na parede. Mantenha as janelas de máscara curtas (≤ 12 s).
• Dos tutoriais: nada aparece de repente. Cada elemento entra com movimento: entrada rápida / saída lenta, uma pequena elevação + aparecimento + desfoque para nítido. Foto ou captura de tela se posiciona no enquadramento. Adicione 3–10% de zoom lento para dentro em planos fixos.
• Dos tutoriais (rastreamento ocular): ao longo do corte, o ponto focal (rosto, cartão mais recente, palavra-chave) deve permanecer a ~10% de sua posição anterior, especialmente no gancho. Apenas quebre intencionalmente.

Áudio

• Primeiro o áudio (fala). Os efeitos estão vinculados apenas a algo visível (um corte, um destaque se assentando).
• Efeito no corte depende do estilo. Medido (com separação de fontes): 8 de 14 boas pessoas falando NÃO colocam efeito em NENHUM corte (Hormozi: 12%, nível de acaso 21%). Vídeos de B-roll e narração sem rosto colocam whoosh / batida em 20–80% das mudanças visuais (muito acima do acaso). Criadores de alta energia vinculam o som a eventos gráficos, não ao corte (contador, elemento se posicionando em uma classificação). Nota: em áudio mixado, aumentos repentinos já ocorrem cerca de 4 vezes por segundo na fala; para contar efeitos, meça a faixa separada, não o áudio mixado.
• Som de impacto no destaque apenas no kit de alta energia.
• Níveis, relativos ao pico p95 da fala: interface/pop −14 dB, whoosh −12 dB, batida −8 dB, som de meme −3 dB. Sons crescentes têm seu pico alinhado ao corte; batidas têm seu início alinhado ao corte.
• No máximo 4,5 efeitos a cada 10 segundos, com ≥ 0,25 s entre eles.
• O som de meme nunca se sobrepõe a uma palavra.
• Entrega: −14 LUFS, pico verdadeiro ≤ −1 dBTP (meça, não estime).
• Música. Medido: 7 de 14 boas pessoas falando NÃO têm base musical. Nas que têm, a música está cerca de 16 LU abaixo da fala (mediana, integrada); bases de alta energia são mais quentes (10–12 LU abaixo), vídeos de narração 16–22 LU abaixo. Ofereça a versão sem música como uma opção real, não um backup.
• Dos tutoriais: em um movimento grande (zoom, deslize, chicote, mudança de cena), o PICO do efeito se alinha ao pico do movimento. Sons leves de clique / interface acompanham pops de texto e ícone. Riser apenas se uma abertura realmente está chegando (introdução ao resultado), uma batida imediatamente após a linha-chave. Se usado com moderação, mantém seu significado. A música tem uma função: fica 15–25 dB abaixo da fala, sobe no ponto de virada (problema → solução), e diminui para anunciar o final.

Encerramentos e transições (feedback de campo)

• Finalizar enquanto a pessoa ainda fala ("portanto", "porque", próxima palavra < 0,7 s depois): estenda até o fim do pensamento. A última parte escurece com imagem + som em 0,6 s.
• Som de transição: um whoosh suave, baixa frequência, sem ataque forte, a −18 dB em relação à fala.
• Divida planos longos em pedaços com jump-zoom nos espaços entre palavras (≤ 4,2 s, ≤ 2,6 s no gancho); nunca divida dentro de uma expressão de destaque. Esses cortes não recebem whoosh.
• Dos tutoriais: transições grandes apenas em momentos grandes (mudança de seção ou local). Em todos os outros lugares, corte direto + áudio J/L.

Intensidade

• A edição apoia o conteúdo, não é a estrela. Uma conversa calma ou pessoal recebe menos cortes e efeitos; não corte por cortar. Um plano interessante pode ficar longo.
• Frequência de corte é específica ao gênero: vídeos curtos de plano único com gráficos pesados (MrBeast, Zach King) vencem quase sem cortes. Compare apenas com o mesmo gênero.
• Agentes de IA cortam pouco e afirmam demais: diga claramente o que não foi verificado.

Proibições

• Corte dentro de uma palavra; legenda sobrepondo o rosto ou o assunto; legenda ultrapassando um corte.
• Whoosh em cada corte; efeito mais alto que a fala (exceto som de meme intencional).
• Texto placeholder fixo no modelo ("Insira seu texto aqui"): sempre preencha e releia.
• Brilho colorido no texto; texto ainda na tela quando a próxima cena chega.
• Colocar imagem ou áudio de uma referência na edição (referências são apenas para medição).

Kits de estilo (resumo)

Kit	Enquadramento no corte	Efeito no corte	Legenda	Música
Especialista calmo	nenhum (ou duas câmeras)	nenhum	formato de frase, 2 linhas, 4–6 palavras	nenhuma ou ~16 LU abaixo
Alta energia	1,0 / 1,28 em cada corte, marcante 1,38	vinculado a eventos gráficos, batida no destaque	1–4 palavras em negrito, números aumentam	10–12 LU abaixo
Narração com B-roll	—	20–80% das mudanças visuais	pequena, estreita, mais abaixo (0,72–0,78)	16–22 LU abaixo
Pessoa falando turco	nenhum	nenhum	altura ~0,67, gancho com caixa de título	quase sempre nenhuma