Sincronização de cortes e movimentos com áudio pré-gravado — atores falam ou se movem conforme o som fixado, sem gravação ao vivo no set. Comum em musicais e dublagem de diálogos.
Você está editando uma cena de dança e percebe rapidamente: o ator precisa se mover exatamente com a música, não o contrário. Isso é condução acústica — a lógica de edição e movimento segue o som gravado previamente, não o set ao vivo. No set, isso acontece assim: o som é reproduzido via monitoramento, atores e câmera se sincronizam depois. Na edição, por sua vez, você alinha marcas de corte, transições e até movimentos de câmera aos pontos de áudio — inícios de fala ou música, não ao fluxo de imagem "natural".
Na prática, isso funciona especialmente no gênero musical. A música está pronta, o cantor/dançarino precisa entrar exatamente no tempo do refrão. Mesmo em gravações de voz que você insere posteriormente em sincronia, o diálogo guia a decisão de edição — não o movimento de câmera. Isso cria um certo visual "técnico", porque o movimento e o som não se desenvolvem organicamente, mas são ajustados um ao outro. Às vezes, você percebe isso: a edição parece precisa demais, sincronizada demais, quase robótica — essa é a assinatura da condução acústica.
Para isso, você precisa de um entendimento preciso do timing. No set: alto-falantes de playback, fones de ouvido sem fio para os atores, click track para a câmera e para a assistência de edição. Na edição: o som está pronto, você edita a imagem para acompanhá-lo — não o contrário. É importante também que a qualidade do playback seja muitas vezes modesta, pois só serve para monitoramento. A mixagem de áudio final vem depois; suas decisões de edição, no entanto, já se orientam por esse som "bruto" da tomada.
A diferença para a gravação de som clássica: lá, você sincroniza o som depois da imagem — o locutor segue a sincronia labial, a música segue a edição. Na condução acústica, é invertido: a imagem segue o som. Isso funciona para coreografias de dança, cenas de lip-sync, às vezes também para dublagens de diálogo, onde uma fala precisa estar temporalmente fixa. É menos "natural", mas focado em precisão.