Legendas palavra por palavra,e como o YouTube as reproduz

As legendas que chegam uma palavra por vez estão em todo vídeo curto, e elas funcionam: quem assiste não lê adiante, o olhar fica perto do centro do quadro e a fala rápida fica mais fácil de acompanhar. O YouTube consegue reproduzi-las a partir de uma faixa de legenda, sem gravar nada no vídeo — mas só de um jeito específico.

Hoje nós resolvemos isso.

Aparecer Destacar Linha inteira

Aparecer e destacar não são o mesmo recurso

Aparecer: as palavras entram conforme são ditas

A linha começa vazia e cada palavra surge no seu próprio momento. No formato de legenda do YouTube isso é nativo: uma linha de legenda contém vários segmentos, e cada segmento carrega o próprio deslocamento de início. O player faz o resto, o arquivo continua pequeno e o tempo fica exato.

Destacar: a linha inteira aparece e a palavra atual ganha cor

Aqui quem assiste lê a linha completa desde o começo enquanto uma palavra acende. O formato não tem uma instrução do tipo “pinte esta palavra agora”, então o efeito é montado escrevendo a mesma linha várias vezes — uma cópia por palavra, cada uma com uma palavra colorida. Uma linha de dez palavras vira dez entradas de legenda.

É por isso que destacar é a escolha mais pesada, e por isso uma linha centralizada mal montada fica pulando: se cada cópia é renderizada como uma linha nova, o player recentraliza tudo. Feito direito, toda cópia traz o mesmo texto com o mesmo espaçamento, e só a cor muda.

Roll-up e zoom

Outros dois efeitos aparecem na mesma conversa:

• Roll-up — as linhas se empilham e sobem como nas legendas ao vivo da televisão. Cada estado da pilha é uma entrada de legenda própria.
• Zoom — a linha cresce até o tamanho final. O YouTube também não tem instrução de animação, então o movimento é escrito quadro a quadro: uma série de entradas com algumas dezenas de milissegundos de intervalo, cada uma com a fonte um pouco maior.

Os dois são legítimos e os dois incham o arquivo. Um vídeo de três minutos com legendas palavra por palavra no modo aparecer continua sendo um XML modesto; o mesmo vídeo com zoom em cada linha pode ficar dezenas de vezes maior.

Tempo: a parte que decide se a coisa funciona

O tempo de cada palavra costuma vir de um de dois lugares. O reconhecimento de fala dá um carimbo de tempo por palavra, tão preciso quanto a transcrição. Dividir a duração da linha entre as palavras é o caminho mais simples: divida pelo número de palavras ou dê peso pelo comprimento, para que “extraordinário” fique na tela mais tempo que “e”.

O tempo proporcional dá conta da maioria dos vídeos falados e erra de forma visível quando alguém faz uma pausa no meio da frase. Regras que valem nos dois casos:

• De duas a cinco palavras por linha; uma linha longa mata o efeito.
• Algo entre 250 e 400 ms por palavra soa natural; abaixo de 150 ms as palavras piscam.
• Quebre as linhas onde quem fala respira, não onde a contagem de caracteres acaba.
• Não comece a primeira legenda em 0 ms — alguns players Android ignoram uma linha que começa no zero. Comece em 1 ms ou depois.

O que sobrevive à tradução

O tempo palavra por palavra está preso às palavras de um idioma. Traduza a linha e a contagem muda: quatro palavras em inglês viram seis em alemão ou duas em japonês. Os tempos precisam ser redistribuídos entre as palavras novas, e cada cor aplicada a uma palavra precisa ser refeita — exatamente o tipo de trabalho que torna a tradução manual de legendas estilizadas um martírio. O Rainbow Captions redistribui o tempo em cada idioma traduzido automaticamente e mantém os estilos.

Onde essas legendas realmente aparecem

As legendas palavra por palavra vindas de uma faixa de legenda tocam no player web do YouTube e nos apps de celular. O suporte não é igual em todo aparelho e app de TV, e quem ajustou as próprias preferências de legenda no player vê os ajustes dele vencerem os seus. Linhas que misturam vários segmentos estilizados também precisam de caracteres invisíveis de largura zero como preenchimento, senão alguns players de celular achatam o estilo — uma esquisitice que descrevemos na referência do formato .ytt.

Perguntas

O YouTube mostra legendas palavra por palavra sem gravá-las no vídeo?

Mostra. O formato de legenda do YouTube aceita segmentos com tempos de início próprios dentro de uma linha, que é exatamente o efeito aparecer. Destacar, roll-up e zoom também são possíveis, mas são escritos como entradas de legenda repetidas, não como animações.

O que é melhor, aparecer ou destacar?

Aparecer é mais leve, mais preciso e o mais próximo do que os canais grandes usam. Destacar combina com letra de música ou material didático, em que ver a linha inteira enquanto acompanha a palavra atual ajuda quem assiste.

Legendas animadas atrapalham a acessibilidade?

Podem atrapalhar. Quem lê devagar, ou depende da legenda em vez do áudio, perde o contexto da frase inteira quando as palavras chegam uma de cada vez. Mantenha as linhas curtas, o ritmo constante e publique também uma faixa de legenda simples junto da estilizada quando o público precisar.