Elysia Tools
Navegação
Workflow Playbook
Mapeie onde a fala vive numa gravação finalizada, transcreva-a em legendas no formato que o player espera, alinhe o tempo das legendas à fala, misture a audiodescrição com ducking do programa e prove que a mensagem sobrevive a uma escuta degradada.
Novo neste fluxo? Siga os passos em ordem, começando pela primeira ferramenta abaixo. Já sabe o que precisa? Vá direto ao passo correspondente: todas as ferramentas deste fluxo estão na tabela comparativa.
Primeira ferramenta: Segmentação de atividade de voz
Temas
| Ferramenta | O que faz | Categoria |
|---|---|---|
| Segmentação de atividade de voz | Detecta provável atividade na faixa de voz e exporta intervalos de fala/não fala em JSON, CSV, SRT ou lista FFmpeg. | Media |
| Transcritor de áudio para texto (IA) | Transcreve fala de áudio (wav/mp3/m4a/flac/ogg/webm/aac) em texto, SRT, VTT ou JSON com grok-stt. Até 10 min. | AI Tools |
| Deslocador temporal de legendas | Desloca legendas SRT ou WebVTT para o provável início de fala ou por ajuste manual. | Media |
| Ducking de audiodescrição | Mistura narração descritiva e reduz o programa enquanto a narração está presente. | Media |
Temas
| Aprimorador de escuta assistida |
| Clareia o áudio com limpeza de graves, EQ de presença de fala, redução de ruído e proteção de nível. |
| Media |
| Simulador de inteligibilidade de alerta | Testa clareza após limitação de banda, compressão e ruído. | Media |
Um corte falado finalizado serve ouvintes com salas silenciosas, audição afiada e atenção total. Todos os outros negociam — pessoas surdas e com perda auditiva precisam das palavras em texto, ouvintes cegos precisam do mundo visual narrado, usuários de aparelhos auditivos precisam de uma pista que proteja níveis enquanto clareia a fala, e um alerta público precisa sobreviver a alto-falantes de telefone e ruído de rua. Trabalho de acessibilidade não é apêndice beneficente depois da produção — é uma segunda superfície de entrega, com artefatos, formatos e verificações próprios. Este fluxo produz essa superfície a partir de um programa finalizado — um mapa da fala, legendas no formato que o destino espera, narração descritiva misturada com ducking, e inteligibilidade que aguenta a pior escuta realista.
Tudo o que vem depois depende de saber onde a fala realmente vive. A segmentação por atividade de voz percorre o programa finalizado e devolve faixas de fala e não-fala como JSON, CSV, marcadores SRT ou lista de cortes. O mapa cumpre três tarefas de uma vez — delimita o que precisa de legenda, revela as janelas sem fala onde a narração descritiva pode se assentar sem brigar com o diálogo, e expõe silêncios mortos pelos quais uma pista de escuta não deveria obrigar ninguém a atravessar. Uma legenda flutuando sobre silêncio é um defeito que o mapa teria pego — por isso o mapa vem primeiro.
A transcrição transforma a fala em texto, e a decisão de formato pertence ao destino — SRT ou VTT para players com pista, texto puro para documentos e revisão, JSON para pipelines que processam legendas adiante. Depois vem o passo que separa legendas utilizáveis de legendas constrangedoras — o alinhamento do tempo. Legendas uniformemente atrasadas ou adiantadas deslocam-se ao provável início da fala; um atraso constante conhecido, como cadeia de transmissão ou buffer de player, recebe um deslocamento manual medido. Defasagem progressiva é outro bicho — significa que o arquivo de legendas e a mídia discordam sobre o próprio tempo, normalmente taxa de quadros, e a correção honesta é regenerar as legendas contra a fonte certa. A verificação é barata e inegociável — primeira legenda, última, uma do meio.
A audiodescrição narra o mundo visual para ouvintes que não podem vê-lo, e cavalga sobre um programa que sai do caminho com ducking enquanto a narração fala. O ofício está em dois controles — profundidade e soltura. A profundidade fixa-se pela passagem mais alta que corre sob a narração; se as palavras leem claras ali, leem em toda parte. A soltura segue o ritmo do próprio programa — música e diálogo devem quicar de volta prontamente em vez de afundar num buraco. O modo de falha a checar é o pior caso, não a média — uma única entrada de narração ininteligível faz a versão descrita pular, exatamente onde uma ouvinte cega não pode preencher a lacuna com a imagem.
O último passo responde à pergunta que a produção raramente faz — a mensagem ainda funciona quando escutar custa? Para a pista de escuta assistida, a melhoria conservadora limpa os graves, pende a equalização para a presença de fala, reduz ruído com delicadeza e, acima de tudo, protege os níveis, porque uma pista clareada que clipa trocou uma barreira por outra. Para alertas públicos, o teste de degradação é de propósito mais rígido — estreita a banda à de um alto-falante de telefone, comprime, adiciona ruído e relata se a clareza de fala do alerta sobrevive a cada canal. Um aviso que só funciona em monitores de estúdio não foi testado — recebeu apenas um voto de esperança.
Esta página produz a camada de acessibilidade de um programa finalizado. Os vizinhos guardam os encargos ao redor. Gravação, edição e conformidade de entrega de um episódio pertencem ao fluxo de produção de podcast. Medir, visualizar e conferir — espectrogramas, forma de onda, checagem de sincronia de legendas — pertence às páginas de análise de áudio. Uma gravação de origem danificada — cliques, zumbido, vento — pertence ao reparo antes de qualquer trabalho de acessibilidade, porque legendas de áudio não corrigido herdam seus defeitos. Legende o programa aqui — e quando a audiência crescer, a disciplina escala com ela.
Guia de fluxo de trabalho
Rode a segmentação por atividade de voz sobre o programa finalizado para obter faixas de fala e não-fala como JSON, CSV, marcadores SRT ou lista de cortes — o mapa diz o que precisa de legenda e onde a narração descritiva pode se assentar.
Converta a fala em texto com saída em SRT, VTT, texto puro ou JSON, escolhendo o formato que o destino espera em vez de aceitar o padrão.
Desloque as legendas ao provável início da fala quando a defasagem é uniforme, ou aplique um deslocamento manual medido quando existe um atraso constante conhecido, e verifique no início, no meio e no fim do programa.
Misture a narração descritiva sobre o programa de modo que o programa abaixe enquanto a narração fala e se recupere quando ela cala, mantendo cada entrada inteligível na passagem mais alta por baixo.
SRT e VTT servem players com pista de legenda, texto puro serve documentos e cópias de revisão, e JSON serve pipelines automatizados — escolha por onde as legendas são consumidas, não pelo que o transcritor aconteceu de emitir.
Deslocar ao provável início da fala corrige legendas uniformemente atrasadas ou adiantadas; um deslocamento manual medido corrige um atraso constante conhecido, como uma cadeia de transmissão ou o buffer de um player — uma defasagem que cresce ao longo do programa indica problema de fonte, não mais um empurrão no tempo.
O programa precisa cair o bastante para a narração ler clara, e soltar rápido o bastante para não furar a música ou o diálogo — a profundidade serve à narração, o tempo de soltura serve ao programa.
Para a pista de escuta assistida, aplique melhoria conservadora — limpeza de graves, equalização com presença de fala, proteção de nível; para alertas públicos, rode o teste de degradação que relata se a clareza da fala sobrevive a alto-falantes de telefone, compressão e ruído.