O Que É Um Subtitulo

O que são legendas e por que todo mundo faz errado

Subtitle, ou legenda, é aquele arquivo de texto (geralmente .srt, .vtt, ou .ass) que contém os diálogos sincronizados com um vídeo. Cada linha tem um temporizador em formato de tempo e o texto em si. Quando você abre um vídeo em qualquer player moderno, o arquivo é lido e sobreposto na tela. Isso é basicamente tudo que existe. A coisa que mais vejo gente confundindo não é o conceito, é a formatação. Já vi gente usando formatação UTF-8 com BOM em arquivos SRT e o player não reconhecia, ou então colocando tags de estilo dentro de legendas puras de tempo. Funciona às vezes, mas é um problema de compatibilidade que custa horas pra debugar.

o que é um subtitulo na prática

Na prática, um subtítulo é um mapeador de texto no tempo. Cada entrada tem início e fim, e o player desenha na tela apenas o que está ativo naquele frame. Parece simples até você tentar fazer isso manualmente para um vídeo de uma hora com áudio em dois idiomas. Eu já gastei duas semanas inteiras corrigindo legendas que um colega tinha traduzido automaticamente com a API do Google Translate antes de existir whisper. O resultado era compreensível, mas os timestamps estavam desalinhados porque o modelo de fala tinha estimado a duração errada dos silêncios. O workaround que funcionou foi usar o Aegisub, importar o vídeo, ativar a visualização de forma de onda, e ajustar cada mark point manualmente com a tecla X. Não é bonito, mas resolve em cerca de 4 horas para um video de 90 minutos, contra as 2 dias que eu estava levando com ajuste visual ponto a ponto.

Aqui estão as coisas que os tutoriais não contam sobre legendas: Primeiro, a regra de ouro do número de caracteres por linha. O padrão da indústria diz 37 caracteres por linha no máximo, 2 linhas por frame. Se você ultrapassar isso, a legenda fica ilegível em TVs pequenas. Já vi editores insistirem em deixar 60 caracteres porque "ficava mais fiel ao original", e o resultado era um textão ilegível que ninguém lia.

Segundo, a pausa entre legendas adjacentes. Todo mundo coloca zero de overlap, mas isso causa flickering no olho do espectador. O padrão profissional é pelo menos 200ms de sobreposição entre uma legenda e a próxima. Você não nota conscientemente, mas a ausência disso causa cansaço visual. Terceiro, a diferença entre Closed Caption e subtitle puro. Closed Caption inclui indicação de sons não verbais como [música], [porta batendo], e é obrigatório em broadcast nos EUA. Subtitle é apenas a tradução ou transcrição dos diálogos. Misturar os dois num mesmo arquivo causa confusão nos players e na experiência do usuário.

Quarto, formatação avançada com ASS/SSA. Esse formato permite positionamento exato, fontes customizadas, efeitos de entrada e saída, e até animação. É poderoso demais para a maioria dos casos e introduz problemas de renderização em players mais simples. Use só quando for preciso mesmo, senão vira dor de cabeça desnecessária.

Como criar uma legenda do zero

Você precisa de três coisas: o vídeo, um editor de legenda, e tempo. Os edits mais usados são Aegisub (gratuito e poderoso), Subtitle Edit (mais simples, bom pra iniciantes), e o NSub (open source, cross-platform). Eu uso Aegisub pra tudo que é sério e Subtitle Edit pra correções rápidas. O fluxo básico é: importar o vídeo no editor, configurar a janela de preview, marcar os pontos de início e fim de cada fala com a tecla de atalho, digitar o texto, e exportar. Fazer isso manualmente para um vídeo de 2 horas leva cerca de 6 a 8 horas trabalhando com foco. Se você usar ferramentas de ASR (automatic speech recognition) como o Whisper da OpenAI, o processo cai para talvez 30 minutos de revisão, mas a qualidade nunca fica perfeita — especialmente com sotaques, ruído de fundo, ou múltiplos falantes sobrepostos.

Se você quer baixar algo pronto, o Subtitle Edit tem versão Windows gratuita no site oficial dele, o Aegisub tem builds noturnas no GitHub, e o NSub está no repositório oficial no GitHub também. Para Whisper, você pode usar o interface gráfica dosher, que é o mais estável que eu já testei.

Problemas comuns e como resolver

Um problema frequente é a legenda não aparecer em certos players. Na maioria das vezes o culpado é encoding errado. Verifique se o arquivo está em UTF-8 sem BOM. Um BOM invisível no início do arquivo faz o VLC e o MPC-HC simplesmente ignorarem a legenda inteira. Já perdi tarde da noite porque não sabia dessa peculiaridade. Outro problema é a sincronia ficar errada depois de cortar cenas do vídeo. Se você remover um trecho de 30 segundos no meio, todas as legendas depois daquele ponto precisam ser deslocadas. O Subtitle Edit tem uma função de shift que faz isso automaticamente — seleciona as linhas afetadas e aplica o offset. Fica pronto em segundos, sem risco de erro manual.

O problema mais chato que eu já enfrentei foi com legendas em vídeo de livestream gravada. O áudio tinha variações de tempo real porque a stream tinha lag de rede, e as legendas sincronizadas manualmente ficavam erradas em certos pontos. A solução foi exportar o áudio, passar pelo Mel Spectrogram do Whisper, e depois ajustar manualmente os segmentos problemáticos no Aegisub. Custou cerca de 4 horas extras, mas o resultado final ficou aceitável.

Quando não usar legendas

Legendas não são solução para tudo. Se o vídeo tem áudio de qualidade duvidosa com muito ruído de fundo, a ASR vai gerar lixo que vai exigir mais trabalho pra corrigir do que transcrever do zero. Nesse caso, transcrição manual com um gravador e headphones é mais rápido no geral, especialmente se o conteúdo for técnico ou com terminologia específica que os modelos de ASR não reconhecem bem. Também não adianta muito criar legendas para vídeos curtos de menos de 30 segundos onde o texto na tela já comunica tudo. É trabalho desperdiçado na maioria dos casos.

O que é um subtitulo, no final das contas, é apenas uma camada de informação sobreposta ao vídeo no tempo certo. A complexidade está toda nos detalhes de formato, sincronia, e qualidade textual. Domine isso e o resto vem fácil.