Legendas gravadas na imagem ou separadas
Existem duas formas de colocar legendas num vídeo, e elas resolvem problemas diferentes.
Legendas separadas (soft) ficam num arquivo próprio, normalmente SRT ou VTT, ou como uma faixa dentro de um MKV ou MP4. Quem assiste pode ligá-las e desligá-las, escolher o idioma, e o texto fica nítido em qualquer tamanho. O problema é que o player precisa suportá-las, e muitos lugares onde se assistem vídeos curtos não leem um arquivo de legendas enviado junto com o vídeo.
Legendas gravadas (hard) são desenhadas nos próprios frames. Elas são simplesmente parte da imagem, então aparecem em qualquer lugar onde o vídeo toque: na prévia de um mensageiro, num feed de rede social, num celular no modo silencioso, incorporadas num site com um player mínimo ou numa TV que ignora faixas de legenda. Elas não podem ser desligadas, traduzidas pelo player nem ter o estilo alterado depois.
Legendas gravadas são a escolha prática para clipes de redes sociais, onde boa parte das pessoas rola o feed com o som desligado, e para qualquer vídeo que você entrega a outra pessoa sem controle sobre como ele será reproduzido. Para um acervo de filmes ou uma biblioteca em vários idiomas, arquivos separados são melhores.
O que acontece com o seu vídeo
Esta ferramenta roda inteiramente nos nossos servidores, numa única tarefa com duas etapas:
- Reconhecimento de fala. O áudio é transcrito com o modelo de fala Whisper em segmentos com tempo, exatamente como a ferramenta de transcrição faz quando você escolhe a saída SRT. Silêncios são pulados e a pontuação é adicionada automaticamente.
- Renderização. Os segmentos são desenhados nos frames e o vídeo é recodificado para MP4 H.264 com uma configuração de qualidade (CRF 23) que mantém a imagem próxima do original. O som é recodificado como AAC a 128 kbps, e o arquivo é organizado para começar a tocar antes de terminar de baixar.
A resolução e a taxa de quadros continuam as mesmas. Entradas MOV, MKV e WebM voltam como MP4, que é o que redes sociais e mensageiros esperam. O arquivo final tem o nome do original acrescido de -subtitled.
Como a imagem inteira é recodificada, o tamanho do resultado pode ser diferente do original. Um clipe gravado em HEVC num iPhone recente pode voltar um pouco maior, porque o H.264 precisa de mais bits para a mesma qualidade. Se o tamanho importar, passe o resultado depois pelo comprimir vídeo.
Como as legendas ficam
O estilo é fixo e pensado para continuar legível sobre qualquer fundo:
- Texto branco sem serifa, centralizado na parte de baixo do quadro.
- Uma caixa escura semitransparente atrás de cada linha em vez de contorno, para que as palavras sejam lidas tanto sobre céus claros quanto sobre cenas movimentadas.
- O tamanho do texto acompanha a altura do vídeo, então uma versão 720p e uma 4K do mesmo clipe ficam proporcionalmente iguais.
- Uma margem inferior de aproximadamente um décimo da altura do quadro, que mantém o texto longe das barras de progresso e da área de legenda que os apps de celular sobrepõem.
Cada legenda corresponde a uma frase reconhecida. Fala rápida ou contínua gera frases mais longas, que quebram em duas ou mais linhas; isso é mais perceptível em vídeo vertical 9:16, onde o quadro é estreito.
Como acertar de primeira
Como o texto não pode ser editado antes de ser gravado, a qualidade do reconhecimento é o que você recebe. Algumas coisas aumentam as chances:
- Defina o idioma falado em vez de deixar a detecção automática quando o clipe começa com música ou vinheta. As legendas são escritas no idioma falado; escolher outro não as traduz.
- Use o áudio mais limpo que você tiver. Música de fundo por baixo da fala é o motivo mais comum de falas faltando ou embaralhadas.
- Atenção a nomes e números. Nomes de marcas, nomes de pessoas e valores são onde os erros se concentram. Se eles importarem, teste antes com um clipe curto.
- Guarde o original. Texto gravado na imagem é permanente, então guarde a versão limpa caso precise dela sem legendas ou com o texto corrigido.
Se você precisa de controle total sobre o texto, gere um SRT com a transcrição, corrija-o e carregue-o como faixa de legenda no seu editor de vídeo.
Tempo, limites e privacidade
O tempo de processamento depende principalmente da duração da gravação, já que o reconhecimento roda perto do tempo real; por isso, cortar o clipe até a parte que você vai publicar de fato com o cortar vídeo economiza tanto espera quanto cota. O uso grátis cobre um vídeo por dia, de até 10 minutos e 500 MB, sem conta. O Premium remove o limite diário e aceita gravações de até 90 minutos. O vídeo enviado é apagado assim que o processamento termina, e o resultado expira automaticamente em cerca de uma hora.