Guias Criadores IA

Volume e chiado: como eu meço o áudio dos meus vídeos

Por Matheus Celtic · atualizado em

Resposta curta: eu fecho os vídeos longos em −15 LUFS, com pico entre −1,3 e −1,5 dBFS. Nos Shorts, medi 3 virais em −14,0 a −14,1 LUFS e os meus em −14,7 a −14,9. A diferença que pesava era o som entre as falas: nos virais ficava uns 5 dB abaixo da voz e nos meus, uns 15. E o "chiado" de um vídeo meu eram cortes secos no fim das falas.

O volume geral: LUFS

LUFS é a medida de volume do vídeo inteiro, do jeito que o ouvido percebe. Quanto mais perto de zero, mais alto.

Em 11/11/2026 eu medi 3 Shorts virais de um canal americano e 5 meus, com o ffmpeg.

Gráfico de barras com o volume integrado de oito Shorts em LUFS: os três virais em menos 14,0 e menos 14,1 e os cinco meus de menos 14,7 a menos 14,9
Os 3 virais, em laranja, e os meus 5. A diferença é de menos de 1 LUFS.

Os três virais estavam quase iguais: −14,0, −14,1 e −14,1 LUFS. Os meus, de −14,7 a −14,9. Menos de 1 de diferença. O volume geral estava praticamente certo.

Nos vídeos longos eu uso −15 LUFS como alvo. Os que eu fechei em 19 e 20/11 mediram −15,0 e −15,1, com pico de −1,3 a −1,5 dBFS. O pico abaixo de zero evita distorção.

O que pesava: o som entre as falas

A medida que separou os dois grupos foi outra. Eu comparei o nível do áudio nos trechos sem palavra com o nível nos trechos com palavra.

Vídeo Som entre as falas, comparado com a fala
Viral 1 −5,8 dB
Viral 2 −5,2 dB
Viral 3 −3,5 dB
Meus 5 primeiros Shorts de −10,5 a −15,9 dB
Meu Short da mãe, feito depois −5,4 dB

Fonte: medição própria nos arquivos, 11/11/2026. O Short da mãe foi medido depois, com o mesmo método.

Gráfico de barras com o som entre as falas em decibéis: virais de menos 3,5 a menos 5,8, meus primeiros de menos 10,5 a menos 15,9 e o Short da mãe com menos 5,4
Quanto mais perto de zero, mais cheio é o som entre uma fala e outra.

Nos virais, quando a voz para, a música e os efeitos seguram o som. Nos meus primeiros Shorts, quando a voz parava, o vídeo quase ficava mudo. O maior silêncio real nos virais ia de 0,05 a 0,14 segundo. Nos meus, de 0,25 a 0,77.

O volume geral era parecido e o som dava outra sensação. No Short seguinte eu subi a trilha e os efeitos nas pausas, e a medida foi para −5,4 dB.

O "chiado" que era corte seco

Num vídeo longo de 8 minutos, apareceu a suspeita de um chiado em alguns pontos. Eu medi a narração antes de mexer.

Não havia palavra sobrando nem vozes sobrepostas. O que havia: 10 falas terminavam com corte seco. A voz caía para silêncio digital em menos de 10 milissegundos. Outras 15 falas começavam com entrada seca. Isso soa como um clique ou um chiado curto.

Desenho de duas formas de onda: em cima a voz cortada de uma vez, embaixo a voz descendo aos poucos até o silêncio
Desenho ilustrativo. Em cima, o corte seco. Embaixo, o fade.

A correção foi um fade de 20 a 30 milissegundos no fim de cada fala cortada. Só 0,31% das amostras da narração mudaram. Nos outros dois vídeos da mesma leva, a conta de cortes secos deu zero.

Se eu tivesse aplicado um filtro de ruído no vídeo inteiro, teria abafado a voz e os cortes continuariam lá. Medir primeiro mostrou o lugar exato.

Efeito sonoro embaixo da fala

No mesmo vídeo, outro ponto: efeitos sonoros tocando por cima da voz. Eu medi a folga entre a voz e os efeitos.

A meta que eu uso é 20 dB de folga. A mediana estava em 22,6 dB, mas 40% dos trechos com efeito sob a fala ficavam abaixo de 20. Baixar os efeitos em 8 dB não resolveu. O que resolveu foi tirar o efeito de baixo da fala e deixar para a pausa.

Na mesma passada, a voz ganhou cerca de 3,5 dB nos agudos, entre 5 e 12 kHz, para ficar mais clara.

A minha lista de conferência

  1. Volume do vídeo inteiro: −15 LUFS no longo. No Short, eu comparo com os virais do formato.
  2. Pico: abaixo de −1 dBFS.
  3. Som entre as falas: perto de 5 dB abaixo da voz, sem buraco de silêncio.
  4. Fim de cada fala: sem corte seco. Fade de 20 a 30 ms onde houver.
  5. Efeito sonoro: na pausa, e nunca embaixo de uma palavra.
  6. Sincronia entre a voz e o texto na tela.

Tudo isso é medido por script. A última etapa nenhum script faz: ouvir o vídeo pronto. Em todas as minhas revisões, a decisão final de som é de ouvido.

Os limites

Os números dos Shorts vêm de 3 vídeos de um único canal de referência. Eles mostram o padrão daquele canal. E nenhuma medida de áudio aqui prova por que um vídeo teve views.

A trilha e os efeitos dos meus vídeos são gerados por código, como explico no guia de som sem direitos autorais. Os erros de palavra na narração eu trato no guia de pronúncia da voz clonada. Os outros guias de ferramentas estão no guia de skills do Claude para vídeo.

Perguntas frequentes

Qual é o volume certo para vídeo no YouTube? Eu fecho os vídeos longos em −15 LUFS, com pico de −1,3 a −1,5 dBFS. Os 3 Shorts virais que eu medi estavam em −14,0 a −14,1 LUFS.

Como medir o LUFS de um vídeo? Eu uso o ffmpeg, que é gratuito, com o filtro de medição de volume. Ele devolve o volume integrado do arquivo inteiro e o pico.

Por que o meu áudio tem um clique ou chiado no fim das falas? No meu vídeo, eram cortes secos: a voz caía para silêncio em menos de 10 milissegundos. Um fade de 20 a 30 ms em cada fim de fala resolveu.

Música de fundo deve tocar baixo o tempo todo? Nos virais que eu medi, o som entre as falas ficava só 3,5 a 5,8 dB abaixo da voz. Nos meus primeiros Shorts ficava até 15,9 dB abaixo, e as pausas pareciam vazias.

Leia também

Foto de Matheus Celtic

Matheus Celtic: criador da Criadores IA. Ensino a criar animações e vídeos para o YouTube com IA, usando o Claude. YouTube · GitHub · X
Por Matheus Celtic, criador da Criadores IA. Medições próprias de áudio em 11/11/2026 (8 Shorts) e em 19 e 20/11/2026 (vídeos longos do canal @celticmatheus1). Atualizado em 22/11/2026.