Escale uma cena de anime inteira

Por que uma voz só não aguenta roteiro de anime

Roteiro de anime é denso em interlocutores de um jeito incomum. Uma cena de quatro páginas pode ter protagonista, rival, dois coadjuvantes, um locutor fora de cena e um narrador, e metade da graça vem justamente da velocidade com que a voz troca. Jogue isso num conversor de texto em fala de voz única e cada fala sai no mesmo tom: a escalação volta para a cabeça de quem está ouvindo, que é exatamente o trabalho que você queria terceirizar.

A gambiarra que todo mundo inventa é rodar a ferramenta uma vez por personagem, baixar uma pilha de arquivos e montar tudo na mão num editor de áudio. Funciona, e consome uma tarde inteira por cena; basta mudar uma fala para recomeçar. É esse ciclo que a CastDub existe para cortar, não a qualidade do áudio em si — o que sempre travou você foi o ciclo.

O que a escalação automática faz de verdade

A escalação automática responde duas perguntas: quem está falando e como essa pessoa deveria soar. A detecção de interlocutor cobre os formatos que brasileiro realmente escreve — o prefixo “Nome:”, o formato de roteiro com o nome centralizado, e a prosa com travessão de diálogo mais verbo de fala (“— Não vou — ela disse baixo”). Não é mágica: se a sua cena tem três vozes sem nome no escuro, você ainda vai marcar quem é quem na mão.

A segunda metade é a recomendação. Cada voz da biblioteca carrega um perfil, uma faixa etária e um conjunto de etiquetas de estilo, então um personagem descrito como “dezessete anos, não está nem aí” é comparado com personagens da biblioteca com a etiqueta adolescente e marcados como secos e cortantes, e não com o narrador acolhedor. Toda recomendação pode ser trocada, e a troca vale para o projeto inteiro — você troca a voz de um personagem uma vez e todas as falas dele no projeto acompanham.

Dirigir a emoção do jeito que a cena pede

A diferença entre leitura e interpretação está quase toda no ritmo e na intensidade. A CastDub trata emoção como propriedade da fala: esta é neutra, esta é empolgada, este sussurro é sussurro mesmo. Essa granularidade importa em anime mais do que em quase qualquer outro gênero, porque a convenção cômica do formato é o corte seco — o personagem acaba de gritar e no segundo seguinte está resmungando.

O controle de emoção fala por fala é recurso do plano Pro, e isso é de propósito. Nos demais planos, cada fala segue a emoção padrão do personagem, o que já basta para você conferir se a cena se sustenta. Dirigir na mão é o passo que transforma “dá para usar” em “dá para publicar”, e por isso mora no mesmo plano que a exportação multipista.

Uma observação prática sobre escrita: etiqueta de emoção não salva fala que faz duas coisas ao mesmo tempo. Se a frase começa com raiva e termina com tristeza, quebre em duas. O renderizador trata cada fala como uma interpretação inteira, que é exatamente como um ator faria.

Onde o pessoal de anime usa isto

Os três padrões que mais aparecem por aqui são fandub postado no YouTube e no Discord, cena de personagem original circulando em comunidade de arte e escrita, e animação independente que precisa de trilha de diálogo antes de existir desenho. O Brasil pesa desproporcionalmente nesses três: é um dos maiores públicos de anime fora do Japão e tem uma cultura de fandub que já vinha se virando com celular e microfone de headset muito antes de existir síntese decente.

Para trabalho de fã, o terreno seguro é roteiro original com personagem original, ou obra transformativa em fandom que tolera isso. O terreno arriscado é clonar dublador identificável e republicar episódio licenciado — o primeiro é proibido aqui, o segundo é um problema de direitos que continua seu depois que o arquivo sai da ferramenta.