Os lábios se mexem, o som chega atrasado e o vídeo fica insuportável. Antes de tentar qualquer coisa, responda a uma pergunta — ela divide o problema limpo em dois e diz qual metade deste texto se aplica a você.
Olhe o começo e depois o minuto dez. A diferença é a mesma ou está maior?
Uma diferença que se mantém é um deslocamento constante. Uma que cresce é deriva. Uma não tem nada a ver com a outra.
Áudio e vídeo estão na velocidade certa; apenas um deles começa no momento errado. As causas têm a ver com o caminho que o som percorre, não com o interior do arquivo.
Bluetooth. É a causa mais comum e a mais fácil de testar. O áudio sem fio precisa ser codificado, transmitido, armazenado em buffer e decodificado, e essa ida e volta custa uma fração de segundo perceptível. Reprodutores e TVs compensam, mas de forma imperfeita, e o valor varia conforme o codec e o aparelho.
O teste leva cinco segundos: conecte um fone com fio. Se a sincronia ficar perfeita de repente, o arquivo nunca foi o problema.
Processamento da tela. TVs aplicam suavização de movimento, redução de ruído e upscaling, e tudo isso atrasa a imagem em alguns quadros. O som sai direto. A maioria dos aparelhos tem um ajuste de atraso de áudio justamente por isso, e o “modo jogo” normalmente contorna o processamento inteiro.
Um deslocamento gravado no arquivo. Um contêiner pode indicar que uma trilha de áudio começa um pouco antes ou depois do vídeo. Normalmente isso é correto e compensa algo real; de vez em quando uma ferramenta de gravação ou edição escreve errado, e todo reprodutor reproduz fielmente o erro.
Se o fone com fio e outro reprodutor mostram o mesmo deslocamento, o arquivo realmente o carrega, e a solução é deslocar a trilha de áudio e salvar de novo.
Essa está no arquivo, e significa que áudio e vídeo discordam sobre a velocidade com que o tempo passa.
Taxa de quadros variável. A causa dominante. Gravadores de tela, apps de celular e ferramentas de captura de jogos costumam gravar com uma taxa que muda a todo momento — mais quadros quando há muita ação, menos quando a imagem está parada. O áudio, enquanto isso, corre a uma taxa de amostragem fixa, porque o som não tem equivalente a um momento parado.
Reproduza esse arquivo e a maioria dos reprodutores dá conta. Edite, converta ou envie para algum lugar que recodifique, e a esteira frequentemente assume taxa constante — colocando em intervalos regulares quadros que nunca estiveram regularmente espaçados. Aos dez minutos, a imagem está segundos longe do som.
É por isso que uma gravação de tela parece boa até você cortá-la, e então a segunda metade fica inutilizável.
Taxa de amostragem incompatível. O áudio é gravado a 44,1 kHz ou 48 kHz. Se uma ferramenta acredita que uma trilha de 48 kHz é de 44,1 kHz, ela a reproduz cerca de 9% mais devagar — e 9% de dez minutos é quase um minuto de deriva.
Juntar clipes com configurações diferentes. Concatenar um clipe de 30 fps e outro de 25 fps, ou áudio de 44,1 e 48 kHz, sem recodificar gera um arquivo cujo tempo muda no meio do caminho. Tudo depois da emenda está errado, e cada vez mais.
Quase todo problema de deriva se resolve do mesmo jeito: recodificar com taxa de quadros constante, 30 ou 60 fps, e taxa de amostragem de áudio consistente em 48 kHz. Isso força o arquivo para uma linha do tempo uniforme, em vez de uma que supõe que quem ler vai interpretar corretamente um tempo variável.
Faça isso antes de editar, não depois. Uma vez que o editor colocou material de taxa variável numa linha do tempo fixa, a deriva fica assada no corte, e consertar depois significa refazer a edição.
Antes de recodificar, inspecione o arquivo para confirmar com o que você está lidando — ele mostra se a taxa de quadros é variável e qual é a taxa de amostragem do áudio. Dois minutos olhando evitam recodificar algo que nunca foi o problema.
Descarte primeiro o caminho de reprodução: fone com fio, outro reprodutor, outro aparelho. Só se o deslocamento sobreviver aos três ele está no arquivo.
Se estiver, a solução é deslocar o áudio pela quantidade medida. Meça em algo com transiente nítido — uma palma, uma porta fechando, uma mão na mesa — em que o quadro exato não deixa dúvida. Chutar “mais ou menos um terço de segundo” produz um arquivo errado no outro sentido.
Áudio que está sincronizado, sai de sincronia e depois volta de repente costuma ser um arquivo danificado ou incompleto — uma gravação interrompida, ou um download que perdeu um pedaço. O reprodutor está pulando, não derivando. Recodificar muitas vezes conserta a linha do tempo; se os dados realmente faltam, nada conserta.