Resumo
Se o vídeo é seu, o YouTube Studio exporta a faixa de legendas, mas entrega SubViewer (.sbv), não SubRip. Os dois formatos guardam a mesma coisa, então converter é basicamente numerar as falas e mudar a pontuação dos tempos. Se o vídeo não é seu, as legendas são trabalho de outra pessoa, e o direito de reaproveitá-las é uma questão de licenciamento daquele vídeo — resolvida antes de qualquer ferramenta entrar na história.
O pedido costuma chegar com cara de coisa simples. Alguém quer as legendas de um vídeo, em arquivo, para remontar o material, mandar para um tradutor ou colocar as mesmas legendas no mesmo vídeo em algum lugar que não seja o YouTube. O texto está ali na tela. Deveria ser trabalho de dois minutos.
E muitas vezes é. Só que a versão de dois minutos só existe em uma das duas situações possíveis, e a outra vem com uma pergunta que nenhum downloader, extensão ou conversor responde por você. Por isso vale ser preciso sobre em qual situação você está antes de sair clicando.
Comece perguntando de quem é o vídeo
Tudo o que vem depois depende disso. Se o vídeo está no seu próprio canal, a faixa de legendas é sua, o YouTube entrega o arquivo e o resto é conversão de formato. Se o vídeo é de outra pessoa, as legendas são produto do trabalho dela — tenha sido escrito por um humano ou gerado pela plataforma — e o seu direito de reaproveitá-las depende da licença daquele vídeo, não do fato de existir uma ferramenta que gera o arquivo.
As pessoas misturam os dois casos porque, de fora, o caminho técnico parece o mesmo. Nos dois você termina com um arquivo de texto cheio de marcações de tempo. Mas um caminho é uma exportação a partir de uma conta que você controla, e o outro é copiar material que você não produziu. Uma ferramenta que gera um arquivo não disse absolutamente nada sobre você poder publicá-lo.
Existe um caso intermediário que merece ser citado: você está trabalhando no vídeo de um cliente, ou em um vídeo que a sua equipe subiu por outra conta. Isso ainda é “seu próprio vídeo” no sentido que importa, desde que alguém consiga entrar no canal. Faça a exportação pelo Studio em vez de raspar a página pública, porque a exportação sai mais limpa e você tem certeza de estar com a faixa que está de fato anexada ao vídeo.
Exportando a faixa de legendas do seu próprio vídeo
O YouTube Studio exporta a faixa de legendas direto. Você abre o vídeo, vai nas legendas e baixa a faixa que está anexada. Não há reconstrução nenhuma nem chute: você recebe as mesmas falas que o player exibe, com os mesmos tempos.
O que surpreende a maioria é o arquivo que chega. O YouTube Studio exporta SubViewer, com extensão .sbv. Não é o formato que o seu editor, o seu player ou as ferramentas do seu tradutor esperam. Se você só lidou com legenda em .srt até hoje, o download parece defeituoso, e o instinto é achar que a exportação falhou ou que você clicou na opção errada do menu. Não foi nada disso. SubViewer é simplesmente o que o Studio entrega.
SubViewer é um formato de legenda de verdade e guarda tudo o que você precisa. Ele só é mais antigo e tem menos suporte que o SubRip, então costuma esbarrar em programas que aceitariam um SRT sem reclamar. Se quiser a versão longa do caminho de download, inclusive o que fazer quando a faixa que você quer não é a selecionada, existe um guia sobre como baixar legendas do YouTube em SRT que cobre o assunto.
Um hábito que vale adotar: guarde o .sbv original depois de converter. Não custa nada, é um arquivo de texto simples, e se a conversão der errado ou você precisar refazê-la com outras configurações, é melhor não ter que voltar ao Studio para uma segunda exportação.
De SubViewer para SubRip
A distância entre os dois formatos é menor do que parece. Os dois são texto puro. Os dois guardam uma lista de falas, cada uma com um tempo de início, um tempo de fim e as palavras que aparecem nesse intervalo. Nenhum dos dois carrega formatação que faria falta.
O SubViewer escreve cada fala como uma linha de tempo com os dois horários separados por vírgula e o texto logo abaixo. Ele não numera as falas e escreve as horas sem completar com dois dígitos. O SubRip quer um arranjo um pouco diferente: o número da fala em uma linha própria, depois a linha de tempo no formato hh:mm:ss,mmm, com vírgula antes dos milissegundos, depois o texto e, por fim, uma linha em branco antes da próxima fala.
Ou seja, a conversão é genuinamente mecânica. Você acrescenta números sequenciais, ajusta a pontuação e o preenchimento dos tempos e insere as linhas em branco. Os tempos e o texto passam intactos. Nada é interpretado, nada é descartado e não há perda de qualidade para se preocupar, porque não existe recodificação alguma — são as mesmas palavras nos mesmos momentos, escritas de outro jeito.
Dá para fazer na mão em um vídeo bem curto, e tem gente que já escreveu expressões regulares de uma linha para isso, mas em qualquer duração normal isso não é um bom uso da sua tarde. Um conversor de SBV para SRT que roda no navegador faz a reescrita e devolve o arquivo na hora. Use o que preferir, mas abra o resultado depois e olhe a primeira e a última fala. A primeira confirma que a numeração e o formato dos tempos estão certos; a última confirma que nada foi cortado no meio do caminho.
Quando o vídeo é de outra pessoa
Resolva a questão dos direitos primeiro, porque é a única que não dá para consertar depois. As legendas de um vídeo que você não publicou fazem parte do conteúdo daquele vídeo. Reaproveitá-las — republicar as legendas, colocá-las no seu próprio corte, distribuir uma tradução — é assunto de licenciamento e depende de como o vídeo está licenciado e do que você pretende fazer. Citar uma frase em um artigo não é a mesma coisa que distribuir um arquivo de legendas junto com o vídeo de outra pessoa. Consulta pessoal, anotações de estudo e pesquisa também ficam em outro patamar em relação a qualquer coisa que você publique. Esse é um julgamento sobre aquele vídeo específico, e ele acontece antes de você tocar em qualquer ferramenta.
Uma vez resolvido isso, extrair o texto é simples. A extensão do SozAI para Chrome exporta a transcrição do vídeo que você está assistindo em TXT, SRT ou Markdown, com os tempos preservados na versão em SRT — assim você pula a etapa do SubViewer e já sai com o formato que queria desde o começo. É uma opção entre várias, e ela também não decide a questão do licenciamento por você.
Vale conhecer a diferença prática entre os dois caminhos. A exportação pelo Studio é a faixa oficial, exatamente como está anexada ao vídeo. Qualquer coisa capturada da página de exibição é a transcrição que o player está servindo para você: o mesmo conteúdo, mas alcançado por fora. Nos seus próprios vídeos, prefira a exportação. Em todo o resto, a exportação nem está disponível para você mesmo.
Como corrigir o que está errado sem começar do zero
Um arquivo de legenda é texto puro. Essa é a coisa mais útil do formato e a mais esquecida de todas. Se uma fala tem um erro de digitação, se um tempo está meio segundo fora, se um nome aparece grafado de três jeitos diferentes, você abre o arquivo em qualquer editor de texto, corrige a linha e salva. Não regera nada. Não roda a conversão de novo. Edita uma linha de texto como se edita uma linha de texto.
Isso muda o jeito de encarar a revisão. Em vez de caçar uma ferramenta que produza o arquivo perfeito de primeira, parta do princípio de que você vai fazer uma passada de edição no próprio arquivo, e se acostume a fazê-la. A maior parte do que precisa de ajuste é pequena e localizada: um nome próprio, uma quebra de linha solta, uma fala que fica na tela tempo demais.
Problemas estruturais são mais difíceis de enxergar a olho nu, porque o arquivo é longo e os erros que quebram os players costumam ser dos chatos: uma fala cujo tempo de fim vem antes do início, duas falas sobrepostas, um número fora de ordem, um tempo malformado que sobreviveu à conversão. Passar o arquivo por um validador de SRT antes de entregar revela isso mais rápido do que rolar a tela. Depois é só corrigir no editor de texto, já que o arquivo continua sendo apenas texto.
O que as legendas automáticas não vão te dar
Se a faixa que você exportou foi gerada automaticamente, você não tem um arquivo de legendas pronto. Tem matéria-prima. Legendas automáticas não trazem pontuação confiável, então as frases se atropelam e quem lê precisa fazer a separação que uma vírgula ou um ponto final teriam feito. Também não trazem troca de falante, o que vira um problema de verdade assim que há mais de uma pessoa falando — uma entrevista se transforma num fluxo indiferenciado, e quem acompanha pelas legendas não consegue saber quem disse o quê.
Nada disso impede o arquivo de converter direitinho. De SubViewer para SubRip funciona igual, tendo a legenda sido escrita por uma pessoa ou gerada pela plataforma, porque a conversão só mexe na numeração e na pontuação dos tempos. Ela não conserta o texto, e nem é para isso que serve.
Ou seja: um arquivo feito a partir de legendas automáticas precisa de uma passada de edição antes de ir para qualquer coisa publicada. Leia tudo, coloque a pontuação, marque as trocas de falante na convenção que você usa, corrija os nomes e os jargões que sempre saem errados. Em um vídeo curto, isso leva alguns minutos. Em uma entrevista longa, é trabalho de verdade, e é melhor prever isso do que descobrir no fim.
Outra coisa a esperar: as quebras de linha em uma faixa gerada automaticamente são posicionadas pelo tempo do player, não pela leitura. As falas se dividem no meio da frase de um jeito que passa despercebido rolando no YouTube e parece descuidado quando queimado num vídeo em outro lugar. Reequilibrar isso faz parte da mesma passada, e é justamente a parte que a maioria pula e só percebe depois.
