Transforma o VOD de um direto em clipes verticais

Porque é que um VOD de um direto é mais difícil de cortar do que um talking head?

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

Um direto é composto antes de ser gravado. O jogo, um ecrã partilhado ou um navegador ocupa toda a largura 16:9, e o streamer fica numa pequena caixa de webcam num canto — em baixo à esquerda, em baixo à direita, onde quer que o HUD não esteja. Essa única decisão de layout quebra o pressuposto que todos os cortadores genéricos fazem. Recorta-se o centro e obtém-se o meio de um mapa de jogo sem rosto, sem reação e sem se saber quem está a falar. Segue-se antes o rosto e obtém-se uma caixa de canto muito ampliada, com o jogo a que estava a reagir cortado fora.

O segundo problema é a duração. Um vídeo de talking head tem minutos; um VOD tem horas. O momento que vale a pena cortar são quatro minutos algures dentro de quatro horas, e encontrá-lo a arrastar a barra é a razão por que os VODs da maioria dos streamers nunca chegam a ser cortados. Esse arquivo é o caso mais claro de inventário por publicar que existe: horas de material gravado que chegaram a quem já estava a ver em direto e a mais ninguém.

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

Como reconstrói o Clippen um layout de direto?

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

O Clippen não pergunta a um modelo de linguagem se o quadro tem uma caixa de webcam — perguntar piorou a escolha global de layout. Encontra o recuadro geometricamente, usando três testes que uma webcam de canto passa e um talking head não. O sujeito é pequeno no quadro. O sujeito está descentrado na horizontal — um talking head pode estar alto no quadro mas está quase sempre centrado, por isso a posição vertical sozinha não chega. E a caixa do sujeito quase não se mexe entre amostras: uma sobreposição de webcam está fixa nos mesmos píxeis, derivando uns poucos píxeis ao longo de um clipe, enquanto uma pessoa real numa sala se move centenas.

Quando os três se verificam, o clipe é reconstruído em vez de recortado: o ecrã corre em largura total no topo do quadro 9:16 e a caixa da webcam é ampliada por baixo. As duas metades da composição original sobrevivem — consegues ler o que está no ecrã e ver a reação a isso num tamanho legível.

O modo relacionado SCREENCAST cobre a outra forma do mesmo problema: um ecrã partilhado ou um conjunto de diapositivos que ocupa a maior parte da largura, com um apresentador ao lado e não por cima. O conteúdo mais estreito do que metade do quadro é deixado em paz, porque um indicador de canto ou um terço inferior sobrevive perfeitamente a um recorte e voltar a empilhá-lo seria pior do que não fazer nada.

Quanto custa um VOD de quatro horas?

240 créditos. O Clippen cobra pela duração da origem, e um crédito é um minuto dela, por isso quatro horas são 240 minutos são 240 créditos — cobrados uma só vez, pela execução inteira, independentemente do número de clipes que voltar.

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

Vale a pena verificar isto com cuidado em qualquer ferramenta que compares, porque a cobrança por minuto e a cobrança por clipe produzem números muito diferentes para o mesmo VOD. Um direto de quatro horas que rende doze clipes custa aqui os mesmos 240 créditos que um que rende oito. Um limite mensal de clipes acabados fixa o preço do mesmo VOD por um resultado que ninguém consegue prever antes de carregar em começar.

A consequência prática para os streamers é que cortar a origem é a alavanca que conta. Se sabes que a primeira hora foi preparação e chat, envia as três últimas e paga 180 em vez de 240. Mais nada na execução muda.

Quanto tempo demora e o que volta?

Enviamos-te um email assim que estiverem prontos. A tarefa corre no servidor: envia o VOD quando o direto acabar e vai dormir.

cerca de 10 clipes de um único envio, qualquer que seja a sua duração, cada um com 15 a 60 segundos, e o número acompanha o que há no material — o tempo morto e a preparação não geram clipes só para atingir um número. Cada um chega acabado:

• 1080×1920 na vertical, com 9:16, 1:1 e 16:9 disponíveis na mesma execução.
• Legendas ao nível da palavra gravadas no vídeo com a palavra dita realçada, idioma detetado automaticamente.
• Um título de gancho escrito por IA nos primeiros segundos.
• Um layout escolhido por cena: INSET para webcam no canto, SCREENCAST para um ecrã partilhado ao lado do apresentador, TRACK para um segmento de facecam em quadro inteiro, SPLIT para um plano com dois oradores num direto partilhado.
• Aproximações opcionais nos momentos fortes, para que uma webcam fixa não faça o clipe parecer fixo.
• Descarrega, ou publica no TikTok, nos Instagram Reels e nos YouTube Shorts a partir do painel.

Para diretos sem nenhum rosto no ecrã — uma captura de jogo em ecrã inteiro só com voz — não há recuadro para encontrar nem sujeito para seguir, por isso essas cenas são tratadas como layouts de largura total, com o áudio e as legendas a levarem o clipe. O reenquadramento não consegue inventar um plano de reação que nunca foi gravado.