Resumo
- As legendas descritivas (closed captions) trazem a fala e os sons necessários para entender o vídeo, sincronizados com a imagem.
- Pela WCAG, mídia sincronizada pré-gravada precisa de legendas no Nível A, e ao vivo no Nível AA, dentro do escopo e das exceções do padrão.
- O texto gerado automaticamente é um rascunho. Nomes, tempos, trocas de quem fala e sons importantes precisam de uma pessoa revisando.
- A transcrição resolve o que a legenda não alcança: serve para ler corrido, buscar palavras, fazer citações e pular direto para um ponto da gravação.
- Criamos legendas e transcrições a partir de uma única base sincronizada. Assim, qualquer correção já vale para os dois formatos.
1. Legendas descritivas, legendas traduzidas e transcrições são parentes próximos, não gêmeos
As legendas descritivas (closed captions ou LSE) são textos sincronizados com o vídeo que trazem a fala e os sons fora da fala necessários para acompanhar o que está acontecendo. Elas podem indicar quem está falando e descrever um som que faz diferença na cena. Já as legendas convencionais (subtitles) costumam ser uma tradução para quem ouve o áudio original, mas não entende o idioma. A transcrição é um documento de texto. Funciona bem para materiais só em áudio e serve para ler, pesquisar, citar e navegar pelo conteúdo.13
Uma mesma base corrigida e com marcação de tempo pode gerar os três formatos, mas a edição muda de um para o outro. Na transcrição cabem parágrafos e contexto. Já a legenda precisa caber numa linha curta, entrar no quadro exato e ficar fora de textos que já fazem parte da imagem.
2. O que o padrão realmente exige
As diretrizes do W3C pedem legendas no Nível A para vídeos pré-gravados em que o áudio é necessário, e no Nível AA para mídia sincronizada ao vivo. Essas legendas incluem o diálogo, quem fala e os efeitos sonoros com significado, não só a voz. O que a lei exige no seu caso depende do país e do que você publica. A WCAG é uma norma técnica, não uma orientação jurídica.21
Na prática, um formato não substitui o outro. Um link para a transcrição embaixo do vídeo não dá a mesma experiência de assistir com legendas sincronizadas. O contrário também vale: legendas presas no player não dão a quem só ouve o áudio um texto para ler, buscar ou citar. Por isso, primeiro olhamos para o tipo de mídia e para o que o usuário precisa; só depois escolhemos o formato.
3. O público é maior que uma lista de exigências
Segundo a Organização Mundial da Saúde, cerca de 1,5 bilhão de pessoas vivem com algum grau de perda auditiva, e em torno de 430 milhões delas precisam de serviços de reabilitação. Mas as legendas também são lidas num bar barulhento ou num escritório em silêncio, na sala de aula, por quem assiste em um segundo idioma e por qualquer pessoa que não possa ligar o som naquela hora.41
O texto permite coisas que o áudio não faz. Dá para buscar uma palavra, copiar um trecho, traduzir, aumentar a fonte e ler no seu próprio ritmo. O W3C também descreve as transcrições interativas, que destacam a frase falada no momento e levam o áudio direto para o trecho em que o leitor clicar.3
4. Por que legendas automáticas ainda precisam de um editor
O reconhecimento automático adianta a maior parte da digitação, mas não sabe qual erro muda o sentido da frase. Um sobrenome errado, um "não" que some, um número trocado ou uma fala atribuída à pessoa errada podem virar a cena do avesso. E sons importantes para o contexto podem nem aparecer numa transcrição feita só para a voz. A própria orientação prática do W3C é clara: legendas automáticas normalmente precisam de edição.1
A nossa revisão é feita ouvindo o áudio, e não passando um corretor ortográfico. Preste atenção aos primeiros e aos últimos segundos, onde o conteúdo costuma sofrer cortes. Confira nomes e números, marque as trocas de quem fala e inclua os sons de que o público precisa. Por fim, assista ao vídeo pronto para checar o tamanho dos blocos, o tempo de leitura, o contraste e se alguma legenda ficou em cima de um nome que já estava na tela.
5. O que verificamos antes de publicar
Guarde um arquivo principal revisado, com os tempos marcados por palavra ou por trecho, e gere a partir dele os arquivos de legendas descritivas e traduzidas. Guarde também a mídia original e o histórico de alterações. Depois de exportar, teste o arquivo no player que o seu público vai usar de verdade. Um arquivo SRT pode estar tecnicamente perfeito e mesmo assim passar rápido demais para alguém conseguir ler.
O KolWrite funciona em cima dessa base única sincronizada. Você edita o texto acompanhando o vídeo, ajusta quem fala e o idioma, e depois exporta no formato certo para o seu público. Apertar o botão de exportar não torna um vídeo acessível. O que resolve é o resultado na tela, e isso ainda leva alguns minutos de revisão humana para cada vídeo.
Perguntas frequentes
Legendas convencionais (subtitles) e legendas descritivas (closed captions) são a mesma coisa?
Os dois formatos costumam usar o mesmo tipo de arquivo e podem até ter exatamente o mesmo texto. As legendas descritivas (closed captions ou LSE) servem para passar a fala e os sons relevantes a quem não ouve o áudio. As legendas convencionais (subtitles) normalmente traduzem o que é dito para quem consegue ouvir a faixa original. O uso de cada termo muda de um país para outro.
Legendas automáticas atendem à WCAG sem revisão?
Cumprir a norma depende de a legenda final estar certa e completa, não de como ela foi gerada. O texto automático adianta o trabalho, mas nomes, tempos, identificação de quem fala, trechos que ficaram de fora e sons importantes ainda precisam passar por revisão.
A transcrição substitui as legendas em um vídeo?
Normalmente não. Pela WCAG, vídeos pré-gravados que dependem do áudio precisam de legendas sincronizadas. Ainda assim, vale publicar a transcrição junto com o vídeo; já para arquivos apenas em áudio, ela pode ser o material principal.
Qual deve ser o tamanho de uma linha de legenda?
Curta o bastante para dar tempo de ler antes de sumir da tela. Em vez de olhar só para o número de caracteres, medimos o tempo real de leitura e quebramos o bloco quando a frase passa do ritmo que o espectador consegue acompanhar.
