Resumo
- Um timestamp marca um ponto contado a partir do início do arquivo. Já o timecode representa essa mesma ideia num formato fixo, muitas vezes incluindo os quadros (frames).
- O formato SRT usa vírgula para separar os milissegundos. O VTT usa ponto e permite omitir a hora.
- A transcrição pode marcar o tempo por trecho, por mudança de quem fala ou palavra por palavra. Ter o tempo de cada palavra permite um ajuste fino nas legendas.
- Tempos gerados automaticamente são estimativas. Vale assistir ao vídeo para revisar e ajustar só os trechos que adiantarem ou atrasarem.
- Se todas as legendas estiverem adiantadas ou atrasadas pelo mesmo tempo, desloque o arquivo inteiro. Se o atraso for aumentando aos poucos, o problema costuma ser uma diferença na taxa de quadros ou cortes feitos na edição.
O que é um timestamp em uma transcrição?
O timestamp (ou marcação de tempo) indica o momento em que uma fala começa, contando desde o início do áudio ou vídeo. Na transcrição, ele costuma aparecer ao lado de cada parágrafo ou quando muda a pessoa que está falando. O formato geralmente traz minutos e segundos, ou horas, minutos e segundos em gravações mais longas.
Na prática, essas marcações servem para três coisas. Você pode pular direto para o trecho exato do áudio para checar uma frase, citar um momento específico de uma gravação longa (como aos 41 minutos) ou transformar o texto em legenda, já que toda legenda é basicamente um texto com tempo de entrada e de saída.
Qual é a diferença entre timecode e timestamp?
No dia a dia, os dois termos se confundem. Na produção de vídeo, porém, timecode é um padrão que identifica cada quadro (frame) com horas, minutos, segundos e o número daquele quadro, como 00:12:30:15. Os editores usam essa marcação para alinhar vídeo, áudio e legendas. Já o timestamp de uma transcrição costuma ser menos rígido, porque só precisa apontar um momento no áudio.
Essa diferença aparece quando você passa de um programa para outro. O editor de vídeo conta quadros, então ele precisa saber a taxa de quadros (frame rate) do projeto. Já o arquivo de transcrição ou legenda conta segundos e milissegundos, sem depender dessa taxa. Na hora de juntar os dois, o programa de edição faz a conversão de um formato para o outro.
Como os arquivos SRT e VTT formatam o tempo?
Um arquivo SRT é uma lista de blocos numerados. Cada bloco tem um número, uma linha com o tempo de início e de fim separados por uma seta, uma ou duas linhas de texto e uma linha em branco no final. O tempo vem em horas, minutos, segundos e milissegundos, usando vírgula antes dos milissegundos, por exemplo: 00:01:02,500 seguido de uma seta e 00:01:05,100.
O arquivo VTT começa com o cabeçalho WEBVTT. A ordem do tempo é a mesma, mas ele usa ponto em vez de vírgula, e você pode tirar as horas quando elas forem zero. Esse formato segue uma especificação do W3C e também aceita configurações de posição e estilo visual da legenda.1
Se um arquivo de legenda der erro ao abrir, a primeira coisa a checar é o separador decimal. Usar vírgula num VTT ou ponto num SRT é um dos erros mais comuns. A KolWrite exporta os dois formatos direto da transcrição editada, já com a pontuação certa para cada um.
Qual é a diferença entre marcação por segmento e por palavra?
A marcação por segmento guarda o início e o fim de uma frase inteira ou de um bloco de legenda. Isso resolve bem para legendas comuns e para se localizar no texto. Já a marcação por palavra registra quando começa e termina cada palavra isolada. Com ela, dá para destacar as palavras na tela conforme são ditas, cortar o vídeo em cima de um termo exato e ajustar a legenda com muito mais controle.
A escolha vai depender do que você precisa fazer. Para um registro de reunião, basta ter o tempo por segmento e a indicação de quem está falando. Para legendas animadas e edições rápidas de vídeo, ter o tempo de cada palavra ajuda bastante. Desenvolvedores conseguem puxar os tempos por palavra, a identificação de quem fala e arquivos SRT pela API da KolWrite em console.kolwrite.com.
Quando for citar uma gravação num relatório, coloque o timestamp ao lado da fala mantendo sempre o mesmo padrão, como 00:41:12, e guarde o arquivo de mídia original sem alterações. Recodificar ou cortar uma cópia do arquivo pode mudar um pouco esses tempos, e a citação só funciona se quem estiver lendo conseguir achar exatamente o mesmo ponto.
Qual é a precisão das marcações de tempo?
Em uma transcrição automática, os tempos são estimativas. Eles podem variar uma fração de segundo, principalmente no começo de uma frase depois de uma pausa, quando há falas sobrepostas ou se o áudio tiver ruído. Para ler ou buscar no texto, isso não muda nada. Nas legendas, porém, qualquer pequeno atraso já é perceptível.
Para revisar, assista ao vídeo com as legendas ligadas. Fique atento principalmente à primeira legenda, às entradas logo depois de um silêncio longo e às partes em que mais de uma pessoa fala ao mesmo tempo. Em vez de mexer no arquivo todo, ajuste só as linhas que saíram do tempo.
Por que minhas legendas estão fora de sincronia e como corrigir?
O primeiro passo é reparar em como o erro acontece. Se todas as legendas entram adiantadas ou atrasadas exatamente pelo mesmo tempo, o arquivo inteiro está deslocado. Isso acontece, por exemplo, quando o vídeo ganha uma vinheta que não existia no áudio original. Nesse caso, basta adiantar ou atrasar todos os timestamps por esse mesmo valor. Se entrou uma introdução de cinco segundos, jogue todos os tempos cinco segundos para a frente.
Agora, se o atraso vai aumentando ao longo do vídeo, o problema é uma taxa de quadros incompatível ou algum corte feito no vídeo depois que a transcrição já estava pronta. Deixe para transcrever sempre a versão final do vídeo, porque cortar que sejam poucos segundos lá no começo já tira do lugar tudo o que vem depois.
Depois de corrigir, faça sempre um teste no player em que o público vai de fato assistir ao vídeo. Uma legenda que bate certinho na linha do tempo do programa de edição ainda pode se comportar de outro jeito num player da web.
Perguntas frequentes
Preciso incluir timestamps em uma transcrição?
Se a ideia for só ler o texto, não precisa. Mas eles são indispensáveis para checar frases no áudio original, indicar trechos específicos em gravações longas e criar arquivos de legenda.
Por que o formato SRT usa vírgula na marcação de tempo?
Isso faz parte da especificação do SRT, onde a vírgula separa os segundos dos milissegundos. Como o VTT usa ponto no lugar, não dá para trocar um formato pelo outro sem antes converter os separadores.
Posso obter um timestamp para cada palavra?
Sim. Pela API da KolWrite você tem acesso às marcações de tempo por palavra em JSON, e o Premiere Pro e o DaVinci Resolve aceitam legendas palavra por palavra pelo painel da KolWrite.
Como desloco o tempo de todas as legendas de uma só vez?
Use a função de deslocamento de tempo (time-shift) em um editor de legendas ou, se o arquivo for curto, mude os timestamps direto num editor de texto. Sempre teste o resultado no player de vídeo onde o arquivo será exibido.
Por que as legendas vão perdendo a sincronia até o final do vídeo?
Na maioria das vezes, a taxa de quadros não bate com a do vídeo, ou então o vídeo sofreu cortes depois que a transcrição foi feita. Para manter os tempos certos, faça a transcrição sempre a partir do corte final do vídeo.