Gerador de Legendas grátis

Exemplo prático

Solte uma entrevista de 4:30, interview.mp4. O chip do arquivo mostra o nome, o tamanho e 4:30, e aparece um pequeno player. Na página em português, “Idioma falado” começa em Português, “Legendas em” em “Idioma original” e “Comprimento da legenda” em “Padrão (TV)”, com a dica “Até duas linhas de 42 caracteres, como as legendas de TV e streaming.” Quando o navegador executa o modelo Preciso no processador, a página diz “Duração 4:30. Em um laptop típico, isso leva cerca de 5:15; os celulares são mais lentos.” Clique em “Gerar legendas”. A barra mostra “Preparando o áudio...”, depois “Baixando o modelo de fala...” (só na primeira visita), depois “Transcrevendo...” com uma contagem regressiva “cerca de 2:10 restantes” e então “Construindo as legendas...”. A lista tem o título “Legendas (58)”. Clique em um tempo para saltar até lá, clique no texto para corrigi-lo e clique em “Baixar SRT”. O arquivo se chama interview.srt.

Quais configurações usar e os limites

• Indique o idioma falado quando o souber. O menu “Idioma falado” começa no idioma da página que você está lendo, se o modelo de fala o conhecer, então nesta página ele começa em Português. Um vídeo em outro idioma precisa que o idioma dele seja escolhido, ou “Detetar automaticamente”. Indicar o idioma é a escolha mais segura, porque a detecção pode rotular errado trechos silenciosos. Se você definir “Legendas em” como “Inglês (traduzido)” na página em inglês, o menu começa em “Detetar automaticamente”, porque quem traduz para o inglês provavelmente não está ouvindo inglês.
• Ajuste o comprimento da legenda ao lugar onde o vídeo será exibido. “Comprimento da legenda” oferece “Curto (redes sociais)”, “Padrão (TV)” e “Longo (frases completas)”. O Curto mostra uma linha curta de cada vez, até 3 segundos, para vídeos verticais de celular. O Padrão permite até duas linhas de 42 caracteres. O Longo dá uma ou duas frases completas por legenda, o que serve para discursos e palestras. Depois que as legendas aparecem, o mesmo menu fica acima da lista. Mudá-lo reconstrói a lista a partir do reconhecimento já feito, então nada é ouvido de novo, mas substitui as edições que você fez.
• Abra “Mais” para escolher Preciso ou Rápido e para listar nomes. “Precisão” oferece “Preciso” (o modelo base do Whisper) e “Rápido” (o modelo tiny, menor). Com o modelo no processador, os downloads são de 77,1 MB e 42,7 MB, e a estimativa padrão da ferramenta para o Rápido é metade do tempo por minuto de áudio. Os celulares começam no Rápido e os outros dispositivos no Preciso. “Nomes ou palavras especiais” aceita uma lista separada por vírgulas como “Kayla, Nathan, Rotorua”. Depois do reconhecimento, uma palavra ouvida de 4 a 6 letras que difere em uma letra de um nome da lista, ou de 7 ou mais letras e difere em duas, é reescrita para coincidir. Ela não consegue corrigir um número errado de palavras, então confira os nomes mesmo assim.
• Escolha a saída em inglês ou traduza depois. “Legendas em” oferece “Idioma original” e “Inglês (traduzido)”. A segunda faz o modelo de fala traduzir para o inglês enquanto ouve, sem download extra, e funciona em celulares. Serve para idiomas muito falados, como espanhol, francês, alemão, português e italiano, e é mais irregular para os outros; o Rápido traduz bem pior que o Preciso. A escolha é guardada no endereço da página como #to=en, e os arquivos traduzidos recebem nomes como talk.en.srt. Navegadores com tradutor integrado, como o Chrome recente em um computador, também mostram um menu “Traduzir legendas para” e um botão “Traduzir” sob as legendas.
• Planeje conforme a duração do arquivo e o seu dispositivo. Um computador legenda até 5:00:00 de um arquivo e um celular até 1:30:00; um arquivo mais longo mostra “Este arquivo tem 6:10:00 de duração. Este dispositivo pode legendar os primeiros 5:00:00; para o resto, divida primeiro o arquivo em partes.” A primeira estimativa de tempo presume que um celular é 3,5 vezes mais lento que um computador, e depois a ferramenta lembra a velocidade real do seu dispositivo após uma execução mais longa. Antes do primeiro download, um celular mostra “No celular isso será lento: espere vários minutos e mantenha esta aba aberta.” “Cancelar” interrompe a execução e mantém as legendas feitas até então.
• Edite a lista e depois salve SRT, VTT ou um vídeo com as legendas gravadas. Clique no tempo de uma legenda para reproduzir a partir dele, clique no texto para editá-lo e clique em ✕ para excluí-la. Uma nota conta as linhas que “pareciam erros de reconhecimento” e foram omitidas. “Baixar SRT” e “Baixar VTT” salvam arquivos de texto. “Baixar vídeo com legendas” desenha as legendas em um MP4 H.264 com áudio AAC a 160 kbps, com nome como interview_captions.mp4; “Posição”, “Tamanho” e “Caixa atrás do texto” mudam a aparência, e a prévia corresponde. Arquivos de áudio recebem apenas SRT e VTT. O botão de gravar fica desativado para um arquivo com mais de cerca de 2 GB, 1 GB em um computador que informa 4 GB de memória ou menos, ou 400 MB em um celular.

Problemas comuns e como resolvê-los

Aparece “Não foi possível baixar o modelo de fala. Verifique sua conexão e tente novamente.” e “Tentar novamente” falha na hora.

O download do modelo falhou ou parou no meio. Verifique sua conexão e clique em “Tentar novamente”. Em uma conexão lenta ou instável, escolha “Rápido” em “Mais”, que é um download menor (42,7 MB no processador). Um armazenamento cheio do navegador recebe a sua própria mensagem: “O armazenamento do seu navegador está cheio, então o modelo não pôde ser salvo.” A ferramenta para antes de baixar se o espaço livre for menor que 1,2 vez o tamanho do modelo (92,5 MB para o Preciso no processador, 51,2 MB para o Rápido). Libere espaço no dispositivo, ou limpe os dados salvos de sites de que você não precisa nas configurações do navegador, e tente novamente, ou escolha “Rápido”, que precisa de menos espaço.

Aparece “Não foi encontrada fala neste arquivo. Se houver pessoas falando, escolha o idioma delas e tente novamente.”

O reconhecimento terminou sem sobrar nada depois que a ferramenta removeu as linhas que pareciam erros de reconhecimento, como repetições, texto sobre música ou silêncio, e linhas soltas como “Obrigado por assistir”. Um arquivo só com música ou silencioso termina assim. Se alguém realmente fala, a causa habitual é o idioma: o menu começa no idioma da página, não na detecção, então um vídeo em francês precisa que se escolha “Francês” ou “Detetar automaticamente”. Mude isso e clique em “Gerar legendas” de novo.

Aparece “A legendagem falhou. Experimente a configuração de precisão Rápido ou um arquivo mais curto.” ou, no meio do processo, “A legendagem parou aos 12:40 devido a um erro. As legendas criadas até agora estão abaixo.”

Algo falhou depois que o modelo foi carregado, como o dispositivo ficar sem memória ou o worker ficar mudo. Uma janela de áudio tem cerca de 2 minutos para dar sinais de vida (5 minutos para a primeira, que inicia o mecanismo), e um worker perdido é tentado mais uma vez. O Rápido tem um pico de memória declarado menor, 190 MB contra 320 MB do Preciso. Escolha-o em “Mais”, tente um arquivo mais curto ou feche abas. Com a segunda mensagem, as legendas feitas até então são mantidas, então você ainda pode baixá-las.

Aparece “A fonte de vídeo não consegue desenhar estes caracteres: 日本語. Em alternativa, baixe SRT ou VTT e deixe o leitor mostrá-los.”

A gravação no vídeo usa três fontes servidas por este site que cobrem texto latino, grego, cirílico, vietnamita, árabe e hebraico. Caracteres de outros sistemas de escrita, como japonês ou devanágari, ficariam em branco, então o botão de gravar é desativado antes de qualquer trabalho começar. “Baixar SRT” e “Baixar VTT” continuam funcionando, e um reprodutor de mídia desenha as legendas com as próprias fontes. Se as próprias fontes não carregarem, você vê “Não foi possível carregar as fontes das legendas. Verifique a sua ligação e tente novamente.”

Aparece “Não foi possível ler este arquivo. Tente convertê-lo primeiro para MP4 ou MP3.” ou “Este arquivo não tem faixa de áudio, então não há nada para legendar.”

A ferramenta decodifica o primeiro trecho do áudio antes de pedir o modelo, então um arquivo ilegível não gasta o download do modelo. A primeira mensagem significa que o decodificador não conseguiu ler o áudio: converta o arquivo para MP4 ou MP3 e adicione-o de novo. A segunda significa que o arquivo não tem som. Se o decodificador ficar sem memória, você vê “O navegador ficou sem memória ao processar este arquivo — ele é grande demais para este dispositivo. Tente um clipe mais curto, um arquivo menor ou um computador.”

Como se compara

Esta ferramenta transforma fala em legendas sincronizadas no seu dispositivo com o Whisper (base ou tiny) e depois salva SRT, VTT ou um MP4 com as legendas gravadas. Ela tem uma lista de texto, não uma linha do tempo com forma de onda; “Precisa de ajustes de sincronização? Abrir no Editor de Legendas” envia o SRT para lá em uma nova aba. Para uma transcrição simples, o Áudio para Texto serve melhor. Ela não identifica quem está falando, e a aparência gravada tem só posição, tamanho e uma caixa atrás do texto branco. Como roda no navegador, nada é enviado, mas é mais lenta que um servidor: a estimativa padrão em um computador é cerca da duração do vídeo para o Preciso e metade dela para o Rápido, mais 45 segundos para começar. O reconhecimento comete erros, então leia as legendas antes de publicá-las.