Glossário de transcrição e legendagem

Definições curtas e práticas dos termos que encontra quando transcreve gravações ou trabalha com legendas — com exemplos e o que cada um significa na prática.

Arquivo SRT: Um arquivo SRT (SubRip Subtitle, .srt) é um arquivo de legendas em texto simples. Cada legenda é um bloco numerado com tempo de início e de fim e uma ou duas linhas de texto. Players e plataformas mostram o texto sobre o vídeo nesses momentos, e o espectador pode ativar ou desativar as legendas.
Arquivo VTT: Um arquivo VTT (WebVTT, .vtt) é o formato de legendas do vídeo na web. É texto simples como o SRT, mas começa com a linha WEBVTT, escreve os milissegundos depois de um ponto e pode trazer estilos, posições e tags de falante que os navegadores entendem.
Legendas abertas: As legendas abertas (open captions) estão gravadas no próprio vídeo, como parte da imagem. Estão sempre visíveis, têm o mesmo aspeto em qualquer leitor e plataforma e não se podem desligar — ao contrário das legendas fechadas (closed captions), que vêm numa faixa separada que o espectador pode ativar ou desativar.
Legendas SDH: SDH significa Subtitles for the Deaf and Hard of Hearing: legendas para surdos e pessoas com deficiência auditiva. Além do diálogo, as legendas SDH identificam oradores fora de cena e descrevem os sons importantes — [porta bate], [telemóvel a vibrar], [música tensa] — para que o vídeo se perceba sem áudio. Os serviços de streaming identificam-nas, por exemplo, como Inglês [SDH].
Diarização de oradores: A diarização de oradores (speaker diarization) é a etapa do reconhecimento de fala que determina quem falou e quando. Divide uma gravação em segmentos por voz e identifica-os como Orador 1, Orador 2 e assim por diante, para que a transcrição de uma entrevista ou reunião mostre as intervenções de cada pessoa em vez de um único bloco de texto.
Transcrição verbatim: A transcrição verbatim (ou literal) regista a fala exatamente como foi dita: cada hum e eh, palavras repetidas, falsos começos, gaguejos e, muitas vezes, sons não verbais como [risos]. O oposto, o verbatim limpo (clean verbatim), mantém as palavras e o sentido do orador, mas retira bordões e hesitações para que o texto se leia com fluidez.
Timecode: O timecode (código de tempo) é uma etiqueta para cada fotograma de vídeo, escrita como horas:minutos:segundos:fotogramas — 01:02:03:12 é o fotograma 12 do terceiro segundo. Os editores usam-no para encontrar o mesmo momento em todas as cópias de um projeto. Os ficheiros de legendas costumam contar o tempo em milissegundos, e é aí que começam as confusões.
Legendas forçadas: As legendas forçadas (forced subtitles) aparecem mesmo quando o espectador desligou as legendas. Cobrem apenas o que um espectador que fala a língua do filme perderia: diálogo noutra língua, placas, cartas e texto no ecrã. Os serviços de streaming chamam-lhes legendas forced narrative.
Normas de transcrição: Normas de transcrição são as regras combinadas para transformar fala em texto: como marcar os falantes, as pausas, as falas sobrepostas, a ênfase, as risadas e as palavras que não dá para entender. Um estudo ou projeto escolhe um conjunto de normas e o aplica a todas as transcrições, para que transcrições feitas por pessoas diferentes possam ser comparadas.
Roteiro de dublagem: Roteiro de dublagem é o diálogo traduzido de um filme ou vídeo, reescrito para que cada fala possa ser dita no tempo que a fala original ocupa na tela. Ele lista cada fala com o personagem que a diz e os timecodes de entrada e saída. O texto adaptado é o que os dubladores, ou uma voz de IA, leem no estúdio.
Dublagem: Dublagem é substituir a fala de um filme, série ou vídeo por uma nova fala gravada, geralmente uma tradução para outro idioma, para que o público ouça a história no próprio idioma em vez de ler legendas. As novas falas são sincronizadas com a imagem, e a música e os efeitos sonoros do original são mantidos.
Voice-over: Voice-over, na tradução, é colocar uma tradução falada sobre o áudio original, que continua audível em volume mais baixo por baixo. Diferente da dublagem, ele não tenta substituir as vozes originais nem acompanhar os movimentos dos lábios: o público percebe que outra pessoa está traduzindo.
Clonagem de voz: Clonagem de voz é criar uma voz sintética que soa como uma pessoa real específica, a partir de gravações da fala dela. O clone pode então dizer frases novas que a pessoa nunca gravou, inclusive em outros idiomas, e é assim que as ferramentas de dublagem mantêm a voz do próprio falante em uma tradução.