# Layout de locutores

> Enquadre a gravação inteira de um podcast ou entrevista por falante em um nó, sem cortar nada. Com várias câmeras, cada falante aparece na própria câmera.

Source: https://nodaro.ai/pt-BR/docs/nodes/video/speaker-layout

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**](https://nodaro.ai/docs/nodes/audio/transcribe) com os falantes identificados e os tempos das palavras, e depois o [**Visão de falantes**](https://nodaro.ai/docs/nodes/video/speaker-view) 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](https://nodaro.ai/docs/self-hosting/cloud-connect), 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**](https://nodaro.ai/docs/nodes/video/tighten-episode) com um enquadramento. Para clipes curtos, use o [**Pacote de clipes**](https://nodaro.ai/docs/nodes/video/clip-pack).

## Início rápido
### Adicionar o nó
Pressione Tab no canvas e escolha **Vídeo › Podcast › Layout de locutores**.

### Conectar a gravação
Conecte o vídeo à entrada **Gravações**, por exemplo a partir de um nó [**Enviar vídeo**](https://nodaro.ai/docs/nodes/video/upload-video). A gravação pode ter até 3 horas e precisa ter som.

### Escolher o formato e o layout
Escolha primeiro o **Formato**, depois um **Layout**, uma **Transição** e um **Destaque**. Os padrões são `9:16`, **Empilhado**, **Corte** e **Escala**.

### Executar
Clique em **Executar** no nó. O nó retorna o vídeo enquadrado e a edição que o Visão de falantes desenhou.

Workflow: O Layout de locutores enquadra um podcast inteiro com duas pessoas em 9:16, com os falantes empilhados, e passa o vídeo adiante.

- Enviar vídeo → Layout de locutores (Gravações)
- Layout de locutores → Formato para redes (Vídeo)

## Entradas
| Entrada | Aceita | O que faz |
| --- | --- | --- |
| **Gravações** | Vídeo | A gravação, de até 3 horas, com som. Obrigatória. Com [várias câmeras](#several-cameras), conecte aqui a gravação de cada câmera. |
| **Áudio principal** | Áudio | Com várias câmeras: a faixa do mixer ou do gravador, que vira o som do vídeo. Opcional. |

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
| Saída | O que leva |
| --- | --- |
| **Vídeo** | O vídeo enquadrado. Ele leva a própria duração, então um nó cobrado pela duração do que recebe, como o [**Cortar vídeo**](https://nodaro.ai/docs/nodes/video/trim-video) ou o [**Combinar vídeos**](https://nodaro.ai/docs/nodes/video/combine-videos), é cobrado pela duração do vídeo enquadrado. |
| **Edição (EDL)** | A edição que o Visão de falantes desenhou: a gravação inteira, com as caixas de cada falante. Conecte-a a outra renderização, por exemplo a um segundo [**Visão de falantes**](https://nodaro.ai/docs/nodes/video/speaker-view) em outro formato. São dados, não mídia, então ela não se conecta a uma entrada que aceita só áudio, vídeo ou imagens. Conecte a saída **Vídeo** nesse caso. |

## Configurações
| Configuração | O que faz |
| --- | --- |
| **Formato** | O formato do vídeo: `16:9`, `9:16` (o padrão), `1:1` ou `4:5`. |
| **Layout** | Os layouts que o Visão de falantes desenha no formato escolhido: **Automático**, **Único**, **Lado a lado**, **Empilhado** (o padrão), **Grade** ou **Imagem em imagem**. Um layout que o formato não desenha é trocado por um que ele desenha. |
| **Transição** | A transição a cada troca de falante. **Corte** é o padrão. Uma transição que o layout não permite aparece desativada, com o motivo, como no Visão de falantes. |
| **Destaque** | Como o falante que está falando é marcado: **Nenhum**, ou **Escala** (o padrão), **Borda** e **Escurecer**, sozinhos ou juntos. |
| **Origem do enquadramento** | **Automático (seguir rostos)** (o padrão), **Divisão igual** ou **Seguir rostos**. Veja [Seguir rostos](#following-faces). |
| **Revisar antes de renderizar** | Desativado por padrão. Quando ativado, a execução para em uma prévia rápida. Veja [Revisar antes de renderizar](#review-before-render). |
| **Câmeras** | Aparece com duas ou mais gravações ou com um áudio principal. Veja [Várias câmeras](#several-cameras). |

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**](https://nodaro.ai/docs/nodes/video/speaker-frames) 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**](https://nodaro.ai/docs/nodes/audio/audio-sync), transcreve o som e descobre em qual câmera está cada falante com o [**Mapa de falantes**](https://nodaro.ai/docs/nodes/audio/speaker-map). Com duas ou mais câmeras, o [**Troca de câmeras**](https://nodaro.ai/docs/nodes/video/camera-switch) 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.

| Etapa | Preço |
| --- | --- |
| Transcrever, no ElevenLabs STT | 25 créditos por execução |
| Visão de falantes | De 11 a 14 créditos por minuto da gravação, conforme o layout. Uma prévia custa de 3 a 4 créditos por minuto. Veja [**Visão de falantes**](https://nodaro.ai/docs/nodes/video/speaker-view#credits). |
| Quadros dos falantes, quando o enquadramento segue os rostos | Por bloco iniciado de 1.000 quadros amostrados, com o total da execução arredondado para cima uma vez. Uma gravação é amostrada no vídeo inteiro, a 2 quadros por segundo. Veja [**Quadros dos falantes**](https://nodaro.ai/docs/nodes/video/speaker-frames#credits). |
| Sincronizar áudio, com várias câmeras | 11 créditos para cada gravação alinhada ao som. Nada quando as gravações já estão sincronizadas. |
| Mapa de falantes, com várias câmeras | Um preço fixo por execução. Veja [**Mapa de falantes**](https://nodaro.ai/docs/nodes/audio/speaker-map#credits). |
| Troca de câmeras, com duas ou mais câmeras | Um preço fixo por execução. Veja [**Troca de câmeras**](https://nodaro.ai/docs/nodes/video/camera-switch#credits). |

- **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**](https://nodaro.ai/docs/nodes/video/tighten-episode) com um enquadramento.

## Solução de problemas
| Problema | O que fazer |
| --- | --- |
| A execução é recusada porque o vídeo é estreito demais | O vídeo já é tão estreito quanto o formato, ou mais. Escolha um **Formato** mais estreito ou use um vídeo mais largo. |
| A execução é recusada antes de começar | Verifique se a gravação é um vídeo, com até 3 horas e com som. |
| Só a primeira gravação foi usada | O Mapa de falantes não está disponível para você, então o nó lê só a primeira gravação. O painel de configurações avisa isso. |
| **Seguir rostos** é recusado com `403 node_not_available` | O Quadros dos falantes não está disponível para você. Escolha **Divisão igual** ou **Automático (seguir rostos)**. |
| O nó falha com `preview_review_required` | A execução não tinha ninguém para revisar a prévia. Desative **Revisar antes de renderizar** em execuções pela API, por um gatilho ou por um app sem ninguém para revisar. |
| Uma etapa falhou | Clique em **Continuar** no nó. As etapas concluídas mantêm os resultados e não são cobradas de novo. |
| O nó não aparece em uma instalação auto-hospedada | Conecte a instalação ao Nodaro Cloud. Veja [Conectar ao Nodaro Cloud](https://nodaro.ai/docs/self-hosting/cloud-connect). |

## 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](https://nodaro.ai/docs/developers/api/nodes), [Edição no SDK](https://nodaro.ai/docs/developers/sdk/editing) e a [Referência das ferramentas MCP](https://nodaro.ai/docs/mcp/tools).

## Perguntas frequentes

### O que o Layout de locutores faz?

O Layout de locutores recebe uma gravação inteira e a retorna enquadrada por falante, do início ao fim. Nada é cortado, então o vídeo tem a mesma duração da gravação. Por dentro, ele transcreve a gravação e enquadra cada falante com o Visão de falantes.

### Qual é a diferença entre o Layout de locutores e o Enxugar episódio?

O Layout de locutores mantém a gravação inteira e só a enquadra. O Enxugar episódio também corta silêncios, vícios de linguagem e falsos começos. Para cortar e enquadrar uma gravação, use o Enxugar episódio com um enquadramento.

### O Layout de locutores pode usar várias câmeras?

Sim. Conecte até seis gravações de uma mesma conversa e, se quiser, um áudio principal. A execução alinha as gravações, descobre em qual câmera está cada falante e mostra cada falante na própria câmera.

### Quanto custa o Layout de locutores?

Cada etapa é cobrada pela própria tarifa, a mesma do nó que ela representa, mais uma pequena taxa por execução. O nó mostra a estimativa completa antes da execução. Você paga pelos minutos do próprio vídeo enquadrado.

### Posso conferir o resultado antes da renderização em qualidade total?

Sim. Ative Revisar antes de renderizar. A execução para em uma prévia rápida. A Renderização final então renderiza o vídeo em qualidade total com as mesmas configurações, e a taxa por execução não é cobrada de novo.