Remotion Narration - pt

Narração para Remotion

Escreve tudo que uma composição do Remotion precisa para ser guiada pela sua narração: áudio por cena, durações exatas, frames iniciais e legendas. Os comprimentos das cenas vêm do áudio real, então nada fica dessincronizado.

Quando usar

• O usuário tem um roteiro (Markdown, texto ou JSON) e um projeto Remotion e quer narração.
• As cenas devem durar exatamente o tempo da narração; as legendas devem seguir a voz palavra por palavra.

Passos

1. Certifique-se de que MIRAGEA_API_KEY está configurada (nunca imprima). Escolha a voz:

   • --voice VOICE_ID - uma voz salva na conta Miragea do usuário, ou
   • --ref-url https://... - um clipe público da voz para clonar (com o consentimento do usuário), mais --ref-text "palavras exatas no clipe" para a taxa mais barata de 1x.

2. Escreva o roteiro. Cada ## Título (ou parágrafo separado por linha em branco) vira uma cena:

   ## introducao
   Conheça o Retake, a forma mais rápida de corrigir um erro de locução.
   ## demonstracao
   Digite a palavra certa. O Retake refaz a locução da frase e a insere.
   

3. Gere na pasta public/ do Remotion:

   python3 scripts/narrate.py roteiro.md --voice VOICE_ID --out public/narration --fps 30
   

4. Use public/narration/narration.json na composição (veja examples/Narrated.tsx): totalFrames para durationInFrames, de cada cena startFrame / durationInFrames para um <Sequence>, staticFile('narration/' + cena.file) para <Audio>, e cena.captions (Remotion Caption[]: text, startMs, endMs, timestampMs, confidence) com @remotion/captions createTikTokStyleCaptions() para legendas animadas.

5. Edite o roteiro e execute novamente à vontade: cenas inalteradas são reutilizadas do manifesto sem custo; se a execução parar no meio, as cenas finalizadas são mantidas e a próxima execução retoma.

Opções

Flag	Padrão	Significado
--fps	30	Taxa de quadros para cálculos de frames
--pad	0.4	Segundos de respiro após cada cena
--captions miragea	sim	Temporiza legendas a partir do áudio gerado (preciso; +3 pontos/s)
--captions estimate		Grátis: distribui palavras por comprimento
--model	expressive	standard segue a voz de referência mais fielmente
--speed	1.0	0.25-4

Cenas com mais de 2.000 caracteres são divididas no final das frases e unidas automaticamente.

Solução de problemas

• choose a voice -> passe --voice ou --ref-url. URLs de referência devem ser públicas, ter menos de 1.024 caracteres e ser servidas diretamente (raw do GitHub, objetos S3/R2 públicos funcionam; redirecionamentos assinados podem não funcionar).
• 401/402/429 -> chave, saldo, limite de taxa. Reexecutar é sempre seguro.