Transforme o VOD de uma live em cortes verticais

Por que o VOD de uma live é mais difícil de cortar que uma cabeça falante?

Porque a parte interessante quase nunca está no meio do quadro.

Uma live é composta antes mesmo de ser gravada. O gameplay, uma tela compartilhada ou um navegador ocupam toda a largura 16:9, e o streamer fica numa pequena caixa de webcam num canto — embaixo à esquerda, embaixo à direita, onde o HUD não estiver. Essa única decisão de layout quebra a suposição que todo gerador de cortes genérico faz. Corte o centro e você fica com o meio de um mapa de jogo, sem rosto, sem reação e sem saber quem está falando. Acompanhe o rosto em vez disso e você fica com uma caixa de canto muito ampliada, com o gameplay ao qual ela reagia cortado fora.

O segundo problema é a duração. Um vídeo de cabeça falante tem minutos; um VOD tem horas. O momento que vale cortar são quatro minutos em algum ponto de quatro horas, e achá-lo passando o vídeo na mão é o motivo de a maioria dos VODs de streamers nunca ser cortada. Esse acervo é o caso mais claro de estoque não publicado que existe: horas de material gravado que chegou às pessoas que já assistiam ao vivo e a mais ninguém.

O terceiro é que o áudio é contínuo. Não há marcas de capítulo, nem edições, nem limites naturais, então os pontos de corte precisam vir da transcrição e das mudanças de cena visuais, e não de uma estrutura que não existe.

Como o Clippen refaz o layout de uma live?

Com um modo chamado INSET, e vale explicá-lo porque a parte interessante é a detecção.

O Clippen não pergunta a um modelo de linguagem se o quadro tem uma caixa de webcam — perguntar piorou a escolha geral de layout. Ele encontra o recuadro geometricamente, com três testes que uma webcam no canto passa e uma cabeça falante não. O sujeito é pequeno no quadro. O sujeito está descentrado na horizontal — uma cabeça falante pode ficar alta no quadro, mas quase sempre está centrada, então a posição vertical sozinha não basta. E a caixa do sujeito quase não se move entre as amostras: uma sobreposição de webcam fica presa nos mesmos pixels, variando alguns pixels ao longo de um corte, enquanto uma pessoa de verdade num cômodo se move centenas.

Quando os três testes passam, o corte é refeito em vez de recortado: a tela corre em largura total no topo do quadro 9:16, e a caixa da webcam é ampliada embaixo dela. As duas metades da composição original sobrevivem — você consegue ler o que está na tela e ver a reação a isso num tamanho legível.

O modo SCREENCAST, relacionado, cobre o outro formato do mesmo problema: uma tela compartilhada ou um conjunto de slides que ocupa a maior parte da largura, com quem apresenta ao lado, e não por cima. O conteúdo mais estreito que metade do quadro é deixado como está, porque um letreiro de canto ou um terço inferior sobrevive perfeitamente bem a um recorte e reempilhá-lo seria pior que não fazer nada.

Quanto custa um VOD de quatro horas?

240 créditos. O Clippen cobra pela duração do vídeo de origem, e um crédito é um minuto dela, então quatro horas são 240 minutos, que são 240 créditos — cobrados uma vez, pela execução inteira, não importa quantos cortes voltem.

O Clippen é uma ferramenta paga e cobra pela duração do que você envia: um crédito é um minuto de vídeo de origem, e essa única cobrança cobre a execução inteira — todos os cortes que o vídeo render, o reenquadramento vertical, as legendas e o gancho. Um podcast de 60 minutos custa 60 créditos, volte ele com seis cortes ou com doze. Os planos começam em US$ 19,99 por mês para 150 créditos (US$ 11,66 por mês na cobrança anual) e vão até US$ 59,99 por mês para 800 créditos. Não há plano gratuito.

Vale conferir isso com cuidado em qualquer ferramenta que você comparar, porque a cobrança por minuto e a cobrança por corte produzem números muito diferentes para o mesmo VOD. Uma live de quatro horas que rende doze cortes custa aqui os mesmos 240 créditos que uma que rende oito. Um limite mensal de cortes finalizados precifica o mesmo VOD por uma saída que ninguém consegue prever antes de apertar em iniciar.

A consequência prática para streamers é que aparar o vídeo de origem é a alavanca que importa. Se você sabe que a primeira hora foi preparação e bate-papo, envie as três horas finais e pague 180 em vez de 240. Nada mais na execução muda.

Quanto tempo leva e o que volta?

Enviamos um e-mail assim que ficam prontos. O trabalho roda no servidor: envie o VOD quando a live acabar e vá dormir.

cerca de 10 cortes de um envio, seja qual for a duração, cada um com 15 a 60 segundos, e a quantidade acompanha o que há no material — tempo morto e preparação não geram cortes para bater um número. Cada um chega finalizado:

• Vertical em 1080×1920, com 9:16, 1:1 e 16:9 disponíveis na mesma execução.
• Legendas palavra por palavra gravadas no vídeo, com a palavra falada destacada e o idioma detectado automaticamente.
• Um título de gancho escrito por IA sobre os primeiros segundos.
• Um layout escolhido por cena: INSET para webcam no canto, SCREENCAST para uma tela compartilhada ao lado de quem apresenta, TRACK para um trecho de webcam em quadro cheio, SPLIT para um plano com duas pessoas numa live em dupla.
• Zooms de destaque opcionais nas batidas, para que uma webcam fixa não pareça um corte fixo.
• Baixe ou poste no TikTok, no Instagram Reels e no YouTube Shorts a partir do painel.

Para lives sem nenhum rosto na tela — uma captura de jogo em tela cheia só com voz — não há recuadro para encontrar nem sujeito para acompanhar, então essas cenas são tratadas como layouts em largura total, com o áudio e as legendas sustentando o corte. O reenquadramento não consegue inventar um plano de reação que nunca foi gravado.