EntrarExperimente grátis

O que é um 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.

Exemplo
WEBVTT

00:00:01.000 --> 00:00:04.000
Bem-vindos de volta ao programa.

00:00:04.200 --> 00:00:07.500 line:85%
<v Anna>Hoje vamos falar de legendas.

Como é construído um arquivo VTT

A primeira linha é WEBVTT, seguida de uma linha em branco. Depois, cada bloco tem um identificador opcional, uma linha de tempo como 00:01:02.500 --> 00:01:05.000 e o texto. Uma linha em branco separa os blocos, como no SRT.

O formato das marcações de tempo

O WebVTT usa um ponto antes dos três dígitos de milissegundos, nunca uma vírgula. As horas são opcionais, então 01:02.500 e 00:01:02.500 indicam o mesmo momento. Uma vírgula ou a falta da linha WEBVTT é o motivo mais comum para um navegador não mostrar legenda nenhuma.

O que o formato VTT acrescenta ao SRT

Os números dos blocos são opcionais, e um bloco pode terminar com configurações como line:85% ou align:start, que o movem na tela. Blocos NOTE guardam comentários, blocos STYLE guardam CSS, e tags como <v Anna> indicam quem está falando.

Configurações de bloco

As configurações vêm depois do tempo final, na mesma linha: line move o bloco para cima ou para baixo, position e size definem onde ele começa e qual é a largura, align alinha o texto à esquerda, ao centro ou à direita, e vertical deixa o texto na vertical para japonês ou chinês. Players que não suportam uma configuração simplesmente a ignoram.

Onde os arquivos VTT são usados

O VTT é o que o elemento HTML5 <track> carrega, por isso players web como Vimeo, JW Player e Brightcove o usam. Plataformas de reunião como Zoom e Microsoft Teams também salvam transcrições em VTT.

Problemas comuns

Os navegadores rejeitam um arquivo sem WEBVTT na primeira linha. Num site, o arquivo .vtt precisa ser servido como text/vtt a partir do mesmo site da página, ou com os cabeçalhos CORS corretos; caso contrário, as legendas simplesmente não aparecem, sem nenhum aviso.

Perguntas

O VTT é melhor que o SRT?

Para sites, sim: os navegadores o leem nativamente e ele suporta posicionamento. Para editores e formulários de upload, o SRT é mais seguro, porque mais ferramentas o aceitam.

Posso renomear .vtt para .srt?

Não. As marcações de tempo usam outro separador e o cabeçalho WEBVTT continua no arquivo, então converta-o.

Como abrir um arquivo VTT?

Em qualquer editor de texto, ou carregue-o junto com um vídeo no VLC ou num player do navegador.

Como é uma marcação de tempo VTT?

00:00:04.200 --> 00:00:07.500, ou 00:04.200 --> 00:07.500 sem as horas: minutos, segundos, um ponto e três dígitos de milissegundos.

Um arquivo VTT precisa de números nos blocos?

Não. Uma linha acima da linha de tempo é um identificador opcional, que pode ser um número ou qualquer nome. Arquivos sem identificadores são válidos.

Ler mais

Termos relacionados

  • 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.

  • 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.

  • 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.

Atualizado: