Gerador automático de legendas — SRT e VTT grátis com Whisper AI

Legendas automáticas que ficam no seu dispositivo

As legendas tornam os vídeos acessíveis a espectadores surdos e com deficiência auditiva, ajudam quem assiste sem som e melhoram a forma como os mecanismos de busca entendem o seu conteúdo. Escrevê-las à mão é lento, por isso esta ferramenta escuta a fala do seu vídeo e cria legendas sincronizadas automaticamente. Ela usa o modelo de reconhecimento de fala Whisper com marcações de tempo, executado localmente no seu navegador através do Transformers.js, com aceleração WebGPU quando o seu dispositivo oferece suporte e WebAssembly nos demais casos.

O seu vídeo nunca é enviado. O único download é o próprio modelo a partir do hub do Hugging Face, que o seu navegador guarda em cache após a primeira execução. Isso torna a ferramenta adequada para gravações inéditas, trabalhos de clientes, vídeos de treinamento interno e qualquer outro conteúdo que você prefira não entregar a um serviço de legendagem de terceiros.

Da fala a legendas SRT e VTT sincronizadas

A faixa de áudio é decodificada para mono de 16 kHz e dividida em janelas de até 30 segundos nos momentos de silêncio. O Whisper devolve frases curtas com tempos de início e fim para cada janela, que são deslocadas para a sua posição no vídeo completo. Frases mais longas do que o limite de caracteres escolhido são divididas entre palavras, com o tempo repartido proporcionalmente, e as linhas longas são quebradas em duas linhas equilibradas para uma leitura confortável. Um limite de 84 caracteres, cerca de duas linhas de 42, corresponde às diretrizes comuns de televisão e streaming.

A lista de legendas é totalmente editável. Altere os tempos no formato HH:MM:SS.mmm, corrija palavras mal reconhecidas, exclua legendas incorretas ou adicione novas na posição atual da pré-visualização. O player de pré-visualização mostra as suas últimas edições como legendas ao vivo, para que você possa conferir a sincronização antes de exportar. SRT é o formato mais amplamente suportado por editores e plataformas de upload; VTT é o formato nativo dos players de vídeo da web.

Como obter legendas precisas

Escolha o idioma falado quando o souber, em vez de depender da detecção automática, e prefira o modelo Base para entrevistas, sotaques ou áudio com ruído. Trechos com muita música e vozes sobrepostas são a fonte de erros mais comum, e as marcações de tempo do Whisper podem se desviar uma fração de segundo, por isso uma revisão rápida sempre vale a pena. Para exibir as legendas de forma permanente, por exemplo em redes sociais que não aceitam arquivos de legenda, carregue o SRT finalizado na ferramenta de gravar legendas no vídeo.