Integração: vídeo final ao aprovar + dublagem em português

Conflito em editor_api.render_clip_edit (as duas frentes mexeram na chamada de render): passa a tradução, `dev`
e o dublador juntos. review_layers: a dublagem sai das frases traduzidas, então sem frase (fonte em português) não
houve dublagem e o vídeo de revisão já é o final.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
Mateuus
2026-11-18 03:49:39 -03:00
co-authored by Claude Opus 5.5
10 changed files with 941 additions and 22 deletions
+52
View File
@@ -0,0 +1,52 @@
# Clipador — dublagem em português (só no vídeo de revisão)
Pedido do dono (18/11/2026), para fontes em inglês: "quando ele estiver falando, a gente dubla em português. Baixa o
áudio dele, deixa um pouco baixo para escutar o som do carro, do ambiente do jogo [...] Depois, quando aprovar, fica o
original." Não é dublagem de filme: serve para a equipe entender o contexto. **Sem sincronia labial.**
## Como liga
Configuração do corte → aba Legenda → **"Dublagem em português (teste)"** (grupo `dev`, padrão desligado):
| Chave | Padrão | O quê |
| --- | --- | --- |
| `dev.dub` | `false` | liga a dublagem no vídeo de revisão |
| `dev.dubVoice` | `pt-br-antonio` | voz do streamer (Edge, masculina, online) |
| `dev.dubVoiceOther` | `kokoro-pm-alex` | voz das falas com `speaker: "other"` (Kokoro, offline) |
| `dev.dubDuck` | `0.25` | volume do áudio original enquanto a dublagem toca (0–1) |
Com `dev=False` (vídeo final, depois de aprovar) nada disto entra (`layout.dev_flags`). Só **vozes TTS prontas**: nunca
clonar a voz do streamer (terceiro sem consentimento); o painel nem lista vozes clonadas.
## Como funciona (`clipper/app/dub.py`)
1. Frases de `clips.translation_json` (`{s, e, text, pt, speaker?}`, tempo da sessão) → tempo de saída
(`editor.to_output`; frase dentro de trecho removido some). Frase partida no meio ("…deve dar" + "tudo certo.") do
mesmo falante vira uma fala só.
2. Uma fala por frase no serviço de voz: `POST /v1/synthesize` (`format: "wav"`, `speed: 1.05`). Cache em
`data/clipper/dub/` por (voz, velocidade, texto), já sem silêncio nas pontas, −16 LUFS e 48 kHz mono; apagado
o que fica 30 dias sem uso. Voz que falha → `pt-br-faber` (Piper, offline).
3. Encaixe (`fit`): começa no início da frase original, **em velocidade natural**, e pode escorrer até 1,5 s depois do
começo da próxima frase (que espera). O atraso é contado de cada frase original: não acumula. Só se nem assim couber
acelera até 1,2× e, se ainda não couber, corta com fade. Nunca duas falas juntas (80 ms entre elas).
4. Uma faixa WAV do trecho; no `editor_render.render_project` o original abaixa para `dubDuck` com rampa de 0,15 s só
onde há dublagem (vãos < 0,6 s ficam baixos, sem "bombear"). Fora das falas o áudio fica igual.
5. Nível: a dublagem fica 6 dB acima do volume médio do próprio corte (`volumedetect`, ~0,1 s), entre −20 e +3 dB.
A prévia do editor (`preview-render`) e o render da fila passam pelo mesmo caminho (`dub.for_engine(engine)`); a prévia
só sintetiza as frases que tocam nela. Serviço de voz fora do ar → o vídeo sai sem dublagem (aviso no log).
## Custo medido (18/11/2026, corte 259 do tfue, 54,5 s, 25 frases, NVENC)
| Render | Tempo |
| --- | --- |
| sem dublagem | 5,8 s |
| com dublagem, 1ª vez (síntese) | +29 a +41 s (~1,6 s por frase; 3 em paralelo; 6 não ajudam) |
| com dublagem, cache pronto | +0,3 s |
| prévia de 5 s, cache pronto | 1,2 s |
Conversa densa: o português sai bem mais longo que o inglês (frase de 4 s vira 6–7 s); no corte 259 9 das 25 falas
terminam cortadas com fade (4 s perdidos ao todo; aceleração média 1,08×). Áudio: fora das falas, idêntico ao original (−47,7 dB nos dois);
nas falas, a dublagem fica no nível do streamer (−29 dB contra −26/−34 dB do original).
Testes: `clipper/tests/test_dub.py` (TTS falso).