Resumo rápido
Primeiro, consiga uma transcrição com marcações de tempo, para ter a fala exata e a posição no vídeo ao mesmo tempo. Confira a frase que você vai citar comparando com o áudio, porque as legendas automáticas erram mais em nomes, termos técnicos e números — que costuma ser exatamente o que aparece numa citação. Adicione sua própria pontuação e decida como tratar hesitações e frases incompletas. Depois, converta o timestamp para o formato que a norma de citação da sua área exige, e siga sempre o guia do seu departamento acima de qualquer regra geral.
Você pausou o vídeo justamente no momento em que alguém disse aquilo que você precisa. Retranscrever de ouvido, voltando três vezes para pegar a última palavra, não é um bom jeito de passar a noite. Existe um caminho mais rápido — que, de bônus, também é mais preciso.
A solução é conseguir uma transcrição com marcações de tempo antes de escrever uma única palavra da citação no seu trabalho. Com isso em mãos, a parte de citar é basicamente copiar, e a parte de referenciar é basicamente conta de matemática.
Comece pela transcrição, não pelo ouvido
Uma transcrição com marcações de tempo te dá as duas coisas de que uma citação precisa: a fala exata e o ponto do vídeo onde ela está. Sem uma transcrição, você faz dois trabalhos ao mesmo tempo — prestar atenção no conteúdo e prestar atenção no relógio — e acaba fazendo os dois mal. Com a transcrição, você separa essas tarefas. Lê o texto na tela e já sabe de onde no vídeo ele veio, porque a marcação de tempo está ali, do lado.
Se o vídeo está no YouTube, existem alguns caminhos para conseguir uma transcrição, e um passo a passo deles está em como obter a transcrição de um vídeo do YouTube. Alguns vídeos já têm legendas que podem ser extraídas direto; outros exigem uma ferramenta para gerá-las. De um jeito ou de outro, o objetivo é o mesmo: um documento que você possa rolar e pesquisar, em vez de um vídeo que você precisa ficar arrastando de novo e de novo.
Pesquise na transcrição por uma palavra marcante do momento que você lembra, em vez de arrastar o vídeo tentando adivinhar. É mais rápido, e te leva mais perto da linha exata.
Confira a frase exata com o áudio
Essa é a etapa que as pessoas pulam, e é a que causa mais estrago. Legendas geradas automaticamente erram mais justamente em nomes, termos técnicos e números. E uma citação em um trabalho tende, de forma desproporcional, a conter exatamente esse tipo de coisa: o nome de um pesquisador, um termo específico da área, um número que alguém citou. O software de legendagem acerta bem as palavras comuns. Erra feio na palavra que mais importa para o seu argumento.
Por isso, antes de colocar uma frase citada no seu trabalho, ouça de novo aquele trecho específico do áudio e compare com o que a transcrição diz. Isso leva alguns segundos por citação. Não é a mesma coisa que retranscrever o vídeo inteiro; você está checando uma frase, aquela que vai entre aspas e atribuída a alguém, pelo nome, na frente de quem vai corrigir o trabalho.
O erro mais comum não costuma ser uma frase completamente errada. É uma palavra errada, pequena e convincente, no meio de uma frase que, de resto, está correta — o tipo de erro que sobrevive a uma leitura rápida porque tudo em volta parece certo.
A pontuação da citação é decisão sua, não da legenda
Legendas automáticas, na maioria das vezes, não têm uma pontuação em que se possa confiar. Alguns sistemas colocam vírgulas e pontos com base em pausas de tempo ou entonação, não em gramática, o que significa que uma legenda pode quebrar uma frase num lugar que quem falou não pretendia como quebra. Onde uma frase termina muda o que ela parece afirmar. Alguém que fez uma única frase condicional longa pode acabar parecendo, na legenda, ter feito duas afirmações separadas e categóricas.
Isso quer dizer que a pontuação dentro da sua citação é algo que você decide, ouvindo o áudio, e não algo que você simplesmente copia do arquivo de legenda. Se o sentido do que a pessoa disse depende de uma pausa ser uma vírgula e não um ponto final, essa é uma decisão que você toma depois de ouvir — e vale a pena acertar antes de construir um parágrafo de análise em cima disso.
Transformando o timestamp no formato que a norma de citação pede
As normas de citação que cobrem fontes audiovisuais pedem uma marcação de tempo junto da citação direta. O que elas não combinam entre si é o formato. Algumas normas pedem minutos e segundos. Outras pedem horas, minutos e segundos mesmo para um vídeo de cinco minutos. O formato exato varia de norma para norma, e é comum que um departamento de uma universidade publique sua própria variação por cima do guia geral. Quando os dois divergem, vale o que o departamento pede. Isso não é um detalhe técnico — é a regra de fato: as instruções de quem vai corrigir seu trabalho valem mais que o manual geral, sempre.
As marcações de tempo aparecem em mais formatos do que você imagina. Uma transcrição pode te dar segundos simples. Um player de vídeo mostra M:SS ou HH:MM:SS. Um arquivo de legenda usa seu próprio formato, geralmente até o milissegundo, porque legendas precisam sincronizar com precisão com a fala. Passar de um formato para outro é conta de matemática, não julgamento — mas é uma conta chata de fazer de cabeça às onze da noite, e é fácil perder um dígito ao converter 3:45 em segundos totais, ou o caminho inverso. Um conversor de timecode faz essa conversão para você, e a única coisa que resta é copiar o número certo no lugar certo da sua citação.
Uma citação é mais do que um timestamp
Mesmo depois de acertar o formato de tempo, lembre-se de que o timestamp é uma parte da citação, não a citação completa. Você ainda precisa do título da fonte, da plataforma ou do canal, e de tudo mais que a norma da sua área exigir. O timestamp responde à pergunta de onde no vídeo; ele não responde quem fez o vídeo ou onde foi publicado, e essas duas informações também precisam estar certas.
Mantendo a citação fiel
As pessoas falam com hesitações, repetem palavras e soltam frases pela metade que corrigem no meio do caminho. Citar uma fala com fidelidade significa manter isso tudo, ou marcar claramente que você removeu algo, geralmente com reticências dentro da citação. O que você não deve fazer é arrumar a frase discretamente para que fique mais fluida. Isso muda o que foi dito, mesmo que a versão arrumada capture a ideia geral. Uma frase que a própria pessoa corrigiu não é uma frase que ela afirmou; se você tirar a correção sem avisar, está colocando na boca dela palavras que ela mesma retirou um segundo depois.
Essa é uma decisão de julgamento a cada vez, e não existe uma regra universal para quanto de “arrumação” é demais. O hábito mais seguro é, por padrão, manter a imperfeição, e só remover quando a hesitação for claramente irrelevante — e, quando remover, marcar isso.
O que isso não resolve para você
Uma transcrição, mesmo precisa, é um documento de trabalho. É a ferramenta que você usa para encontrar e checar uma citação. Não é o que você cita. O vídeo continua sendo a fonte; a transcrição são as suas anotações sobre ele. Essa distinção importa se um professor ou leitor perguntar de onde veio uma citação — a resposta honesta é o vídeo, naquele timestamp, e a transcrição foi só o caminho para encontrá-lo.
Se o vídeo não tem nenhuma legenda ativada, você não consegue extrair um arquivo de legenda já existente, mas ainda pode gerar uma transcrição a partir do áudio usando uma ferramenta de transcrição. A precisão em palavras difíceis não melhora só porque a transcrição veio de um aplicativo dedicado em vez das legendas nativas de uma plataforma — a mesma regra de checar nomes, termos técnicos e números com o áudio continua valendo. Onde um aplicativo de transcrição ajuda é na velocidade e na organização: algo como uma ferramenta de transcrição do YouTube pode transformar um link em um documento pesquisável e com marcações de tempo em uma única etapa, e um aplicativo como o SozAI faz o mesmo com um arquivo baixado ou uma gravação, com identificação de quem está falando se o vídeo tiver mais de uma voz — o que é útil quando a citação de que você precisa foi dita pela segunda pessoa da conversa, e não pela primeira. Nada disso substitui ouvir a frase exata antes de citá-la.
Se você está trabalhando a partir de um arquivo, e não de um link, pode importar o vídeo ou o áudio direto para o aplicativo de transcrição e gerar uma transcrição com marcações de tempo a partir dele, o que é o mesmo processo de antes, só que começando de um arquivo em vez de uma URL.
O que costuma dar errado, na prática
Mesmo fazendo tudo isso com cuidado, espere alguma fricção. A transcrição automática ainda tropeça em sotaques, falas sobrepostas e ruído de fundo, e nenhuma checagem substitui o trabalho de realmente ouvir a frase em dúvida você mesmo. Converter timestamps entre formatos é uma conta simples, mas ainda é um lugar onde se comete um pequeno erro quando se faz com pressa, então confira o número convertido contra o original uma vez. E os guias de estilo dos departamentos às vezes se contradizem, ou contradizem o manual geral, de um jeito genuinamente confuso; quando isso acontecer, pergunte em vez de chutar, porque o formato do timestamp é uma das poucas coisas numa citação que quem corrige nota imediatamente se estiver errada.
