O Que Legendas Acessíveis Realmente Exigem

Principais Pontos

Legendas acessíveis não são apenas legendas que existem. Elas trazem o diálogo mais o som sem fala que é relevante, marcam toda troca de quem está falando, e aparecem e desaparecem no mesmo ritmo da fala. Subtítulos são outra coisa, geralmente só o diálogo e muitas vezes traduzido. Uma transcrição é o texto sem sincronização, e serve para quem não consegue usar o player de vídeo de forma alguma — por isso é um material separado, e não um substituto. Legendas automáticas sem revisão são o erro mais comum.

Alguém te disse que as legendas precisam ser acessíveis. Você tem legendas. Agora você está tentando entender qual é a diferença entre essas duas frases, e ninguém foi muito específico sobre isso.

O problema quase nunca é a falta de uma trilha de legendas no vídeo. É que essa trilha é inutilizável de um jeito que só aparece quando uma pessoa surda ou com deficiência auditiva tenta acompanhar o vídeo com ela. Veja abaixo o que isso significa na prática, na ordem em que você vai encontrar cada problema.

Três palavras, três materiais, três públicos

Closed Caption, legenda e transcrição são termos usados como sinônimos na conversa do dia a dia, mas a exigência que chegou até você quase certamente não os trata dessa forma. Se o texto cita dois desses termos, ele está pedindo dois materiais diferentes.

Closed Caption (CC) traz o diálogo mais o som sem fala que é relevante. É escrito partindo do princípio de que quem está assistindo não ouve nada, então qualquer coisa que a trilha sonora esteja fazendo e a imagem não mostre precisa estar no texto.

Legenda normalmente traz só o diálogo, e muitas vezes é uma tradução. Parte do princípio de que você ouve o vídeo perfeitamente bem, só não entende o idioma falado. Uma legenda comum não vai te avisar que o alarme disparou, porque quem ouve o áudio no idioma original não precisa dessa informação.

Uma transcrição é o texto isolado, sem sincronização com o tempo. Sem marcação, sem sincronia, sem depender do player de vídeo. Ela serve para quem usa leitor de tela, para quem não consegue operar o player de vídeo, e para quem simplesmente prefere ler o conteúdo em vez de assistir.

Esse último ponto é a distinção que as pessoas mais confundem. Uma transcrição publicada ao lado do vídeo não substitui a exigência de Closed Caption, e um arquivo de Closed Caption não substitui a exigência de transcrição, porque cada um chega a um público diferente por um caminho diferente. Se você produz um material e chama os dois pelo mesmo nome, na prática você produziu só um.

Vale dizer com clareza: as obrigações de acessibilidade variam por país, por setor e por organização. Não existe um padrão global único que você possa consultar e resolver sozinho. A regra que importa é aquela à qual sua organização está sujeita, e alguém dentro da sua organização sabe qual é essa regra, mesmo que ainda não tenha te contado. Pergunte antes de montar um processo baseado em suposição.

O Closed Caption carrega o som, não só a fala

Essa é a parte que surpreende quem só pensava em legendas como conversão de fala em texto. Uma porta batendo. Um alarme. Uma risada fora de quadro. Um telefone tocando que faz a pessoa parar de falar no meio da frase. Nada disso é diálogo, e nada disso é visível.

Se uma pessoa que não ouve a trilha sonora assiste ao seu vídeo e algo acontece sem explicação, o Closed Caption falhou exatamente naquilo para que ele existe. A pessoa na tela reagindo a um som que nunca foi mencionado passa a agir de um jeito incompreensível.

O teste não é “houve um som”, e sim “esse som tem significado”. Silêncio ambiente não precisa de legenda. Música de fundo que ninguém reage também costuma não precisar. Já o alarme que faz todo mundo saltar da cadeira precisa. O mesmo vale para uma risada, quando ela mostra como uma fala foi recebida. A decisão é sua, e é uma decisão real, não uma regra que se automatiza — um dos motivos pelos quais uma revisão humana do arquivo é importante. Se quiser a versão mais completa de como isso funciona na prática, o guia sobre legendas ocultas cobre os detalhes técnicos.

Também não exagere. Um arquivo de legendas que anota cada ruído compete com o diálogo pela atenção de quem está lendo e faz a pessoa ficar atrasada em relação ao vídeo. Inclua o que muda o significado da cena. Deixe o resto de lado.

Mostrando quem está falando

Um arquivo de legendas que junta a fala de três pessoas sem indicar onde uma termina e a outra começa está tecnicamente presente, mas é inutilizável na prática. Esse é um dos defeitos mais comuns em arquivos que passam por qualquer checagem superficial, porque essa checagem pergunta se existem legendas, não se elas podem ser lidas.

Pense no que uma pessoa que ouve recebe de graça. As vozes são diferentes. Você sabe que a resposta veio de outra pessoa porque saiu de outra garganta, e muitas vezes você consegue perceber de que lado da sala ela veio. Tire o áudio e tudo isso desaparece. Na imagem, um plano de reação ou um enquadramento fechado pode deixar quem está falando fora de quadro durante toda uma frase.

As convenções para marcar uma troca de falante variam entre estúdios e plataformas, e qualquer uma das convenções comuns funciona, desde que seja usada de forma consistente dentro do mesmo arquivo. O que não funciona é não usar nenhuma. Uma entrevista, uma mesa-redonda, a gravação de uma reunião, qualquer coisa com mais de uma voz precisa ter a troca marcada toda vez que ela acontece — inclusive quando as mesmas duas pessoas estão trocando falas curtas rapidamente. Especialmente nesse caso, na verdade, porque é aí que quem está lendo perde o fio da história mais rápido.

Sincronização que acompanha a fala

As legendas precisam aparecer quando as palavras são ditas e desaparecer quando elas terminam. Uma legenda que chega um pouco atrasada faz quem está lendo ver a reação antes da fala que a causou. Uma legenda que fica na tela até o próximo corte faz a pessoa ler uma cena enquanto olha para outra.

Nenhum desses problemas é fatal isoladamente. Ao longo de dez minutos, eles cansam, e o vídeo fica mais difícil de acompanhar com legenda do que sem ela. O culpado costuma ser o desvio de sincronia: um arquivo que começa sincronizado e vai atrasando cada vez mais, muitas vezes porque foi gerado a partir de uma versão do vídeo e aplicado a outra, com alguns segundos extras de abertura ou encerramento.

Verifique o final do arquivo, não o começo. Todo mundo checa o começo. Se a última fala de um vídeo longo ainda está sincronizada com o texto, o meio provavelmente está bem. Se ela deslizou, o arquivo inteiro precisa ser resincronizado, não só corrigido em partes. Uma verificação estrutural com um validador de arquivo SRT identifica falas sobrepostas ou mal formatadas antes do envio, ainda que não consiga dizer se as palavras estão corretas.

Legendas automáticas e a revisão que as torna usáveis

Legendas automáticas sem revisão são a forma mais comum de uma organização acabar com legendas que não atendem à sua própria exigência. Elas costumam vir com pontuação questionável, nenhuma marcação de troca de falante, e nenhum som sem fala, porque o sistema foi instruído a transcrever a fala, e foi só isso que fez.

Isso não torna as legendas automáticas inúteis. Elas são um bom primeiro rascunho e economizam tempo real na parte do trabalho que é puramente digitação. O erro é tratar o resultado como produto final em vez de matéria-prima. O que transforma uma coisa na outra é uma pessoa lendo o arquivo junto com o vídeo e corrigindo quatro pontos: as palavras que saíram erradas, a divisão das frases, as trocas de falante e os sons que têm significado.

Para esse primeiro rascunho, o SozAI transcreve arquivos de áudio e vídeo, gravações e links do YouTube em texto com identificação de falante em mais de 99 idiomas, no aplicativo para iOS, Android e macOS, e o site também oferece ferramentas gratuitas de legenda e contagem que funcionam totalmente no navegador, sem enviar nada para servidor externo. A identificação de falante já ajuda bastante com as trocas; os sons e a sincronização final ainda ficam por sua conta.

Reserve tempo para essa revisão. Ela é mais rápida do que transcrever do zero e mais demorada do que não fazer nada, e é exatamente o que diferencia um arquivo que existe de um arquivo que funciona.

O que ainda dá errado depois de tudo isso

Bastante coisa, e é melhor saber onde procurar.

• Nomes, termos técnicos e nomes de produto saem errados da transcrição automática e continuam errados, porque quem revisa sem estar por dentro do assunto não percebe que um termo está levemente incorreto.
• O arquivo de legenda fica associado ao corte errado do vídeo depois de uma edição, e a sincronização vai junto. Ninguém checa de novo depois de um corte.
• A transcrição simplesmente nunca é produzida, porque é o material sem um lugar óbvio no fluxo de publicação e sem nenhum aviso de erro quando falta.
• Uma legenda traduzida é enviada como se fosse Closed Caption, o que deixa espectadores surdos no idioma original só com o diálogo e sem nenhuma indicação de som.

Nada disso aparece numa checagem rápida dos primeiros trinta segundos, que é a checagem que a maioria dos vídeos realmente recebe. Se você está montando um processo, construa a checagem no final do arquivo e depois da edição definitiva, não antes.

A outra coisa a ter em mente é que nenhum cuidado no arquivo de legenda resolve qual é a sua obrigação. Isso vem da regra à qual sua organização está sujeita, e o detalhe prático de como essas exigências costumam ser formuladas está no texto sobre transcrição e conformidade de acessibilidade. Descubra essa resposta primeiro, e só depois aplique as técnicas acima ao que ela realmente exigir.