02 Criar um projeto

O DeepVideo tem quatro tipos de projeto, e eles são mais diferentes do que os nomes sugerem. Escolher o tipo errado leva você a um longo desvio, então leia esta seção primeiro.

1. Os quatro tipos de projeto

Para fazer um vídeo falar outro idioma, escolha Profissional. Para obter somente legendas, ou para gravar somente legendas, escolha Legendas de vídeo. Se você já tem um vídeo traduzido e quer reescrever as falas e regravá-las, escolha Dublagem de vídeo.

2. Opções no formulário de Novo projeto

A lista abaixo segue os grupos conforme a interface os agrupa, e cada item informa seu valor padrão. O padrão é o valor que você deve deixar como está na primeira vez que usar o app.

Arquivo & Idioma

• Nome do projeto: dê o nome que quiser, você pode renomeá-lo depois.
• Caminho do arquivo de vídeo: aceita mp4 / mkv / avi / mov / webm / flv. Também pode ser um vídeo de plataforma que você já tem no disco — um arquivo que você obteve com o Download de vídeo.
• Idioma de origem (padrão Detecção automática): o idioma falado no vídeo. A detecção automática é boa o suficiente na maioria das vezes; se você sabe qual idioma é falado no vídeo, selecione-o você mesmo e tenha certeza.
• Idioma de destino (padrão Inglês): o idioma para o qual você traduz. Legendas de vídeo e Dublagem de vídeo não têm esse campo.

Níveis de qualidade

• Qualidade do reconhecimento de fala: escolha entre Rápido / Padrão / Profissional. Quanto maior, mais preciso e mais lento — a própria dica do app diz "Modelos de maior qualidade são mais lentos, mas mais precisos". Para um vídeo longo, executar o nível Rápido uma vez para ver o que você obtém custa muito menos tempo do que acompanhar uma execução Profissional até o fim.
• Qualidade da síntese de voz: escolha entre Rápido / Qualidade do áudio (o tipo Expert adiciona o nível Profissional mais alto; a Tradução rápida de vídeo não tem esse nível). O nível mais alto soa mais natural e é mais lento. Observe que o segundo nível é rotulado como "Qualidade do áudio" na interface — "Padrão" é o nome usado pelo campo Qualidade do reconhecimento de fala acima.

Voz

Uma das três, e o padrão é Clonagem de voz:

• Clonagem de voz: clona o timbre da pessoa que fala no vídeo e faz essa voz falar o idioma de destino. A opção que fica mais próxima do original.
• Personagens integrados: o conjunto de vozes que acompanha o app.
• Papel personalizado: papéis que você criou na página Papéis de voz.

Se o seu plano não cobrir clonagem, esta opção fica esmaecida e mostra "A clonagem de voz não é suportada no seu plano atual"; o formulário então volta para Personagens integrados automaticamente.

A Tradução de vídeo profissional não escolhe uma voz aqui — ela sempre é executada em duas etapas, e a voz é definida na segunda etapa, na barra lateral esquerda do editor, então este campo não aparece no formulário. A Tradução de vídeo com um clique, Legendas de vídeo e Dublagem de vídeo ainda pedem essa informação aqui.

Legendas

O formulário de Tradução de vídeo profissional não tem nenhum item deste grupo (isso também é definido na barra lateral esquerda do editor); os itens abaixo aparecem nos outros três tipos:

• Adicionar legendas (padrão desativado): decide se o vídeo final inclui legendas incorporadas. Ative a opção se quiser legendas — é a opção que as pessoas mais esquecem.
• Idioma da legenda: Somente alvo / Somente origem / Bilíngue.
• Ordem das legendas: com Bilíngue, qual linha fica no topo — as duas opções têm exatamente estes nomes Texto original no topo e Tradução no topo.
• Tamanho da legenda (padrão Médio), Fundo da legenda (padrão Não), Fonte (com Bilíngue, isso vira dois campos: Fonte do idioma original e Fonte do idioma de destino), Posição das legendas (três opções: Detecção auto / Baixo / Cima; Detecção auto é o padrão).
• Correção de legendas com IA (padrão ativado): um modelo grande corrige os caracteres errados produzidos pelo reconhecedor de fala. Desativá-lo economiza um pouco do uso da nuvem, ao custo de levar erros do texto de origem direto para a tradução.

Multi-falante & Expressão

• Modo multi-falante (desativado por padrão, ativado obrigatoriamente em Dublagem de vídeo): detecta quantas pessoas falam no vídeo, dá a cada uma uma voz diferente e permite editar por pessoa. O maior impacto está nas etapas — com ele ativado, o pipeline executa uma etapa extra de Identificação de locutores, veja 03 Pipeline de tradução e progresso.
• Número de falantes: Detecção automática, ou um número fixo de 2–5 falantes. Quando a detecção continua errando, definir você mesmo a contagem dá menos trabalho.
• Reconhecimento de emoções (desativado por padrão): lê a emoção na voz original e a usa para moldar a interpretação da dublagem.

Volume

• Ajuste de volume da voz: −50% a +50%, que ajusta a voz dublada em relação ao áudio de fundo.
• Normalização de sonoridade (ativado por padrão): equilibra a sonoridade geral. O tipo Expert não é solicitado no formulário — você o define no editor.
• Preservar o equilíbrio de volume original (ativado por padrão): mantém ao máximo a proporção entre voz e fundo do vídeo original. Somente o tipo Expert tem isto, e também é definido no editor.

Controle de tradução

• Tradução avançada (desativado por padrão): ative-o e você poderá definir Estilo de tradução, Domínio da indústria e Instruções personalizadas.
• Usar glossário (desativado por padrão): anexe um ou mais glossários para fixar como nomes de marcas e nomes próprios são traduzidos.

3. O que as cotas impedem que você processe

Dois limites rígidos: um vídeo único cuja duração ultrapassa o limite do seu plano é recusado de imediato (1 minuto no plano gratuito), e você é recusado quando a duração acumulada no seu período de cobrança é esgotada. Os números exatos e a mensagem que você recebe ao atingir qualquer um dos limites estão em 10 Planos e cotas. O tamanho do arquivo não tem limite extra próprio — somente a duração conta.