Formato .ytt:uma referência de trabalho

Rainbow Captions16 de setembro de 20269 min de leitura

Uma referência do formato de texto sincronizado do YouTube — o XML por trás das legendas estilizadas, salvo como .ytt e conhecido dentro do YouTube como formato 3, ou SRV3. Tudo o que vem abaixo é o que o formato aceita na prática, inclusive os valores que parecem razoáveis e são descartados em silêncio.

O desenho de um arquivo

<timedtext format="3">
  <head>
    <pen id="1" b="1" fc="#FEFEFE" fo="254" et="4" ec="#000000"/>
    <wp id="0" ap="7" ah="50" av="90"/>
    <ws id="0" ju="2"/>
  </head>
  <body>
    <p t="1000" d="1600" wp="0" ws="0" p="1">Today we fix that.</p>
  </body>
</timedtext>

O cabeçalho declara os estilos reutilizáveis: pen para o texto, wp para onde fica a janela da legenda, ws para como o texto se alinha dentro dela. O corpo é a lista de linhas de legenda, cada uma apontando por id para os estilos que usa.

<pen> — o estilo do texto

Atributo	Valores	Significado
`fs`	0–7	Fonte: 0 sans padrão, 1 Courier New, 2 Times New Roman, 3 Lucida Console, 5 Comic Sans MS, 6 Monotype Corsiva, 7 Carrois Gothic SC. O 4 não é definido.
`sz`	integer	Tamanho. 100 é o padrão do YouTube; a escala não é linear (veja abaixo).
`b`, `i`, `u`	"1"	Negrito, itálico, sublinhado. Só são escritos quando verdadeiros.
`fc`	#RRGGBB	Cor do texto. O branco puro #FFFFFF costuma ser escrito como #FEFEFE.
`fo`	0–254	Opacidade do texto. O 255 é descartado — totalmente opaco é 254.
`bc`, `bo`	#RRGGBB, 0–254	Cor da caixa de fundo e a opacidade dela. `bo="0"` remove a caixa.
`et`	1–4	Borda: 1 sombra dura, 2 relevo, 3 brilho, 4 sombra suave. Não existe um tipo contorno — usa-se um brilho escuro no lugar.
`ec`	#RRGGBB	Cor da borda. O padrão é #222222 na opacidade do texto.
`of`	0–2	Deslocamento: 0 subscrito, 1 normal, 2 sobrescrito.
`rb`	0–5	Anotação ruby (furigana): 0 nenhuma, 1 base, 2 parênteses, 4 texto antes, 5 texto depois.

A fórmula do tamanho

O valor em sz não é o tamanho que você quer dizer. Ele anda quatro vezes mais rápido que a escala real:

sz    = (1 + (scale − 1) × 4) × 100
scale = 1 + (sz / 100 − 1) / 4

Então sz="100" é 100%, sz="200" é 125% e sz="50" fica em torno de 87%. O tamanho padrão de legenda do YouTube é mais ou menos 4,6–4,8% da altura do quadro, que é o tamanho em que sz="100" é renderizado.

<wp> — a posição da janela

Atributo	Valores	Significado
`ap`	0–8	Ponto de ancoragem: 0 superior esquerdo, 1 superior central, 2 superior direito, 3 meio esquerdo, 4 centro, 5 meio direito, 6 inferior esquerdo, 7 inferior central, 8 inferior direito.
`ah`	0–100	Posição horizontal.
`av`	0–100	Posição vertical.

As posições não são porcentagens cruas do quadro. O YouTube as mapeia para uma área segura:

screen% = value × 0.96 + 2

av="0" cai a 2% do topo e av="100", a 98%. Um conversor no sentido inverso usa value = (screen% − 2) / 0.96.

<ws> — o estilo da janela

Atributo	Valores	Significado
`ju`	0–2	Alinhamento: 0 à esquerda, 1 à direita, 2 centralizado.
`pd`	0–3	Direção de escrita; 0 é horizontal da esquerda para a direita.
`sd`	0–1	Direção de rolagem, para texto vertical.

<p> e <s> — linhas e segmentos

Atributo	Valores	Significado
`p.t`	≥ 1 ms	Tempo de início. Alguns players Android ignoram uma linha que começa em 0.
`p.d`	> 0 ms	Duração.
`p.wp`, `p.ws`	id	Posição da janela e estilo da janela a usar.
`p.p`	id	Caneta para a linha inteira.
`s.p`	id	Caneta para um segmento dentro da linha.
`s.t`	≥ 0 ms	Início do segmento, relativo à linha — é assim que funciona o tempo palavra por palavra.

As esquisitices que custam uma tarde

Só uma borda por caneta. Contorno e sombra no mesmo texto significam escrever a linha duas vezes, com duas canetas, uma por cima da outra.
Contorno mais grosso é cópia empilhada. Repita algumas vezes a mesma linha com borda de brilho; não aumente a fonte das cópias de baixo, ou as camadas se descolam na horizontal.
A opacidade 255 desaparece. Use 254.
Preenchimento de largura zero. Linhas que misturam vários segmentos estilizados precisam de espaços de largura zero em volta, senão alguns players de celular achatam o estilo na caneta da própria linha.
Sem animação. Zoom e roll-up são séries de entradas de legenda, com algumas dezenas de milissegundos de intervalo.
Os ajustes de quem assiste vencem. Quem mudou a aparência das legendas no player vê os ajustes dele, não as suas canetas.

De onde vêm estas informações

O YouTube não documenta o formato publicamente. O comportamento de referência vem do YTSubConverter, o conversor open source cujo código-fonte é a especificação de fato, conferido com faixas de legenda reais baixadas do YouTube e com o que os players de fato renderizam. O Rainbow Captions escreve o mesmo formato — você pode montar as faixas na mão com as tabelas acima ou deixar o app cuidar das camadas, das proteções e do tempo palavra por palavra.

Deixe o app escrever o XML

O Rainbow Captions cuida das canetas, dos contornos em camadas, dos caracteres de proteção e do tempo palavra por palavra, em 170 idiomas. Download grátis e os 10 primeiros idiomas de graça.

Baixar para Mac