Como evitar texto em cima do rosto no vídeo, quadro por quadro
Artigo por Pedro Henrique Lahr
Para evitar texto em cima do rosto, o vídeo precisa saber onde o rosto está em cada quadro e manter todo texto fora de uma margem em volta dele. Posição fixa não funciona, porque a pessoa se mexe e o zoom muda o tamanho do rosto. No Kodecz, a conferência automática acha o rosto, soma a margem e avisa o quadro exato em que uma legenda, faixa ou título encostou.
Por que esse erro é tão comum em vídeo feito por IA?
Porque o agente escolhe a posição do texto sem saber onde está o rosto. Na taxonomia de erros do Kodecz, «Texto sobre o rosto» tem essa causa escrita: posição fixa do texto sem saber onde está o rosto. O sintoma é o que todo mundo já viu: o rosto some atrás do texto, e o texto fica difícil de ler sobre a pele.
Foi também o primeiro erro da lista da Konecz. Na skill de vídeo da empresa, a regra G15 diz: nenhum texto, seja legenda, faixa, chip ou título, sobre o rosto do apresentador, em nenhum formato e em nenhum ponto do zoom.
Onde o texto deve ficar no vídeo vertical?
No 9:16 em tela cheia, texto na metade de baixo, abaixo do queixo. Essa é a regra prática. A faixa com o tema do trecho fica logo acima da legenda, no mesmo eixo, e nada fica num canto competindo com ela.
O problema é que «abaixo do queixo» muda. Quando o vídeo dá um zoom de ênfase, o rosto cresce e o queixo desce. Um texto que estava certo no quadro 100 pode estar em cima da boca no quadro 130.
Qual é a margem certa em volta do rosto?
A conferência do Kodecz usa estes números:
- A caixa do rosto vai das sobrancelhas ao queixo, como o detector de rostos a entrega.
- Em cima, soma 25% da altura do rosto, para cobrir testa e cabelo.
- Embaixo, soma 10% da altura.
- Dos lados, soma 10% da largura de cada lado.
Qualquer pedaço de texto legível que encoste nessa área, mesmo um pixel, é falha. Texto que passa pelo rosto entrando ou saindo em fade, ainda meio transparente (opacidade abaixo de 0,5), não conta: está aparecendo ou sumindo, não está sendo lido.
Como a conferência acha o rosto em todos os quadros?
Ela não roda o detector em todo quadro, que seria lento. Faz assim:
- Monta uma versão «limpa» de cada quadro amostrado: a página com tudo escondido menos o vídeo do apresentador, para o texto por cima não atrapalhar o detector.
- Procura o rosto em um a cada 10 quadros com o apresentador na tela, mais o primeiro e o último de cada take e a volta de cada zoom.
- Guarda o rosto como fração da caixa do vídeo. Assim, quando o vídeo cresce no zoom ou se move, o rosto vai junto, exato. Só o movimento da pessoa dentro do take é estimado entre uma amostra e outra.
Depois compara o rosto com a caixa de cada linha de texto, em cada quadro. Numa composição de teste de 75 segundos (2.250 quadros), a conferência inteira levou 7,0 segundos de processador; a parte do rosto, 3,9 segundos.
O que o agente recebe quando erra?
Uma resposta que ele consegue usar. O comando kodecz check sai com o código 4, escreve uma linha JSON com a contagem por regra e grava uma foto do pior quadro com as caixas desenhadas: vermelho no texto, amarelo no rosto com a margem.
Cada falha diz o primeiro e o último quadro do trecho, o pior quadro, o texto (os primeiros 40 caracteres) e uma sugestão de conserto. Numa faixa, por exemplo, a sugestão é subir a faixa até o queixo do take ou levá-la para baixo dele. O agente corrige, roda de novo e só renderiza quando passa.
O que a conferência não vê?
Ela lê o texto da página. Texto desenhado dentro de uma imagem, de um vídeo ou de um canvas não aparece para ela. Quando uma imagem ou canvas cobre o apresentador, sai um aviso, justamente porque ali pode haver texto escondido.
E quando o detector não acha rosto numa amostra, isso também vira aviso. Falha de detecção não vira aprovação.
Perguntas frequentes
Dá para pôr o nome da pessoa na tela sem cobrir o rosto? Dá. É o terço inferior: nome e cargo na parte de baixo, fora da margem do rosto.
E se o vídeo tiver duas pessoas? A conferência usa o maior rosto do quadro limpo como o do apresentador. Para vídeos com várias pessoas, vale olhar os quadros também.
Funciona em vídeo horizontal? Sim. A regra vale em qualquer formato e é conferida nos dois quando o mesmo vídeo sai em 16:9 e 9:16.
Preciso de placa de vídeo para a conferência? Não. Ela roda sempre no processador.
Mais sobre como o Kodecz confere vídeos no resumo do artigo Agentes de IA fazendo vídeo. Na Konecz, essa regra roda em todo vídeo antes de ele ir para o perfil do cliente.