Vibe coding para não cortar no fim do vad: 5 palavras, cauda a -25 dB

Cortar no fim do VAD come a última letra. No job do Autocut, Thiago ouviu 5 palavras com a cauda ainda no ar a -25 dB, e o corte já tinha fechado.

Ele pedia uma segunda revisão nas amarelas. Palavra amarela na tela parecia perder a última letra, então estender o corte de toda amarela resolveria. O agente mediu o job e o dump devolveu outro quadro.

Amarelo não fechava o diagnóstico

O agente separou 8 amarelas em 2 grupos opostos. Num grupo havia som perdido. No outro o amarelo era timestamp inflado: a palavra já tinha terminado antes do corte, e o áudio estava inteiro. Estender as 8, ou branquear as 8 à força, quebraria 3 (o grupo B). Nesses 3 o fim que o modelo apontava ficava depois do corte; puxar a fronteira até ficar branca engolia a palavra seguinte.

Enquanto o agente falava de grupos, Thiago voltou no vídeo com o ouvido:

eu acho que a palavra perfil ele corta. Quase certeza que perfil corta.

A lista que o ouvido fechou e a lista das 8 amarelas não batiam, e o dump registrou o descompasso com o ASR ainda cru:

A lista real das palavras cortadas ao som. Tribunais trabalhistas cálculos de perfil que não coincide com o que medi nem com as minhas oito amarelas. Especialmente trabalhista que nem era amarela na minha análise.

As 5 que o ouvido pegou

Cinco que o Thago ouviu. Tribunais trabalhist cálculo. Cirúrgico. Perfil.

Trabalho e matemática passaram no ouvido; não eram corte de letra. Trabalhista nem estava amarela.

Janela por janela o agente cravou o mesmo desenho. Tribunais: corte em 1309, cauda até 1330. Trabalhista: corte em 2144, cauda até 21.5.6. Cálculos, cirúrgica e perfil, o mesmo tipo de perda.

No cinco casos, o Vad local termina antes do fim. real da fala e antes do groque. E o corte cola no fim do vad, deixando a cauda da palavra a última letra sílaba -25 - 24 debéis ainda audível para trás.

Thiago nomeou o suspeito na hora, com o ASR do jeito que saiu:

Então, praticamente o Vading que tá errando, ele que era a nossa solução, agora ele tá errando.

O vibe coding colou o corte no fim do VAD

No vibe coding desta sessão o pipeline do Autocut colou o corte no ponto que o VAD local devolveu. O detector marcava o fim da voz e o corte usava esse ponto como fim da palavra. Isso aparece também em palavras chaves de cauda longa.

O dump do agente escreveu o culpado:

O culpado e a confiança cega no vade local como fonte da verdade do fim da palavra. Quando ele erra para menos, corta cauda. Quando erra para mais, não corta nada.

A regra veio no bloco seguinte:

Nunca cortar no fim do vad. Em vez disso, procurar o próximo silêncio real e colocar o corte lá ou no teto.

O plano ainda não foi aprovado

Thiago perguntou se a regra resolvia o que o ouvido tinha acabado de detectar:

Você acha que isso vai resolver todos os problemas relacionado a isso que a gente acabou de detectar?

A pergunta era sobre os 5 cortes que o ouvido tinha fechado. As 8 amarelas já estavam no dump em 2 grupos, e trabalhista nem estava amarela. Trabalho e matemática, sem som perdido, ficavam de fora. Tribunais, trabalhista, cálculos, cirúrgica e perfil ainda perdiam a última letra: a cauda seguia audível a -25 dB, com o corte colado no fim que o VAD local devolveu.

O agente ainda não tinha implementado.

Ainda não implementei nada. O plano ainda não foi aprovado.

Esse recorte é o fim da palavra. A causa raiz de outra live trata do midpoint. São 2 falhas no mesmo pipeline, em pontos diferentes.

Na mesma sessão ele ainda teve que E2E em paralelo, outro recorte.

Amanhã, no vibe coding para não cortar no fim do vad, se o corte cola no fim do detector, procure o próximo silêncio real e coloque o corte lá, ou no teto. O vídeo do job do Dr. Adalberto ainda está no ar: assistir à live.