Realizar pós-produção de som

Apresentação

UC02645 (25h) capacita os formandos para realizar a pós-produção sonora completa de um vídeo — desde a edição de diálogo à mistura final e exportação para os diferentes destinos. O som representa metade da experiência audiovisual. Um vídeo com imagem mediocre mas som excelente é sempre mais profissional do que o inverso.

1. Áudio digital — fundamentos

1.1 O processo de digitalização

O som é uma onda de pressão no ar — analógico e contínuo. Para o gravar digitalmente, é necessário convertê-lo em dados discretos através de dois processos:

Amostragem (sampling): medir a amplitude da onda em intervalos regulares. O número de amostras por segundo é o sample rate.

Quantização: atribuir um valor numérico a cada amostra. O número de bits disponíveis para esse valor é o bit depth.

1.2 Sample rate

O sample rate (taxa de amostragem) é o número de amostras captadas por segundo, medido em Hz ou kHz.

Valores standard: - 44 100 Hz (44.1 kHz): standard para música, CDs, podcasts. - 48 000 Hz (48 kHz): standard para vídeo e broadcast. Compatível com a maioria das câmaras. - 96 000 Hz (96 kHz): pós-produção profissional — maior resolução temporal, mais headroom para processamento. - 192 000 Hz: arquivos de alta resolução (Hi-Fi, DSD).

Teorema de Nyquist: para reproduzir fielmente uma frequência, o sample rate deve ser pelo menos o dobro dessa frequência. O ouvido humano capta até ~20 kHz, logo 44.1 kHz é teoricamente suficiente.

Regra prática: usar 48 kHz para todo o trabalho de vídeo. Evitar misturar sample rates num mesmo projecto — causa artefactos e distorção.

1.3 Bit depth

O bit depth determina o intervalo dinâmico disponível na gravação.

16 bits: 65 536 valores, 96dB de intervalo dinâmico. Standard para CD e distribuição final.

24 bits: 16 777 216 valores, 144dB de intervalo dinâmico. Standard para produção e pós-produção.

32 bits float: headroom "ilimitado" — valores acima de 0dBFS são preservados e recuperáveis em software. Ideal para gravação em campo quando o nível pode variar imprevistos.

1.4 Formatos de ficheiro de áudio

WAV (Waveform Audio File Format): formato não comprimido de referência. Alta qualidade, ficheiros grandes. Universal — funciona em qualquer sistema. Standard para produção, arquivo e entrega profissional.

AIFF (Audio Interchange File Format): equivalente ao WAV no ecossistema Apple. Igualmente sem perdas.

MP3: compressão com perdas (lossy). Reduz drasticamente o tamanho do ficheiro eliminando informação que o ouvido supostamente não detecta. Qualidade aceitável a 192-320 kbps. Nunca usar como formato de produção — usar apenas para distribuição.

AAC (Advanced Audio Codec): sucessor do MP3, melhor qualidade com mesma ou menor taxa de bits. Standard no iTunes, YouTube, streaming.

FLAC (Free Lossless Audio Codec): compressão sem perdas — ficheiro menor que WAV mas qualidade idêntica. Muito usado em arquivos digitais musicais.

OGG Vorbis: alternativa open source ao MP3/AAC. Usado em jogos e alguns serviços web.

1.5 DAWs (Digital Audio Workstations)

Uma DAW é o software de edição e produção de áudio. A interface inclui tipicamente:

• Timeline / Arrange: pistas de áudio e MIDI organizadas no tempo.
• Mixer: balanço de volume e pan de cada pista.
• Plugins: processadores de efeito (EQ, compressor, reverb, etc.).
• Piano Roll / MIDI editor: composição de música por MIDI.
• Waveform editor: edição precisa de áudio individual.

Audacity: gratuito e open source. Interface simples. Bom para edição básica, remoção de ruído, gravação de podcasts. Não tem suporte nativo a plugins VST3 (apenas VST2). Ideal para começar.

Reaper: funcionalidade profissional a preço acessível (~€60 para uso pessoal, gratuito em avaliação permanente). Muito configurável. Suporta todos os formatos de plugin. Excelente para pós-produção de vídeo.

Adobe Audition: integra nativamente com Adobe Premiere Pro — as pistas de áudio do Premiere podem ser editadas directamente no Audition e sincronizadas. Padrão na produção de vídeo em ambiente Adobe.

DaVinci Resolve / Fairlight: a secção Fairlight do DaVinci Resolve é uma DAW completa integrada no software de edição de vídeo. Gratuita. Cada vez mais usada em produção profissional independente.

2. Edição de diálogo

2.1 Sync de áudio e vídeo

Em produções com gravador de som separado da câmara, os dois ficheiros (vídeo + áudio) precisam de ser sincronizados na DAW ou no software de edição de vídeo.

Método da claquete: no início de cada take, o assistente de som fecha a claquete em frente à câmara. O fotograma da claquete fechada coincide exactamente com o som do bater. Na edição, alinha-se o frame com o som correspondente.

PluralEyes / auto-sync: software (e funcionalidade integrada em DaVinci e Premiere) que sincroniza automaticamente múltiplas fontes de áudio analisando o conteúdo do som. Eficaz em 95% dos casos.

2.2 Edição de diálogo — processo detalhado

1. Selecção de takes: ouvir todos os takes disponíveis e seleccionar o melhor de cada frase ou secção. Critérios: clareza da pronúncia, naturalidade, ausência de ruído, melhor performance.

2. Compilação: em Premiere e DaVinci, a funcionalidade "Multicam" ou "Sync Bin" facilita comparar e seleccionar takes. Em Reaper, criar uma pista por take e seleccionar regiões.

3. Corte de respirações: respirações fortes antes ou depois de frases podem ser cortadas ou atenuadas. Corte demasiado agressivo soa não natural — preferir fade out curto (5-10ms) em vez de corte a pico.

4. Corte de hesitações: "hmm", "eh", pausas excessivas, gafes — cortar. Usar crossfade de som entre os dois lados do corte para suavizar.

5. Room tone fill: os gaps criados pelos cortes precisam de ser preenchidos com room tone (o som de "silêncio" gravado na locação). Sem room tone, cada corte cria um silêncio abrupto não natural.

2.3 Redução de ruído

Ruído contínuo (broadband noise): HVAC, ventilador de computador, hum de cabos eléctricos. Carácter espectral constante ao longo do tempo.

Processo no Audacity: 1. Seleccionar 0,5-2 segundos de ruído puro (sem fala). 2. Effects → Noise Reduction → Get Noise Profile. 3. Seleccionar toda a pista. 4. Effects → Noise Reduction → aplicar. 5. Ajustar Noise Reduction (dB) — valores entre 6-15dB. Valores maiores = mais artefactos.

Cuidado com artefactos: redução de ruído agressiva introduz o chamado "efeito de burbling" ou "voz de rádio" — modulação artificial da voz. Preferir valores moderados e complementar com EQ e de-essing.

De-esser: plugin específico para reduzir sibilantes excessivos ("s", "ch", "z"). Actua apenas nas frequências de sibilância (5-10 kHz) e apenas quando ultrapassam um threshold.

2.4 Equalização de voz

High-Pass Filter (HPF): cortar tudo abaixo de 80-100 Hz. Remove rumble, vibrações mecânicas, ruído de pedais e passos. Standard em qualquer voz.

Corte de frequências problemáticas: - Cortar em "Q" estreito (Q 3-6) nas frequências que soam a caixão (200-400 Hz) ou que criam nasalidade (800 Hz-1 kHz). - Usar o método "sweep and cut": dar boost alto (+12dB) com Q estreito e varrer o espectro até encontrar a frequência problemática; depois cortar em vez de boostar.

Boost de presença: ligeiro boost entre 3-5 kHz (+2-4dB) aumenta a articulação e presença da voz. Cuidado com sibilância resultante — pode requerer de-esser.

Boost de "ar": boost suave em 10-16 kHz acrescenta vida e abertura a vozes gravadas em ambientes secos.

3. Sound design

3.1 Categorias de som

Diálogo (D): todas as falas e vozes.

Efeitos sonoros (EFX): sons de acções e eventos específicos. Subdividem-se em: - Hard EFX: sons sincronizados com acções específicas na imagem (porta, tiro, bofetada). - Background EFX / Ambiência: sons de ambiente que criam o espaço sonoro (cidade, floresta, escritório).

Foley: efeitos sonoros recriados em estúdio para substituir ou complementar o som de produção. Passos, tecidos, objectos manuseados.

Música (M): trilha musical, sting, música incidental.

Esta separação é importante na mistura: cada categoria tem o seu grupo de pistas e o seu tratamento específico.

3.2 Criação de foley

O foley é criado em estúdio a ver o vídeo. O artista de foley synchroniza os sons com a imagem em tempo real ou por edição.

Sons mais comuns de foley: - Passos: variam com a superfície (madeira, pedra, terra, neve — cada um com uma textura diferente) e com o tipo de calçado. - Roupa: movimentos de roupa (casaco a ser vestido, tecidos a roçar). - Objectos: xícaras, talheres, telemóvel a vibrar, computador portátil a fechar.

Foley básico em ambiente escolar: Com um microfone condenser ou lavalier, uma superfície de trabalho e os objectos adequados, é possível criar a maioria dos foley necessários para vídeo de curta duração.

3.3 Ambiência e room tone

Ambiência: som de fundo que define o espaço onde a acção decorre. Sem ambiência, o som parece artificial e "seco".

Room tone: o som específico de silêncio de uma locação — inclui o HVAC, o som do edifício, o tráfego distante. Diferente de um espaço para o outro.

Regra: gravar sempre 30-60 segundos de room tone em cada locação, com a equipa em silêncio mas a câmara e o som em modo de gravação. Usada na edição para preenchimento de gaps.

4. Trilha musical

4.1 Sync rights e licenciamento

Copyright vs sync license: o copyright é o direito de autor sobre uma obra musical. Para usar uma música num vídeo, é necessária uma sync license (licença de sincronização) — autorização para sincronizar a música com imagens em movimento.

O que acontece sem licença: - Em YouTube: o vídeo pode ser bloqueado, monetizado pela detentora dos direitos, ou deixado activo com monetização removida. - Em outros contextos: processo legal, multas. - Sistema de detecção: ContentID (YouTube) compara automaticamente o áudio de cada vídeo com uma base de dados de sons protegidos.

4.2 Opções de música licenciada

Royalty Free Libraries (subscrição): - Epidemic Sound (€13/mês): alta qualidade, licença clara para YouTube e redes sociais, trilhas organizadas por mood, genre e BPM. - Artlist ($199/ano): menos conteúdo, qualidade editorial mais alta. Favorito de produtores de documentários. - Musicbed: focado em conteúdo de marca e publicidade.

Royalty Free (compra única): - Audiojungle (Envato): compra por faixa, preços variáveis. Licença standard ou extended.

Gratuitas com condições: - YouTube Audio Library: gratuito, licença para YouTube. Qualidade variável. - FreeMusicArchive.org: Creative Commons. - ccMixter: Creative Commons, comunidade de remixes.

Criação com IA: - Suno.ai: gera faixas completas com voz a partir de uma descrição. Plano gratuito com uso não comercial. - Udio: geração de alta qualidade. Plano gratuito com limitações de uso. - Mubert/Beatoven.ai: música instrumental adaptativa. Bom para vídeo corporativo, sem marcas de voz.

4.3 Escolher e editar música para vídeo

Timing: a música deve complementar o ritmo do corte visual, não competir com ele.

Energia emocional: a música define o tom emocional da cena. Uma entrevista séria com música de dança torna-se involuntariamente cómica.

Transições de música: evitar cortes abruptos na música. Usar fades (fade in no início, fade out no fim) ou baixar gradualmente o nível quando começa o diálogo.

5. Mistura e masterização

5.1 Hierarquia da mistura para vídeo

A mistura para vídeo é diferente da mistura musical. O diálogo é sempre o elemento mais importante — tudo o resto existe para suportá-lo sem nunca o mascarar.

Hierarquia: Diálogo → SFX sincronizados → Ambiências → Música.

Níveis de referência: - Diálogo: -12 a -6 dBFS de pico, -18 LUFS integrado. - SFX importantes: -18 a -12 dBFS. - Ambiências: -30 a -24 dBFS. - Música de fundo (com diálogo): -30 a -24 dBFS. - Música sem diálogo (segmentos instrumentais): mais alto, até -12 dBFS.

5.2 Compressão para vídeo

Para diálogo: o compressor uniformiza o nível — reduz picos de volume e aumenta partes mais baixas. Resultado: voz mais consistente, sem que o espectador ajuste o volume.

Para SFX de grande impacto (explosão, bofetada): limiter para controlar o pico máximo sem comprimir toda a dinâmica.

Para música de fundo: sidechain compression — o compressor da pista de música é controlado pela pista de diálogo. Quando há diálogo, a música "ducha" automaticamente. Técnica profissional para evitar que a música tape a voz.

5.3 Reverb e espaço sonoro

Problem: diálogo gravado com lavalier num espaço grande soa "seco" em comparação com o ambiente visual. Acrescentar ligeiro reverb cria coerência entre o espaço visual e sonoro.

Room reverb vs Hall reverb: usar sempre o tipo de espaço adequado ao visual. Não usar reverb de concerto numa cozinha.

Decay time: tempo de "cauda" do reverb. Interior pequeno: 0,3-0,8s. Interior grande (catedral): 2-4s. Exterior: menos reverb, mais delay natural.

5.4 LUFS — Loudness for Delivery

LUFS integrado (I-LUFS): média de loudness durante toda a peça. Usado como target de entrega.

LUFS de curta duração (Short-term LUFS): média dos últimos 3 segundos. Útil para monitorizar durante a mistura.

True Peak (dBTP): pico absoluto do sinal, incluindo picos criados pela codificação. Target: máx -1 dBTP para evitar distorção após compressão para streaming.

Normalização por plataforma: YouTube, Spotify e Instagram normalizam automaticamente o loudness dos conteúdos. Um master a -14 LUFS não será alterado. Um master a -6 LUFS será atenuado (e perde dinâmica). Um master a -20 LUFS será amplificado (e ganha ruído).

6. Formatos de entrega

6.1 Broadcast e televisão (EBU R128)

A norma europeia EBU R128 define as especificações de loudness para broadcast: - Loudness integrado: -23 LUFS (±1 LU). - True Peak: máx -1 dBTP. - Loudness Range (LRA): ≤ 20 LU.

Aplicável a: RTP, SIC, TVI e todos os canais broadcast europeus.

Formato de entrega: BWF (Broadcast Wave Format) — WAV com metadados adicionais.

6.2 Streaming (Netflix, Spotify, YouTube)

Netflix: -27 LUFS para conteúdo de drama/documentário. -24 LUFS para conteúdo de entretenimento. Suporte a 5.1 e Dolby Atmos.

Spotify: normaliza para -14 LUFS. Usa análise ReplayGain.

YouTube: normaliza para -14 LUFS. Conteúdo mais alto que -14 LUFS é atenuado; mais baixo é amplificado (e perde SNR).

Instagram / TikTok / Reels: -14 LUFS. Verificar sempre com auscultadores de telemóvel — é como a maioria do público vai ouvir.

6.3 Cinema

Norma SMPTE 202M / Dolby: -24 LUFS, 5.1 ou 7.1 surround, ou Dolby Atmos para salas premium.

A mistura de cinema é fundamentalmente diferente da mistura para vídeo doméstico — dinâmica muito mais ampla, sub-bass muito mais pronunciado, ambiente envolvente.

6.4 Mobile e podcast

Podcast: -16 LUFS integrado, True Peak -1 dBTP. Formato: MP3 128-192kbps (mono) ou 256kbps (estéreo). ID3 tags completos.

Mobile: verificar sempre em: auscultadores de ouvido (earbuds), altifalante de telemóvel (baixa qualidade), coluna Bluetooth. Os três contextos soam muito diferente — a mistura deve funcionar nos três.

Glossário

AAC: Advanced Audio Codec — formato de compressão de áudio moderno.

Bit depth: profundidade de bits — resolução dinâmica de cada amostra de áudio.

Clipping: distorção causada por sinal acima de 0dBFS — irreparável.

Compressor: plugin que reduz a dinâmica de um sinal, uniformizando o volume.

ContentID: sistema da YouTube de detecção automática de conteúdo com copyright.

DAW: Digital Audio Workstation — software de produção e edição de áudio.

De-esser: plugin para reduzir sibilância excessiva.

dBFS: decibel Full Scale — escala digital onde 0dBFS é o máximo sem distorção.

EQ: equalização — ajuste do balanço de frequências de um sinal de áudio.

Foley: efeitos sonoros criados em estúdio para substituir sons de produção.

HPF: High-Pass Filter — filtro que remove frequências abaixo de um limiar.

LUFS: Loudness Units relative to Full Scale — unidade de loudness integrado.

Room tone: som de "silêncio" de uma locação, gravado para uso em pós-produção.

Sample rate: taxa de amostragem — número de amostras por segundo.

SFX: Sound Effects — efeitos sonoros.

Sidechain: técnica de compressão em que o sinal de controlo provém de outra pista.

Sync license: licença para usar música num produto audiovisual.

True Peak: pico absoluto do sinal, incluindo artefactos de codificação.

WAV: Waveform Audio File Format — formato de áudio não comprimido standard.