Gravação de sessões e audiências: captação, indexação e guarda com valor probatório

A pergunta que abre praticamente todo projeto de plenária, sala de audiência ou auditório deliberativo é sempre a mesma: "já não gravamos pelo sistema de videoconferência?". A resposta honesta é que gravar e produzir registro oficial são coisas diferentes. Um arquivo de reunião serve para lembrar o que foi dito. Um registro oficial precisa provar o que foi dito, por quem, em que momento da pauta — e continuar provando depois que o equipamento que o gerou já saiu de linha.

Na Netfocus, entregamos e sustentamos sistemas de plenária e sala de sessões em órgãos federais desde 2009, e o padrão de falha que mais se repete não é técnico: é de escopo. O edital contrata microfones, câmeras e um gravador, mas não contrata indexação, integridade nem política de guarda. Dois anos depois, o órgão tem terabytes de arquivos que ninguém consegue localizar e cuja cadeia de custódia não se sustenta em uma auditoria.

Gravação oficial não é gravar a reunião: os requisitos são outros

Vale explicitar a diferença antes de discutir arquitetura, porque ela define todo o resto do projeto.

O gravador embutido em uma plataforma de reunião entrega um arquivo único, já mixado, com o áudio de todos os participantes somado em uma faixa estéreo. A retenção é controlada pelo provedor, o formato é definido pelo fornecedor, e a trilha de auditoria — quem baixou, quem apagou — vive fora do domínio do órgão. Para uma reunião de coordenação, isso é suficiente e barato.

Registro oficial de sessão deliberativa ou de audiência tem outro conjunto de exigências:

• Rastreabilidade da fonte — é preciso poder isolar quem falou, mesmo quando dois microfones estavam abertos ao mesmo tempo;
• Vínculo com a pauta — o arquivo precisa ser navegável por item deliberado, não por minutagem bruta;
• Continuidade comprovada — ausência de cortes não justificados entre a abertura e o encerramento;
• Integridade verificável — capacidade de demonstrar que o arquivo consultado hoje é o mesmo produzido na sessão;
• Guarda sob domínio do órgão — com prazo, responsável e regra de descarte definidos;
• Redundância — porque a sessão não se repete se o gravador falhar.

Nenhum desses requisitos é atendido por padrão pelo gravador de uma plataforma de reunião. Todos são atendíveis com arquitetura convencional, desde que estejam no termo de referência.

Captação: por que multicanal é decisão de arquitetura, não luxo

A escolha mais consequente do projeto é gravar multitrack — um canal de áudio isolado por microfone — em vez de gravar apenas o mix da sala.

Um canal por microfone

Em uma sessão real, apartes se sobrepõem, um orador esquece o microfone aberto, outro fala longe da cápsula. Com o mix, esses problemas são permanentes: o que foi somado não se separa. Com canais isolados, o operador reconstrói o trecho depois, reequilibra níveis, atenua o microfone que captou ruído de folha e recupera uma fala que ficou encoberta. É a diferença entre um registro corrigível e um registro perdido.

Em mesas de até 32 ou 48 posições, o multitrack integral é rotina com interfaces em rede de áudio. Em plenárias maiores, o critério prático é agrupar por bancada ou por setor, preservando isolamento suficiente para atribuição de fala. A qualidade da captação depende também da cápsula e do posicionamento — o assunto está detalhado no comparativo de microfones para plenárias.

Rede de áudio como espinha dorsal

Padrões como Dante, AES67 e AVB transportam dezenas de canais digitais sobre a mesma infraestrutura Ethernet, com relógio comum e latência determinística. Para gravação, isso resolve dois problemas de uma vez: entrega os canais isolados ao gravador sem cabeamento analógico dedicado e mantém todos os canais alinhados na mesma referência de clock. Sem relógio comum, canais gravados por equipamentos diferentes derivam ao longo de uma sessão de seis horas.

Mix de referência e mixagem posterior

Além dos canais isolados, grave sempre um mix de referência — a soma da sala, do jeito que foi ouvida. Ele cumpre três papéis: é a versão imediatamente publicável, é a prova de como o áudio soou no recinto e é o material que alimenta a transmissão ao vivo institucional. Em sessões híbridas, acrescente um canal separado com o retorno dos participantes remotos; misturar remoto e presencial na mesma faixa inviabiliza qualquer correção posterior.

Vídeo: quantas câmeras e para quê

O vídeo tem função probatória própria: mostra presença, quórum visual, gestual de votação e ordem dos trabalhos. Em uma sala de audiência, duas a três câmeras costumam bastar — plano geral fixo, plano do depoente e plano da mesa. Em plenária, o arranjo típico combina câmeras PTZ com posições fixas de plano geral. O plano geral fixo é o mais negligenciado e o mais útil no futuro: enquanto o corte dirigido conta a narrativa, o plano geral prova o contexto.

Sincronismo AV

Áudio e vídeo precisam de referência temporal comum. Em instalações de porte, isso se resolve com distribuição de time code ou com gravação de todas as fontes por um mesmo sistema, ancorado em servidor de tempo do órgão. O sintoma de projeto malfeito aparece na edição: a fala do orador chega meio segundo antes do movimento dos lábios, e todo trecho exportado precisa de ajuste manual.

Indexação: transformar seis horas de arquivo em registro consultável

Esta é a camada que separa um acervo útil de um depósito. Gravar é barato; localizar é caro. E localizar só é possível se os marcadores forem gerados durante a sessão, não reconstruídos depois.

Marcação por item de pauta

A pauta é a chave natural de indexação. Quando o sistema de gravação recebe do software de sessão o evento "abertura do item 4", ele grava um marcador com carimbo de tempo. Ao final, o arquivo já nasce com um sumário navegável: cada item deliberado vira um ponto de entrada. Sem isso, um servidor gasta horas varrendo áudio para atender um pedido de acesso à informação sobre um único item.

Marcação por orador

Se cada microfone tem canal próprio e o sistema de conferência conhece a posição de cada participante, a atribuição de fala é automática: abertura de microfone gera início de intervenção, fechamento gera fim. O resultado é uma linha do tempo por orador — insumo direto tanto para a ata quanto para consultas futuras do tipo "o que o representante da entidade X declarou nesta audiência".

Vínculo com a votação

Quando existe votação eletrônica em plenária, o resultado deve ser gravado como metadado do trecho correspondente: horário de abertura, encerramento, quórum e placar. A gravação passa a ser o registro audiovisual de um evento que já está formalizado no sistema de votação — e as duas fontes se conferem mutuamente. Divergência entre elas é sinal de problema, e é melhor descobrir na hora do que meses depois.

Metadados mínimos por sessão

1. Identificação do colegiado ou juízo, tipo de sessão e número de ordem;
2. Data, horário de abertura e de encerramento, com fuso;
3. Lista de itens de pauta com marcador de tempo de cada um;
4. Relação de oradores com intervalos de fala;
5. Resultados de votação vinculados aos respectivos itens;
6. Identificação dos arquivos gerados, formato, duração e hash;
7. Responsável técnico pela operação e pelo fechamento do registro.

Formatos, redundância e integridade do registro

Aqui o projeto deixa de ser sobre a sessão e passa a ser sobre os próximos dez ou vinte anos de acervo.

Formatos de arquivamento

Para o acervo permanente, prefira formatos abertos e independentes de fabricante. Em áudio, PCM linear em WAV ou BWF a 48 kHz e 24 bits é o padrão de guarda: sem perdas e legível por qualquer ferramenta. Em vídeo, H.264 ou H.265 em MP4 ou MXF atendem bem, com bitrate calibrado para que texto projetado permaneça legível. Formatos proprietários de gravador podem ser usados na captura, mas devem ser convertidos no momento do arquivamento — do contrário, a leitura do acervo fica refém da sobrevivência comercial de um fornecedor.

Dimensionar armazenamento é aritmética simples e vale fazer antes da licitação. Áudio PCM 48 kHz/24 bits ocupa cerca de 0,5 GB por hora por canal; vídeo 1080p a 8 Mbps ocupa cerca de 3,6 GB por hora. Uma sessão de seis horas com 24 canais isolados, mix de referência e duas câmeras fica na casa de 120 GB brutos. Multiplique pelo calendário anual de sessões e pelo prazo de retenção antes de definir o storage — é nesse cálculo, e não no preço do gravador, que mora o custo real do projeto.

Redundância: a sessão não se repete

Gravação de sessão oficial é aplicação de missão crítica pela definição mais literal possível: o evento é irrepetível. O arranjo mínimo defensável é N+1 — dois gravadores independentes, alimentados por fontes de energia distintas, gravando simultaneamente em mídias separadas. Um deles pode ser um gravador de estado sólido simples, sem rede, funcionando como testemunha. O princípio é o mesmo aplicado a centros de operação, tratado em redundância em sistemas AV de missão crítica: falhas correlacionadas anulam a redundância, então os caminhos precisam ser realmente independentes.

Complete com cópia automática para armazenamento de rede ao final da sessão e retenção temporária na mídia local até a confirmação da cópia. A perda mais comum que já vimos em campo não é falha de disco: é operador apagando a mídia local antes de conferir se o arquivo chegou íntegro ao servidor.

Integridade e cadeia de custódia

Integridade se demonstra com processo, não com promessa. O conjunto que costuma satisfazer auditoria combina:

• Hash criptográfico (SHA-256, por exemplo) calculado logo após o encerramento, registrado em log ou em ata;
• Carimbo de tempo de terceira parte, quando o regramento do órgão exigir prova temporal externa;
• Repositório com acesso nominal, sem contas compartilhadas e sem permissão de exclusão para o operador;
• Trilha de auditoria de leitura, exportação e cópia, retida pelo mesmo prazo do acervo;
• Procedimento documentado de exportação, com registro de quem pediu, o que foi extraído e para qual finalidade.

Observação de escopo, porque ela é frequentemente esquecida: a força probatória do registro depende do regimento interno do colegiado e das normas do tribunal ou conselho a que o órgão se vincula, não do equipamento. O papel do projeto de integração audiovisual é entregar um registro que atenda a essas normas — e provar tecnicamente que atende.

Retenção, acesso e LGPD

Sessão pública é ato público, e publicidade é regra. Isso não dispensa o órgão de tratar a gravação como conjunto de dados pessoais, porque é exatamente o que ela é: voz, imagem, opinião e, em audiências, eventualmente dados sensíveis.

Base legal e minimização

A LGPD (Lei 13.709/2018) disciplina o tratamento de dados pessoais pelo Poder Público, e o dever prático do projeto é permitir que o órgão declare, por escrito, a finalidade da gravação, o prazo de guarda e quem acessa. Minimização, nesse contexto, significa não capturar o que não é necessário: microfone de bancada não precisa captar conversa lateral em intervalo, e câmera de plano geral não precisa cobrir a plateia em audiência com depoente protegido. A discussão completa está em LGPD em sistemas AV.

Dois acervos, não um

A arquitetura que melhor resolve o conflito entre transparência e proteção é separar dois acervos: o acervo probatório, íntegro, de acesso restrito, auditado e retido pelo prazo documental; e a versão de divulgação, mixada, eventualmente editada para suprimir trechos protegidos, publicada no portal do órgão. Os dois derivam da mesma captação, mas têm ciclo de vida, permissão e prazo distintos.

Retenção e descarte

O prazo de guarda vem da tabela de temporalidade documental do órgão — não do fornecedor e não do tamanho do disco. O que o projeto precisa entregar é a capacidade de cumprir esse prazo: dimensionamento de storage, plano de migração de mídia ao longo do tempo e rotina de descarte seletivo com registro do que foi eliminado, quando e por quem. Retenção indefinida por omissão é passivo, não zelo.

Acessibilidade do registro

A LBI (Lei 13.146/2015) impacta a divulgação: sessões publicadas devem considerar recursos como legendagem e janela de Libras. Do ponto de vista de captação, isso se traduz em reservar canal de áudio e camada de vídeo para intérprete desde o projeto — retrofit de acessibilidade em sistema já instalado costuma custar mais do que teria custado prever.

Transcrição assistida e produção da ata

Transcrição automática amadureceu ao ponto de mudar o fluxo de trabalho das secretarias, mas o ganho real não vem do reconhecimento de fala em si — vem da combinação dele com a captação multicanal.

Quando a transcrição é executada sobre os canais isolados, cada trecho já nasce atribuído ao orador correto, sem a etapa de diarização por análise de voz, que é justamente a parte mais frágil do processo. O resultado é um texto segmentado por item de pauta e por orador, com marcador de tempo em cada parágrafo, que o servidor revisa em vez de digitar.

Duas ressalvas de método que vale registrar no procedimento operacional. Primeira: a ata continua sendo documento produzido e validado por servidor responsável; a transcrição é insumo. Segunda: se a transcrição usar serviço em nuvem, o envio do áudio é tratamento de dados pessoais por operador externo, com todas as consequências contratuais e de LGPD que isso implica — pode ser perfeitamente aceitável, desde que decidido conscientemente e não por default do software.

Como especificar isso em termo de referência

O checklist abaixo é o mínimo que temos recomendado a órgãos federais para que a contratação cubra o sistema inteiro, e não apenas o equipamento.

1. Arquitetura de captação — número de canais isolados, critério de agrupamento, mix de referência e canal de remotos;
2. Sincronismo — referência de tempo comum a áudio e vídeo, com fonte declarada;
3. Redundância — gravação N+1 com caminhos de energia e mídia independentes;
4. Indexação — marcadores de pauta, orador e votação gerados durante a sessão, com integração ao sistema de sessão do órgão;
5. Formatos — abertos para o acervo permanente, com conversão automática quando a captura for proprietária;
6. Integridade — hash, log e trilha de auditoria como requisito funcional, não como diferencial;
7. Armazenamento — dimensionado para o prazo de retenção declarado, com plano de migração;
8. Exportação — procedimento documentado para atender pedidos de acesso e requisições;
9. Operação e treinamento — perfis, rotina de fechamento de sessão e checklist de conferência;
10. Suporte — SLA compatível com o calendário de sessões, incluindo cobertura em dias de sessão.

Sobre o último item, uma nota de experiência: sistema de gravação de sessão tem janela crítica concentrada. Um SLA genérico de dias úteis não protege um colegiado que delibera às terças pela manhã. É por isso que operamos SLA contratual de 4h em ambientes de missão crítica — a métrica precisa ser calibrada pelo calendário do órgão, não pelo padrão do mercado. Para estruturar o documento como um todo, vale ler também nosso guia sobre como elaborar termo de referência AV.

Fecha-se o raciocínio onde ele começou: a diferença entre um arquivo e um registro está em decisões que custam pouco quando tomadas no projeto e muito quando descobertas na primeira auditoria. Multicanal, indexação no ato, redundância real, integridade verificável e retenção com lastro documental são cinco escolhas — e todas cabem em um termo de referência bem escrito.

Matheus Lourencatto — Engenharia Netfocus. Integração audiovisual para o governo federal desde 2009: 150+ projetos entregues em 50+ órgãos, SICAF ativo e SLA contratual de 4h. Fale com a engenharia →