Por que vale revisar mesmo com uma transcrição boa

Os modelos de reconhecimento de voz atuais transcrevem bem o português falado. O problema não é a taxa de acerto geral, e sim onde os erros se concentram: nas palavras que mais importam. Um nome próprio errado numa legenda gravada sobre o rosto do convidado aparece mais do que vinte artigos certos. Por isso vale revisar com uma lista, e não relendo de cima a baixo.

Esta é a lista que usamos com os cortes que saem do ClipFlap, na ordem em que os erros mais se notam. Se você ainda está montando o fluxo, comece por cortes de podcast com IA: como fazer e volte aqui na hora de revisar.

1. Nomes próprios e marcas

Pessoas, empresas, cidades, produtos. São as palavras que o modelo tem menos chance de ter visto, e as que o espectador reconhece na hora se estiverem erradas. Confira cada uma contra a fonte: a descrição do episódio, o perfil do convidado, o site da marca. Se o convidado pronuncia um nome estrangeiro à brasileira, o modelo pode escrever uma aproximação fonética; corrija para a grafia real.

2. Números

Datas, preços, porcentagens, anos. "Mil novecentos e noventa e oito" pode aparecer como 1998, como 1.998 ou por extenso. Decida uma convenção e aplique no clipe inteiro. Confira principalmente os números que fazem parte do gancho: se o título diz um valor e a legenda diz outro, o clipe perde credibilidade na hora.

3. Acentos e cedilha

O reconhecimento costuma acertar os acentos, mas não sempre, e um "e" no lugar de "é" muda o sentido da frase. Passe os olhos nas palavras curtas que dependem de um acento: é, está, avô e avó, pôde e pode. Confira também o ç em nomes e sobrenomes.

4. Trocas de idioma

Anglicismos, termos técnicos, citações em outra língua. A transcrição pode traduzi-los, transcrevê-los foneticamente ou simplesmente omiti-los. A regra é escrever como foi dito, na grafia original, porque a legenda precisa bater com o áudio. Se o convidado diz "feedback", a legenda diz "feedback".

5. Vícios de linguagem e repetições

"Tipo", "né", "assim", uma palavra repetida no começo da frase. Legendas que mantêm tudo ficam pesadas de ler; legendas que apagam tudo podem dessincronizar do áudio se a ferramenta não ajustar os tempos. O razoável é tirar os vícios puros e manter as repetições que dão ênfase. Depois, confira se as palavras continuam aparecendo quando são ditas.

6. Sincronia e quebras de linha

Assista ao clipe com o som ligado e veja se a palavra destacada coincide com a voz. Um adiantamento de meio segundo é o defeito mais visível que uma legenda pode ter. Depois olhe as quebras de linha: uma linha não deveria partir uma unidade como "15 de março" ou um nome composto. Se a ferramenta agrupa as palavras por frase, isso se resolve quase sozinho; se agrupa por número fixo de palavras, você vai ter que ajustar.

7. O título do cartão

O gancho na tela é um texto separado da legenda e é gerado à parte. Confira se ele diz algo que o convidado realmente sustenta. Um título que contradiz ou exagera o que se diz no clipe é o erro que mais atrai comentário negativo, e o mais fácil de corrigir: na página de resultados você edita o título e o clipe é gerado de novo com o cartão novo.

Quanto tempo leva

Com essa lista, revisar um clipe de um minuto leva uns cinco minutos, e a maior parte vai nos nomes próprios. Para ver como ficam as legendas sincronizadas por palavra num clipe real, abra a demonstração de legendas em português. O guia detalhado sobre o gerador de clipes está em inglês: AI podcast clip generator.