Guia de uso
Guia de aceitação pré-lançamento do ElevenLabs Music v2: monte uma tabela de audição para as candidatas de trilha sonora
Nesta página
Por que preparar a tabela de audição antes do lançamento do modelo
A forma mais comum de a avaliação de trilha sonora dar errado não é o modelo ser ruim, mas a falta de um critério comum. Depois do lançamento, cada um usa seu próprio fone, coloca um trecho diferente, alguém ouve os oito segundos iniciais, outro ouve o loop do refrão, e no fim a conclusão cai em "parece ok" ou "meio estranho" — conclusões que não podem ser reproduzidas nem rastreadas.
Antes de o modelo estar oficialmente disponível é justamente a melhor janela para preparar os ativos de aceitação: sem pressão de entrega final e sem a cobrança de "vamos lançar e ver depois", a equipe pode, com calma, escrever o que significa "utilizável" em uma tabela que pode ser marcada, pontuada e comparada. Quando o modelo rodar, basta executar conforme a tabela, e a avaliação deixa de ser uma discussão e passa a ser uma conferência.
É preciso deixar claro desde o início o limite: o ElevenLabs Music v2 está atualmente no estado **em breve (coming soon)**; este artigo não contém nenhum resultado de teste real nem exemplos de chamada. O que está escrito aqui é um conjunto de ativos metodológicos — como é a tabela de audição, como registrar defeitos e como comparar versões. Assim que o modelo for lançado, basta preencher as candidatas de áudio na tabela.
Preparar com antecedência tem ainda um benefício oculto: quando as dimensões de aceitação são escritas, a equipe descobre que muitas divergências vêm, na verdade, de cenários não alinhados, e não da qualidade do áudio em si. Quanto mais cedo essa descoberta, melhor.

Defina primeiro os cenários de uso da trilha sonora e as dimensões de aceitação
A granularidade do objeto de aceitação deve ser a mesma do vídeo final, e não "uma faixa de música isolada é agradável ou não". Recomenda-se amostrar em camadas conforme o uso real no vídeo final:
- Abertura/vinheta inicial: os primeiros segundos precisam se firmar; o foco é verificar se o início é claro e se há preparação inútil.
- Fundo musical contínuo: escuta longa com baixa atenção; o foco é verificar se é agradável de ouvir e se não encobre a voz ou a narração.
- Transição/mudança de trecho: verificar se a conexão emocional é natural e se a transição é concluída dentro da duração definida.
- Trecho em loop: verificar se o início e o fim se emendam sem costura e se, após várias repetições, surge uma sensação clara de repetição mecânica.
Cada cenário deve então ser desdobrado em dimensões observáveis, evitando palavras como "agradável" ou "sofisticado":
- Integridade estrutural: há uma introdução, desenvolvimento, clímax e conclusão reconhecíveis, ou é uma exposição uniforme do início ao fim.
- Emenda do loop: ao ligar o último quadro de volta ao primeiro, há estalo, corte ou desalinhamento rítmico.
- Faixa dinâmica: o contraste entre forte e fraco está em uma faixa razoável e se a compressão está excessiva.
- Consistência de estilo: a percepção real está alinhada ao estilo e à instrumentação descritos no prompt.
- Densidade aproveitável: quanto do tempo total é composto por trechos efetivamente utilizáveis direto no vídeo final.
As dimensões devem ficar entre cinco e sete; demais, os avaliadores não conseguem preencher; de menos, não se distingue onde está o problema. Cada dimensão precisa de uma descrição de critério — o que conta como aprovado e o que conta como defeito — definida antecipadamente.
Estrutura da tabela de audição: campos e critérios de pontuação
O núcleo da tabela de audição não é "ser bonita", mas permitir que avaliadores diferentes preencham resultados comparáveis para o mesmo áudio. Os campos podem ser divididos em quatro grupos:
Campos de localização
Cenário (abertura/fundo/transição/loop), número da candidata, duração, data de geração. Essas colunas respondem "para qual posição este áudio foi preparado".
Campos de entrada
Texto original do prompt (registrado palavra por palavra, sem reescrever), critérios dos parâmetros principais (duração, descrição de estilo etc.). O prompt deve ser salvo exatamente como está; qualquer abreviação fará a reprodução posterior falhar.
Campos de pontuação
Cada dimensão de aceitação usa uma escala uniforme de três níveis, por exemplo "aprovado / limítrofe / reprovado", com uma observação permitida. Três níveis são mais estáveis que cinco níveis ou escala de dez; as avaliações entre avaliadores se alinham com mais facilidade; quanto mais fina a pontuação, maior o ruído subjetivo.
Campos de conclusão
Etiqueta de defeito (escolhida de um vocabulário predefinido, sem criação livre) + uma frase de explicação + recomendação de tratamento da candidata (manter / refazer / descartar).
Dois detalhes práticos:
- Uma linha por candidata; não coloque várias candidatas em uma linha, senão não é possível fazer comparação de versões.
- Reserve na tabela uma coluna de "reavaliação" para registrar se a segunda rodada mudou o julgamento — a inversão de julgamento é, por si só, um dado valioso, indicando que alguma dimensão está mal definida.
Os critérios de pontuação devem estar claros no cabeçalho da tabela: em que dispositivo ouvir, quantas vezes ouvir, se é permitido pausar. Essas convenções aparentemente triviais determinam se os dados poderão ser usados.

Registro de defeitos: tornar o problema reproduzível e classificável
Um registro de defeito que não pode ser reproduzido equivale a não ter sido registrado. O conjunto mínimo de informações deve conter quatro itens:
- Texto original do prompt: completo, sem polimento, incluindo pontuação.
- Critérios dos parâmetros: a duração e a configuração de estilo desta geração, descritas em texto claro, sem escrever "padrão" de forma vaga.
- Condições de avaliação: fone ou caixa de som, faixa de volume, se há reprodução em loop.
- Descrição do fenômeno: em que momento, o que foi ouvido, qual era a expectativa.
A descrição do fenômeno deve evitar acúmulo de adjetivos. "Por volta dos 12 segundos os graves ficam de repente finos, inconsistentes com a primeira metade" é utilizável; "a qualidade do som é meio ruim" não é.
Recomenda-se classificar os defeitos por atribuição de causa, e não por percepção auditiva:
Estrutural
Trecho ausente, transição brusca, final truncado, ponto de loop desalinhado. Esses problemas geralmente se relacionam a requisitos de duração e estrutura.
Consistência
Desvio de estilo, mudança brusca de instrumentação, grande diferença entre gerações do mesmo prompt.
Mixagem
Desequilíbrio de volume, compressão excessiva da dinâmica, voz ou narração encobertas.
Utilidade
Proporção geral de trechos utilizáveis baixa demais; muitos trechos não entram direto no vídeo final.
Cada categoria deve ter de cinco a oito etiquetas predefinidas; os avaliadores escolhem do vocabulário, sem criar termos na hora. Só com o vocabulário estável é possível estatificar a base de defeitos e responder "qual é a proporção desse tipo de problema".
Comparação de versões: altere apenas uma variável
O erro mais comum na comparação de versões é misturar a diferença do modelo com a diferença do prompt. Por exemplo, na primeira rodada usa-se prompt curto; na segunda, troca-se para prompt longo e também a duração; e a conclusão diz "a nova versão é melhor" — metodologicamente, essa conclusão não se sustenta.
Três disciplinas para controlar variáveis:
Mesmo prompt, mesma duração
Ao comparar duas rodadas de geração, o texto original do prompt e a duração devem ser completamente iguais. Se for necessário mudar o prompt, liste a mudança separadamente como um grupo de experimento, sem misturá-la na mesma tabela da comparação de versões.
Escuta cega
Os avaliadores não devem saber de antemão qual trecho pertence a qual versão; caso contrário, a expectativa contamina o julgamento. Os números das candidatas são distribuídos aleatoriamente, e a informação de versão fica apenas com o organizador.
Ordem aleatória
A ordem de audição do mesmo lote de candidatas deve ser embaralhada para evitar efeitos de posição como "o que ouvi primeiro é melhor". Embaralhe novamente antes de cada rodada de avaliação.
O produto da comparação não é "A é melhor que B", mas a diferença por dimensão: os defeitos estruturais diminuíram? A emenda do loop melhorou? A densidade aproveitável mudou? Só ao descer para as dimensões a diferença pode orientar o próximo passo — ajustar a estratégia de prompt ou esperar a iteração do modelo.
Se os resultados das duas rodadas tiverem vantagens e desvantagens em várias dimensões, não force uma ordenação por pontuação total. Registrar "em qual cenário qual é mais adequado" é mais útil do que uma pontuação total.
Fluxo de avaliação e saídas de conclusão
A avaliação precisa de pessoas, rodadas e saídas; caso contrário, se arrasta indefinidamente.
Quem avalia
Pelo menos duas funções: usuário (quem efetivamente edita o vídeo e escolhe a trilha) e responsável pela aprovação (quem responde pela qualidade do vídeo final). O usuário julga a densidade aproveitável; o responsável julga o limite inferior. Não se recomenda participação de todos; quanto mais gente, mais disperso o critério.
Quantas rodadas
Duas rodadas bastam. A primeira rodada é preenchida individualmente, sem discussão; a segunda rodada reavalia apenas as candidatas com julgamentos divergentes na primeira rodada; a divergência em si é uma definição de dimensão que precisa ser esclarecida. Mais de duas rodadas normalmente significa que as dimensões não estão bem definidas; voltar e ajustar a tabela é mais eficaz do que continuar em reunião.
Saídas de conclusão
Cada candidata e cada cenário deve cair em uma das três categorias de conclusão:
- Utilizável: pode entrar direto no vídeo final; a etiqueta de defeito está vazia ou resta apenas uma observação de registro.
- Utilizável condicionalmente: utilizável em cenários específicos ou requer corte ou emenda manual leve; a condição deve ser escrita claramente.
- Inutilizável: as dimensões principais não são aprovadas, ou o defeito não pode ser corrigido em pós-produção.
"Parece ok" não pertence a nenhuma das categorias; é preciso posicionar. As ações seguintes correspondentes às três categorias também devem ser combinadas antecipadamente: as utilizáveis entram na biblioteca de materiais; as utilizáveis condicionalmente recebem uma explicação de tratamento; as inutilizáveis entram na base de defeitos como amostras de regressão.
Por fim, dê à aceitação geral um fechamento por escrito: quais cenários atingiram o padrão, quais cenários ainda têm defeitos sistemáticos, no que a próxima rodada de aceitação deve focar. Esse parágrafo é mais importante do que qualquer pontuação.
Como reutilizar esses ativos de aceitação após o lançamento
Quando o modelo estiver oficialmente disponível, esses ativos não devem ser arquivados, mas sim colocados em operação contínua:
- A tabela de audição passa a ser o formulário fixo para cada nova estratégia de prompt ou nova versão; os campos não mudam, só se trocam as candidatas.
- A base de defeitos passa a ser o conjunto de amostras de regressão; a cada iteração, execute primeiro esse lote de amostras para ver se os problemas antigos reaparecem.
- As definições de dimensão são revisadas em pequenos passos conforme a mudança do negócio, mas a revisão deve manter número de versão; caso contrário, os dados históricos não serão comparáveis.
Uma prática pragmática é: guardar a tabela de audição, o vocabulário de defeitos e os registros de reavaliação no mesmo lugar; novos membros começam lendo o cabeçalho e depois ouvem as amostras — isso é muito mais rápido do que transmitir os critérios de avaliação verbalmente.
O estado específico de lançamento e as informações de integração do ElevenLabs Music v2 devem ser consultados na página do modelo; depois que o modelo estiver disponível, preencha o primeiro lote de áudios candidatos conforme a tabela acima, e o fluxo de aceitação estará validado.
Artigos relacionados
Ver todos os artigos →-
Guia de uso
Guia de introdução ao gpt-6.2-sol: limites de capacidade, integração via API e noções de precificação por token
Decisões de integração e pontos práticos para equipes de engenharia
-
Guia de uso
Guia de introdução ao gpt-6.2-astra: limites de capacidade do modelo de texto, pontos de integração e controle de custos
-
Guia de uso
Guia de introdução ao Tripo H3.1: três modos de entrada, parâmetros e como escolher o preço
Decisão de integração e controle de custos na geração 3D para desenvolvedores