Layout de locutores

O nó Layout de locutores enquadra uma gravação inteira por falante em uma etapa. Nada é cortado, então o vídeo tem a mesma duração da gravação. Com uma câmera, cada falante é enquadrado na sua vez. Com várias câmeras de uma mesma conversa, cada falante aparece na própria câmera.

Por dentro, o nó executa as mesmas etapas que você pode conectar à mão: Transcrever com os falantes identificados e os tempos das palavras, e depois o Visão de falantes sobre a gravação inteira. O Visão de falantes coloca uma caixa em cada falante na tela e muda para quem está falando. Cada etapa é executada como uma tarefa própria, então uma gravação longa, um cancelamento ou uma falha se comportam como em um workflow montado à mão.

O Layout de locutores renderiza com o Visão de falantes, que é executado no Nodaro Cloud. Em uma instalação auto-hospedada, conecte a instalação ao Nodaro Cloud, em Integrações › nodaro.ai ou com uma chave de API. Sem uma conexão, o nó não é oferecido e uma execução é recusada antes de qualquer etapa começar.

Quando usar

• Fazer uma versão vertical, enquadrada nos falantes, de um videocast inteiro com duas pessoas.
• Fazer uma entrevista multicâmera em que cada falante aparece na própria câmera, sem cortar nada.
• Fazer uma versão quadrada ou 4:5 da gravação de um painel, com cada falante em uma caixa.

Para também cortar a gravação, por exemplo os silêncios e os vícios de linguagem, use o Enxugar episódio com um enquadramento. Para clipes curtos, use o Pacote de clipes.

Início rápido

Entradas

Estes casos são recusados antes de qualquer cobrança:

• Um vídeo que já é estreito. Com uma gravação, um vídeo tão estreito quanto o formato escolhido, ou mais, não tem largura sobrando para acompanhar um falante. Escolha um formato mais estreito ou use um vídeo mais largo.
• Uma gravação sem imagem. Não há nada para enquadrar.
• Uma gravação que não pode ser lida.

Com mais de uma gravação conectada em Gravações, a primeira é a Câmera 1. Arraste as gravações no painel de configurações para mudar a ordem.

Saídas

Configurações

A transição Fusão aparece sempre desativada, com o motivo “Nada é cortado da gravação, então não há onde aplicar a fusão”. Pan e Zoom aparecem desativados em Lado a lado, Empilhado e Grade, que mantêm fixo o lugar de cada falante. Uma transição desativada que um nó ou uma requisição de API define mesmo assim é desenhada como um corte.

Cada falante na tela recebe uma caixa automática. Uma voz ouvida só por pouco tempo, menos de 10 segundos e menos de 5% da conversa, não recebe uma caixa própria. Assim, um rótulo perdido na transcrição nunca ocupa parte do quadro.

Seguir rostos

A Origem do enquadramento define de onde vêm as caixas dos falantes:

• Automático (seguir rostos). Segue os rostos enquanto o Quadros dos falantes estiver disponível para você, e usa a divisão igual nos outros casos, sem recusa e sem cobrança extra. A estimativa segue a mesma regra.
• Divisão igual. Cada falante na tela recebe uma parte igual do quadro.
• Seguir rostos. O Quadros dos falantes rastreia cada rosto, e o Visão de falantes o acompanha. O Quadros dos falantes é cobrado por bloco iniciado de 1.000 quadros amostrados. Os rostos ainda não são associados aos falantes: uma câmera que mostra uma pessoa é seguida, e uma câmera compartilhada por vários falantes mantém a divisão igual.

Onde o Quadros dos falantes não está disponível para você, o painel de configurações não oferece origem do enquadramento, e Automático (seguir rostos) é a divisão igual. Um nó definido como Seguir rostos mostra então um aviso, e a execução dele é recusada com 403 node_not_available antes de qualquer cobrança.

Várias câmeras

Conecte a gravação de cada câmera em Gravações. Quando tiver uma, conecte a faixa do mixer ou do gravador em Áudio principal. A execução então alinha as gravações com o Sincronizar áudio, transcreve o som e descobre em qual câmera está cada falante com o Mapa de falantes. Com duas ou mais câmeras, o Troca de câmeras coloca cada trecho em quem está falando. Depois, o Visão de falantes enquadra o plano de cada câmera.

• Gravações. Até seis gravações de uma mesma conversa, em ordem: Câmera 1, Câmera 2 e assim por diante. No máximo cinco delas podem ser câmeras. O sexto lugar é para o som: um áudio principal ou uma gravação só de som.
• Áudio principal. O som do vídeo, e o relógio ao qual as gravações são alinhadas. Sem um áudio principal, o nó escolhe um único som para o vídeo inteiro, então o som nunca pula entre os microfones das câmeras.
• Câmera aberta. A câmera que mostra todo mundo. Um falante sem câmera própria aparece nela. Não há nenhuma por padrão.
• Gravações já sincronizadas. Ative quando todas as gravações já compartilham um mesmo relógio. A execução então pula a etapa do Sincronizar áudio.
• Quem aparece em qual câmera. Por padrão, o Mapa de falantes decide isso pelos microfones das próprias câmeras. Defina um falante em uma câmera, ou no plano aberto, para substituir a decisão. O Falante 1 é a primeira voz ouvida, o Falante 2 a seguinte, e assim por diante.

O resultado da execução informa quem foi colocado em qual câmera, com as observações do alinhamento e do mapa. Onde o Mapa de falantes não está disponível para você, uma execução no editor ou em um app lê só a primeira gravação, e o painel de configurações avisa isso.

Revisar antes de renderizar

Com Revisar antes de renderizar ativado, a execução para em uma prévia. O Visão de falantes a renderiza na tarifa de prévia, mais baixa. Assista à prévia e clique em Renderização final no nó. Ela renderiza o vídeo em qualidade total, com as configurações usadas na prévia.

• Não há nada para editar. O layout não tem corte para mudar, então o nó não tem editor de revisão.
• A Renderização final renderiza só a renderização. O Transcrever, o Quadros dos falantes e, com várias câmeras, o Sincronizar áudio, o Mapa de falantes e o Troca de câmeras não são executados nem cobrados de novo. Não há taxa.
• Alguém precisa revisar. Uma execução de workflow ou de app sem ninguém para revisar não pode parar na prévia e falha com preview_review_required. As ferramentas MCP speaker_layout e continue_use_case são revisadas pelo assistente de IA que as chama.
• Não uma vez por item de lista. Um nó com Revisar antes de renderizar ativado que recebe uma Lista é recusado antes de qualquer execução começar, sem cobrança. Com a opção desativada, uma Lista executa o nó uma vez por item, cada um como uma execução própria, com a própria taxa.

Se uma execução falhar

As etapas concluídas continuam concluídas. Os resultados delas, como a transcrição, o alinhamento e o mapa de câmeras, são mantidos e não são cobrados de novo. Clique em Continuar no nó: só a etapa que falhou e as etapas seguintes são executadas de novo. A taxa de uma execução que falhou é reembolsada, e o Continuar a reserva de novo, então uma execução paga a taxa uma vez só.

Créditos

O Layout de locutores cobra cada etapa pela própria tarifa, a mesma do nó que ela representa, mais uma pequena taxa por execução. O nó mostra a estimativa completa, com a taxa, antes da execução.

• A taxa por execução é cobrada uma vez por execução. Uma Renderização final depois de uma revisão não paga a taxa de novo.
• Uma Lista executa cada item como uma execução própria, com a própria taxa.
• Você paga pelos minutos do próprio vídeo enquadrado, não pela estimativa.

A estimativa antes da execução

A estimativa calcula o Visão de falantes pela duração total da gravação, que é a duração do vídeo que ele faz. Como o layout não é conhecido antes da execução, a estimativa usa a tarifa mais alta do Visão de falantes. Uma gravação com no máximo dois falantes na tela e sem zoom é cobrada pela tarifa mais baixa. Uma gravação sem duração conhecida é estimada no limite de 180 minutos. Com várias câmeras, o Visão de falantes é calculado pela duração do som: o áudio principal, ou senão a gravação mais longa.

Dicas

• Mantenha o enquadramento automático. Automático (seguir rostos) segue os rostos quando pode, e não custa nada a mais quando não pode.
• Revise gravações longas. Ative Revisar antes de renderizar e confira a prévia antes de pagar pela renderização em qualidade total.
• Reaproveite a edição. Conecte a saída Edição (EDL) a um segundo Visão de falantes para renderizar o mesmo enquadramento em outro formato.
• Corte e enquadre. Para também remover silêncios e vícios de linguagem, use o Enxugar episódio com um enquadramento.

Solução de problemas

Pela API

O POST /v1/speaker-layout inicia uma execução e responde 202 com jobId e executionId. O corpo recebe mediaUrls, uma lista com uma gravação de vídeo ou até seis gravações de uma mesma conversa, e, opcionalmente, masterAudioUrl, cameras, targetAspect, layout, switchType, emphasisStyle, framingSource e reviewBeforeRender. Consulte a tarefa periodicamente com GET /v1/jobs/:id/status.

• O cameras recebe wide (um número de gravação, ou null), synced (true quando as gravações já compartilham um relógio) e speakerCameras, que associa um número de falante a um número de gravação. 0 significa o plano aberto.
• O framingSource é "auto", "static" ou "tracking". Quando omitido, é "auto". O emphasisStyle é "none", ou "scale", "border" e "dim" unidos com "+".
• O output_data da tarefa traz o vídeo enquadrado (videoUrl), a duração dele em segundos (durationSec) quando a execução a conhece, a edição (json), a transcrição e quality (proxy para uma prévia, final nos outros casos). Uma execução com várias gravações acrescenta cameras, o relatório de quem está em qual câmera. Uma execução que falhou indica a etapa que falhou em failedStep.
• Um cabeçalho Idempotency-Key faz uma nova tentativa da mesma requisição responder com o mesmo jobId e "deduped": true, sem iniciar nada.
• O POST /v1/speaker-layout/estimate recebe o mesmo corpo e responde { data: { totalCredits, stepsCredits, feeCredits, durationSec } }, sem iniciar nada.
• O POST /v1/speaker-layout/continue com { jobId, mode } continua uma execução. "mode": "from-failed" executa o que uma execução que falhou não concluiu. "mode": "render-final" renderiza a final de uma execução de revisão. Ele não recebe editedEdl: um enviado é recusado com 400 use_case_no_plan.

O SDK (client.edit.speakerLayout, client.edit.estimateSpeakerLayout, client.edit.continueUseCase), a CLI (nodaro edit speaker-layout, com --estimate para uma cotação, e nodaro edit continue-use-case) e as ferramentas MCP speaker_layout, estimate_use_case e continue_use_case chamam as mesmas rotas. Veja Executar um único nó, Edição no SDK e a Referência das ferramentas MCP.