O que é um arquivo VTT?

VTT é um formato de texto puro que abre em qualquer editor. Ele é usado para a legendagem e a web.

A extensão é .vtt e o nome por extenso é WebVTT. Os dois importam menos do que aquilo que o arquivo consegue carregar, e é disso que trata o resto desta página.

A W3C publicou o formato em 2010. A especificação é WebVTT.

A idade interessa por um motivo prático: quanto mais antigo o formato, mais programas tiveram tempo de aprendê-lo.

Ela está publicada por inteiro, então dá para implementá-la a partir do documento em vez de por observação — é por isso que o formato aparece em tantos programas e por isso que arquivos escritos há vinte anos ainda abrem. Especificação publicada não é o mesmo que livre de royalties: quando o formato embrulha um codec, o licenciamento das patentes é uma questão à parte, que a norma não resolve.

VTT guarda o conteúdo exatamente. Salvar de novo não muda nada, então dá para abrir, editar e salvar quantas vezes você quiser sem acumular estrago — e é isso que faz dele um formato de trabalho e não de entrega.

VLC e Subtitle Edit leem esse formato, e a maioria dos programas do mesmo tipo também.

Quando um arquivo não abre, o formato raramente é o problema — mais comum é o programa ser mais antigo que ele. Converter para algo mais antigo é o caminho confiável, e é para isso que serve o resto deste site.

Qualquer navegador atual lê o formato.

Dá para colocá-lo numa página ou anexá-lo a uma mensagem sem se perguntar o que o outro lado tem instalado.

VTT foi feito para ser aberto e alterado. Mantenha o arquivo nesse formato enquanto o trabalho estiver em andamento e exporte a partir dele sempre que precisar de uma cópia pronta.

O vídeo em HTML recebe legendas por um elemento track apontando para um arquivo VTT, e é o único formato de legenda que ele aceita. Nem SRT, nem ASS — um navegador recebendo qualquer um dos dois vai ignorar. Esse único fato responde pela maior parte do tráfego para esta página: alguém tem legendas, colocou ao lado de um vídeo numa página web, e nada aparece.

O formato em si é deliberadamente próximo do SubRip para que converter seja trivial. Legendas são numeradas opcionalmente em vez de obrigatoriamente, carimbos de tempo usam ponto final antes dos milissegundos em vez de vírgula, e o arquivo precisa abrir com a palavra WEBVTT sozinha na primeira linha. Esse cabeçalho não é decoração — um arquivo sem ele é recusado de saída.

Quatro causas, na ordem que vale conferir. O cabeçalho WEBVTT está ausente, geralmente porque o arquivo foi feito renomeando um SRT. Os carimbos de tempo ainda usam vírgula, pelo mesmo motivo. O elemento track está sem os atributos kind e srclang, ou não tem o atributo default e o espectador nunca ligou as legendas. Ou — a que mais desperdiça tempo — o arquivo é servido de uma origem diferente sem os cabeçalhos de origem cruzada certos, e o navegador recusa silenciosamente.

Esse último caso vale demorar-se porque não produz erro visível. O vídeo toca, o menu de legendas está vazio, e nada na página sugere por quê. Um VTT servido da mesma origem que a página evita isso inteiramente, o motivo mais simples para hospedar legendas ao lado do vídeo em vez de num domínio de ativos separado.

Toda legenda pode carregar ajustes depois do carimbo de tempo — uma posição vertical, um alinhamento horizontal, uma largura, um número de linha. Isso é algo que o SRT não tem como expressar, e é o motivo prático para preferir VTT em qualquer coisa mais elaborada que uma transcrição direta.

A aplicação usual é tirar uma legenda do caminho. Legendas ficam embaixo por padrão, exatamente onde emissoras colocam faixas informativas e onde um player de vídeo põe seus próprios controles. Um ajuste de linha que empurra uma legenda para o topo por aqueles segundos é duas palavras no arquivo e resolve um problema que nenhuma quantidade de estilização em outro lugar resolve.

VTT permite algumas marcações inline — negrito, itálico, sublinhado — e marcações de voz nomeando quem fala, que é como uma transcrição distingue duas pessoas sem escrever os nomes no texto. Um bloco de estilo dentro do arquivo, ou CSS na página mirando o pseudoelemento de legenda, consegue então definir fonte, cor e fundo.

O que os navegadores de fato honram varia, e é a parte da especificação com a implementação mais fraca. Assuma que itálico e distinção de falante vão funcionar em toda parte e trate qualquer coisa além disso como um extra. Uma trilha de legenda que fica ilegível quando a estilização é ignorada foi projetada contra o formato em vez de com ele.

Um arquivo VTT não precisa conter legendas. O elemento track tem um atributo kind, e os outros valores são genuinamente úteis: chapters produz uma lista navegável de seções em players que suportam, descriptions carrega texto de audiodescrição para leitores de tela, e metadata carrega marcadores arbitrários que JavaScript pode reagir enquanto o vídeo toca.

Esse último é como transcrições interativas, slides sincronizados e anotações cronometradas são construídas. Os marcadores disparam quando o cursor de reprodução os alcança, a página faz o que quiser com eles, e nada é exibido a menos que a página exiba. É um pequeno sistema de agendamento escondido dentro de um formato de legenda.

O elemento track distingue legendas descritivas de legendas comuns, e a distinção não é pedantismo. Legendas comuns (subtitles) assumem que o espectador consegue ouvir e traduzem o diálogo. Legendas descritivas (captions) assumem que o espectador não consegue ouvir e por isso incluem a informação não falada — uma porta batendo, música começando, quem está falando fora de quadro.

Para a maioria dos órgãos públicos e um número crescente de empresas, legendas descritivas em vídeo pré-gravado são uma exigência, não uma cortesia, sob o WCAG e a legislação de acessibilidade que o referencia. Uma trilha marcada como legenda descritiva contendo só diálogo traduzido satisfaz a marcação e não a obrigação, uma distinção que auditores percebem.

Transcrição automática, majoritariamente. Toda plataforma relevante e a maioria dos serviços de transcrição exportam WebVTT, e a saída da máquina é boa o bastante para valer a pena corrigir e longe de boa o bastante para publicar sem ler — nomes próprios, fala sobreposta e vocabulário técnico são onde falha, e essas costumam ser as palavras que carregam o sentido.

A outra rota é conversão. Editar legendas é bem melhor suportado em SRT por software de legenda de mesa, então um fluxo de trabalho comum é corrigir e cronometrar em SRT e converter para VTT no momento da publicação. É uma divisão de trabalho sensata desde que um arquivo seja a matriz e o outro seja gerado, em vez de duas cópias derivando silenciosamente uma da outra.