Conversor de Legendas

Diferenças entre SRT e VTT

O SRT (SubRip) é o formato mais simples, com numeração e timestamps separados por vírgula (00:00:01,500).

VTT (WebVTT) é o padrão da web. Começa com o cabeçalho "WEBVTT", usa ponto nos timestamps (00:00:01.500) e aceita estilos.

Na conversão, a vírgula vira ponto e o cabeçalho entra ou sai conforme o destino.

Formatos de legenda: SRT, VTT, ASS/SSA, SUB

Arquivos de legenda são contêineres de texto puro que associam um trecho de texto a um intervalo de tempo durante o qual ele deve aparecer sobre o vídeo. Apesar de servirem ao mesmo propósito conceitual, os formatos em circulação diferem enormemente em poder expressivo. As quatro famílias que você encontrará com mais frequência são SRT (SubRip), VTT (WebVTT), ASS/SSA (Advanced SubStation Alpha) e SUB (MicroDVD ou SubViewer, dependendo do dialeto). Escolher bem ou converter de forma limpa entre eles é uma tarefa recorrente para editores, tradutores, fansubbers de anime, professores de idiomas, especialistas em acessibilidade e qualquer pessoa que entrega vídeo localizado para múltiplas plataformas.

SRT e VTT são quase idênticos em formato e respondem pela imensa maioria dos arquivos de legenda existentes. ASS/SSA é o formato mais robusto, usado quando tipografia, posicionamento, efeitos de karaokê e sinalização na tela importam tanto quanto o próprio diálogo. SUB é mais antigo e menos expressivo, mas ainda aparece junto a lançamentos DivX/XviD legados e em alguns reprodutores autônomos. As seções a seguir percorrem cada formato e depois cobrem as preocupações de sincronização e acessibilidade que determinam se uma conversão realmente toca no dispositivo de destino.

SRT: o mais simples e universal

O SubRip Text foi popularizado pela ferramenta de extração SubRip no final dos anos 1990 e rapidamente se tornou o formato de intercâmbio de fato para legendas feitas por fãs. Sua gramática é trivialmente simples: uma sequência de cues separados por linhas em branco, em que cada cue tem três partes. Primeiro um índice sequencial, depois um intervalo de timestamps na sintaxe HH:MM:SS,mmm --> HH:MM:SS,mmm (observe a vírgula como separador decimal dos milissegundos) e por fim uma ou mais linhas de texto. O texto pode conter tags inline muito limitadas no estilo HTML — tipicamente <i>, <b>, <u> e ocasionalmente <font color="..."> — mas o suporte varia de player para player e nada relacionado a estilização é padronizado.

1
00:00:01,000 --> 00:00:04,500
Bem-vindo ao programa.

2
00:00:05,200 --> 00:00:08,000
<i>O tema de hoje é formatos de legenda.</i>

Como o formato é mínimo, praticamente todo player de vídeo, NLE, serviço de transcrição e uploader de streaming aceita SRT. Essa universalidade é a maior razão pela qual tradutores ainda o entregam como produto final mesmo quando formatos mais ricos estavam disponíveis a montante. O preço é que o SRT não consegue expressar posicionamento, escolha de fonte, múltiplos falantes como entidades visuais distintas, animações de fade, ou qualquer coisa além de itálicos rudimentares. Se você precisa de algo disso, deve migrar para VTT ou ASS.

VTT (WebVTT): o padrão W3C para HTML5

O WebVTT foi criado pela W3C especificamente para sustentar o elemento <track> do HTML5 sobre <video> e <audio>. Os arquivos usam a extensão .vtt, devem ser codificados em UTF-8 e são servidos com MIME type text/vtt. Todo arquivo começa com a string mágica WEBVTT seguida de duas quebras de linha. A sintaxe de timestamp substitui a vírgula do SRT por ponto (HH:MM:SS.mmm), o identificador do cue se torna opcional e uma gramática rica de cue settings, definições de região, comentários e CSS embutido é colocada por cima.

WEBVTT

STYLE
::cue(v[voice="Narrador"]) { color: lime; }

NOTE Sequência de abertura

intro
00:00:01.000 --> 00:00:04.500 line:90% align:center
<v Narrador>Bem-vindo ao programa.</v>

Cue settings como line, position, size, align e vertical permitem ao autor posicionar legendas em qualquer ponto da tela, inclusive para texto vertical japonês. Tags de voz <v Falante> identificam quem fala; spans <c.classe> se conectam a seletores CSS pelo pseudo-elemento ::cue; timestamps no meio do cue permitem efeitos de karaokê palavra por palavra. Todos os navegadores principais implementam pelo menos o conjunto central, e é por isso que VTT é a resposta certa para qualquer legenda que viaja junto com uma página web.

ASS/SSA: estilização avançada e fansubs de anime

O SubStation Alpha (SSA) e seu sucessor Advanced SubStation Alpha (ASS) foram desenvolvidos para o editor SubStation Alpha e mais tarde abraçados pela comunidade de fansubs de anime, onde permanecem dominantes. O formato tem estrutura tipo INI: um cabeçalho [Script Info], uma tabela [V4+ Styles] que define estilos nomeados com fonte, cor, contorno, sombra e alinhamento, e uma tabela [Events] com uma linha Dialogue: por cue.

[Script Info]
Title: Demo
ScriptType: v4.00+

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, Outline, Alignment
Style: Default,Arial,24,&H00FFFFFF,2,2

[Events]
Format: Layer, Start, End, Style, Name, Text
Dialogue: 0,0:00:01.00,0:00:04.50,Default,,{\an8\fad(200,200)}Bem-vindo ao programa.

Tags de override entre chaves ({\an8}, {\fad(200,200)}, {\move(...)}, {\t(...)}) oferecem alinhamento, fades, movimento, transições de cor, desfoque, rotação e clipping. Editores como o Aegisub renderizam isso em tempo real e são a ferramenta padrão para typesetting de placas em lançamentos de anime. A desvantagem é que reproduzir ASS exige libass ou renderer compatível; navegadores não entendem nativamente, e converter para SRT ou VTT necessariamente descarta todos os efeitos, restando apenas o diálogo.

SUB: MicroDVD e SubViewer legados

A extensão .sub cobre dois formatos diferentes. O MicroDVD usa números de frame entre chaves — {1}{50}Primeira legenda — o que significa que o framerate do vídeo de origem fica gravado no arquivo. O SubViewer usa timestamps entre colchetes e suporta um cabeçalho simples em estilo INI. Ambos são legados e você os encontra principalmente acompanhando arquivos AVI antigos. Converter MicroDVD para qualquer formato baseado em timestamp exige que você saiba o framerate assumido quando o arquivo foi autorado, ou todos os cues vão derivar.

Timing, framerate e drift de sincronização

O problema mais comum em legendas é o drift: as legendas começam sincronizadas e gradualmente atrasam (ou adiantam) conforme o vídeo avança. A causa é quase sempre uma incompatibilidade de framerate. Legendas autoradas contra 23,976 fps (cinema NTSC) tocadas sobre uma reencodificação a 25 fps (PAL) do mesmo conteúdo derivam cerca de 4,27% — aproximadamente 7 segundos ao longo de um filme de 2 horas. Os framerates mais comuns que você verá são 23,976, 24,000, 25,000, 29,970, 30,000, 50,000 e 59,940.

• Offset constante — o arquivo inteiro está um número fixo de milissegundos adiantado ou atrasado. Corrija aplicando o mesmo delta a todos os timestamps.
• Drift linear — o offset cresce com o tempo. Corrija multiplicando cada timestamp pela razão entre framerate autorado e framerate real.
• Drift não-linear — causado por comerciais removidos, abertura cortada ou uma re-edição. Exige re-sincronização por pontos de ancoragem com pelo menos dois cues conhecidos como bons.
• Velocidade de leitura — mesmo cues perfeitamente sincronizados falham se ficam visíveis por pouco tempo. Diretrizes da indústria recomendam 15-20 caracteres por segundo e duração mínima do cue em torno de um segundo.

Acessibilidade: legendas, CC, SDH e WCAG

Legendas (subtitles) e legendas para surdos (closed captions / SDH) são distintas na legislação de acessibilidade mesmo quando os arquivos têm o mesmo formato. Subtitles assumem que o espectador ouve e precisa apenas de tradução. Legendas para surdos e ensurdecidos (SDH) incluem informação não-verbal: identificação do falante, efeitos sonoros entre colchetes como [porta bate] e descrições musicais. O WCAG 2.1 exige legendas para todo conteúdo de áudio pré-gravado (Critério de Sucesso 1.2.2, Nível A) e legendas ao vivo para mídia sincronizada (1.2.4, Nível AA). A descrição de áudio (audio description), entregue como uma trilha <track kind="descriptions"> separada, narra informação visual para espectadores cegos.

Suporte por plataforma

• YouTube — aceita uploads em SRT, VTT, SBV, SCC e TTML; converte internamente e serve JSON tipo VTT para o player.
• Netflix — entregáveis de produção usam TTML/IMSC1; tradutores costumam trabalhar em SRT.
• Vimeo — aceita SRT, VTT, SCC e DXFP.
• HTML5 <track> — apenas WebVTT; sirva SRT só depois de converter.
• VLC / mpv / MPC-HC — aceitam tudo, inclusive ASS com libass para estilização completa.
• Apple TV / iOS — preferem WebVTT ou sidecar CEA-608/708; SRT funciona via app Arquivos.

FAQ

Posso converter ASS para SRT sem perder nada? Não. SRT não consegue expressar posicionamento, fontes, cores ou movimento. Você perde todas as tags de override e mantém apenas o timing e o texto despido.

Por que o VTT usa ponto e o SRT vírgula? O SRT foi autorado na Europa, onde a vírgula é o separador decimal padrão. O WebVTT seguiu o ponto no estilo ISO para alinhar com as convenções da web e do CSS.

Como detectar o framerate original de um arquivo de legenda? Se usa números de frame do MicroDVD, é preciso adivinhar (palpites comuns: 23,976, 25, 29,97). Para formatos baseados em timestamp, compare o horário de início do último cue com a duração real do vídeo — grandes discrepâncias sugerem incompatibilidade de framerate.

A codificação importa? Sim. UTF-8 é obrigatório para WebVTT e fortemente recomendado para SRT. Arquivos salvos em Windows-1252 ou ISO-8859-1 vão renderizar caracteres acentuados de forma incorreta na maioria dos players modernos.

O conversor preserva itálicos e quebras de linha? Sim. Tags inline <i> e <b> sobrevivem ao ida-e-volta entre SRT e VTT, assim como quebras de linha rígidas dentro de um cue.