Content Lab — Timeline, voz e áudio

Fonte temporal

A narração preparada é a referência para sincronizar palavras, legendas e beats. O fluxo preferido agora começa na aba Narração, sem edit_plan.json: o Content Lab remove silêncio das bordas e reduz pausas internas longas (configurável), preserva audio/narration.original.*, salva audio/narration.prepared.wav e gera o áudio final audio/narration.wav com grave opcional. O transcript.json é produzido sobre a versão limpa, antes do pitch. Depois o ChatGPT cria edit_plan.json com audio.narration: "audio/narration.wav" e sources.transcript: "transcript.json". silenceInserts é etapa de edição posterior: aplique as pausas pelo JSON e deixe o renderer remapear apenas essas inserções. Não duplicar sourceCuts de cortes que a aba Narração já realizou.

Regras de relógio

• scene.start/end e element.start/end: segundos absolutos no vídeo.
• keyframes[].t dentro de cenas: segundos relativos ao início da cena.
• Eventos de SFX at: posição audível absoluta.
• Diferencie duração da cena, janela de visibilidade, entrada, hold e saída.
• Em narrações com timestamps de palavras, ancore revelações nos beats semânticos relevantes; o tempo de leitura pode exigir manter a informação após o enunciado.

Tratamento de voz

• O fluxo novo na aba Narração reduz silêncio de início/fim e, opcionalmente, pausas internas longas. O auto-trim antigo do plano ainda remove apenas silêncio inicial e terminal. Use audio.voice.autoTrimSilence:false quando o silêncio de borda for intencional.
• Para um único intervalo de corte da voz use audio.narrationTrim; para múltiplos intervalos use sourceCuts; não use os dois juntos.
• Após mudar cortes, pausas ou o áudio, a transcrição preparada pode ser regenerada; preserve backup de correções manuais.
• Correções ortográficas no texto da transcrição não autorizam deslocar arbitrariamente timestamps.
• audio.voice.fadeIn/fadeOut se refere ao áudio da voz, inclusive encerramento antes de uma cauda musical.

Timbre natural e referência externa de grave

Os arquivos audio/narration.original.*, audio/narration.prepared.wav e audio/narration.wav têm funções diferentes: gravação bruta preservada, voz limpa/cortada e normalizada que alimenta o Whisper, e voz final com o tratamento escolhido. Original no seletor copia prepared para narration.wav; Corpo natural adiciona EQ suave sem mudar frequência fundamental; Grave suave/equilibrado/profundo alteram o pitch apenas um pouco, preservando a duração, e devem ser aprovados pela escuta.
O Studio agora oferece comparação A/B da voz limpa contra a final. Não afirmar que o preset reproduz o Super Grave de algum editor comercial, pois seus parâmetros não são públicos. Se o efeito soar artificial, recomendar primeiro Corpo natural, ou Original; depois comparar o mesmo trecho antes de escolher uma opção mais profunda. O pitch só afeta a voz final, não o relógio da transcrição: o transcript.json vem de prepared antes do processamento do efeito.

Música e SFX

• Música: start/end localizam na timeline final; sourceStart/sourceEnd delimitam a região da fonte; loop repete o trecho selecionado.
• Música tem auto-trim nas bordas da seleção antes de loop/fades, salvo autoTrimSilence:false.
• Crossfades exigem sobreposição real dos intervalos e fades complementares; não confundir transição sonora com visual.
• O início do SFX é seu at audível depois da limpeza das bordas. Não remover silenciosamente pausas internas.
• O compositor visual atual coloca a transição blur_* no início da cena entrante, durante transitionDuration; não antecipe o whoosh para o fim da cena anterior. Para centralizar um SFX curto: at = cena_entrante.start + (duração_visual - duração_audível_após_trim)/2. Faça arredondamento em frames e confirme num preview curto com áudio. O at é absoluto mesmo quando o SFX está listado na cena entrante.
• Priorize a voz e variedade funcional de SFX. Movimentos/animações editoriais requerem cobertura sonora; silêncio é válido em quadros estáticos ou exceções narrativas explicitadas, nunca por omissão.

Alteração editorial

Ao inserir ou duplicar cenas, mantenha alinhamento dos tempos posteriores e da voz por silenceInserts quando adequado; verifique música, SFX e legendas. Não reconfigure automaticamente tempos aprovados só para suavizar movimentos. A renderização final exige ouvir o áudio, além de inspecionar imagens.

Narração em cenas TSX

Uma cena TSX ainda possui timeline[].start/end absolutos; internamente o useCurrentFrame() começa em zero para aquela cena e useVideoConfig().fps define a conversão para segundos. Forneça ao componente tempos relativos aos beats já conferidos na voz preparada. A cena programável não substitui audio.narration, música, SFX ou FFmpeg do projeto. Não gere um player de áudio paralelo dentro da composição sem pedido específico.

Saída para outras skills

Produza mapa de beats (tempo → informação → ação visual → hold → possível SFX) e restrições temporais. O motion é construído sobre esse mapa, não o contrário.

Âncora de chegada visual — extensão obrigatória do mapa de beats

Entregar a composição/motion estes tempos do transcript.json no áudio preparado: scene.start, word.start, word.end, localWordStart = word.start - scene.start, localWordEnd = word.end - scene.start, visualReadyBy, hold e saída. O visual da palavra/ideia falada precisa estar completamente legível até localWordEnd, idealmente em localWordStart. O movimento de câmera para o elemento e a entrada de imagens/vídeos obedecem ao mesmo limite. Não usar o início da palavra como ordem para COMEÇAR uma animação longa; preferir chegar a tempo.

Referência observada em VD_0005/PerguntaAbertura.tsx: a entrada do personagem termina por volta de +2,91 s e a palavra “Batman” começa por volta de +2,93 s no relógio local. Esses números não são presets, e sim demonstração da relação desejada. Se não for possível dar preroll por ser frame 0, usar o estado legível desde o primeiro frame. Conferir timestamps de fala e o MP4 final antes de afirmar sincronização.

Regra de SFX por animação/movimento — implementação do relógio

Toda animação/movimento editorial possui evento sonoro correspondente (ou áudio embutido existente e verificado). Para cada scene.id, mapear motionStartAbs, motionEndAbs e sfxAudibleStartAbs; exigir motionStartAbs <= sfxAudibleStartAbs < motionEndAbs. Se a janela de animação for de um frame, sincronizar no próprio frame quando tecnicamente possível e conferir escuta; não fingir garantia subframe. O pico/ataque útil deve cair durante a ação, não apenas uma cauda distante. element.at é tempo absoluto audível após auto-trim das bordas do SFX, não relativa à cena e não deslocamento arbitrário a partir da palavra. Em cena TSX, derivar tempos locais de useCurrentFrame/useVideoConfig e somar scene.start. Eventos distintos dentro da mesma composição podem usar SFX distintos, enquanto uma textura contínua pode cobrir uma movimentação única longa sem cortes desnecessários.

É aceitável SFX com duração diferente da animação, mais curto ou mais longo, desde que comece e marque o movimento; cauda fora da janela visual pode soar naturalmente. Se o arquivo for muito maior ou invadir a fala/beat seguinte, limitar elements[].config.duration (duração máxima de SFX no mixer) e aplicar elements[].fadeOut em segundos no final do trecho audível. O mixer instalado suporta fadeIn e fadeOut na raiz do elemento, enquanto config.duration é da configuração do SFX; nunca inventar audio.sfx, config.fadeOut nem recortar o arquivo original. fadeOut não deve exceder a duração audível escolhida. Não alterar velocidade da imagem/voz para igualar SFX. Preservar trimDb para volume sob narração e não aplicar duplo efeito quando vídeo/CTA já tem áudio.

Exemplo estrutural (ajustar duração e instante aos eventos reais; asset deve existir):

{"id":"fx_painel_entrada","type":"sfx","asset":"builtin://sfx/Whoosh 01.mp3","at":12.24,"fadeOut":0.08,"config":{"duration":0.32,"preset":"subtle","trimDb":-18}}

Esse exemplo não prova que existe animação em 12,24 s; primeiro localizar seu intervalo. A verificação automática inspeciona janelas e paths; a verificação perceptual exige preview com áudio, pois at exato no JSON não prova que o SFX é ouvido no movimento. Variar categorias de SFX ao longo do vídeo; não usar whoosh indiscriminadamente. Silêncio deve ser escolha justificada, não esquecimento de uma animação.

Biblioteca local de música aprovada versus direitos de redistribuição

Ver MUSIC_LIBRARY_DIAZVERSO.md (auditoria VD_0005). Something is Going On - Godmode, The New Order - Aaron Kenny e Future Rennaisance - Godmode já estão em builtin-assets/music/. A Great Darkness Approaches, Can You Feel It_ - ELPHNT, Elegy - Asher Fulero e Frightmare - Jimena Contreras estão no acervo pessoal mas não no repositório. Existe scripts/import-diazverso-music.mjs para instalar localmente somente após revisão da licença no YouTube Studio; não comitar esses MP3s no GitHub. Verificar atribuição por faixa e destino de publicação. Música marcada "NoCopyright" no Drive não significa domínio público. OST de GTA V e outras faixas comerciais exigem cautela especial e não devem ser promovidas como livre uso.

A importação é local e não reescreve qualquer edit_plan.json antigo. Para projetos novos, pode-se usar builtin://music/... somente se o arquivo existir na instalação real; caso contrário, project://assets/music/... com MP3 legitimamente fornecido. Não declarar como instalado só porque o nome está no catálogo.