Converter SBV para VTT

O vídeo se move por um motivo: uma plataforma de curso que quer o arquivo, um site que não quer um player de terceiro embutido, uma gravação que não devia estar numa plataforma pública. O vídeo transcodifica e sobe sem dificuldade. As legendas são a parte que para de funcionar.

SBV é formato próprio do Google e praticamente nada fora do YouTube lê, muito menos um navegador. Vídeo HTML aceita legendas por um elemento track e só aceita WebVTT.

Um arquivo WebVTT precisa começar com a palavra WEBVTT sozinha na primeira linha, antes de qualquer outra coisa. Não é opcional: um parser que não encontra isso rejeita o arquivo sem ler mais nada. SBV não tem construção de cabeçalho nenhuma.

Então não há nada para adaptar, só algo para adicionar. O conversor escreve o cabeçalho e uma linha em branco, depois as legendas — a parte que mais frequentemente sai errada numa edição manual.

SBV coloca os dois tempos numa linha separados por vírgula. WebVTT coloca numa linha separados por seta, com as horas preenchidas até dois dígitos. Os dois formatos já escrevem três dígitos de milissegundos depois de um ponto.

Os tempos em si são exatos. Todo valor fica em milissegundos durante a conversão, então uma legenda que começava em 0:04:12.500 no SBV começa em 00:04:12.500 no VTT. Nada é arredondado.

Boa parte dos arquivos SBV são transcrições automáticas em vez de legendas escritas por uma pessoa, e a conversão não melhora as palavras. Reconhecimento de fala é confiável em linguagem conversacional comum e pouco confiável em nomes próprios e vocabulário técnico.

Isso importa mais quando o vídeo está no seu próprio site. No Brasil, sites de órgãos públicos têm obrigações de acessibilidade sob a Lei Brasileira de Inclusão, e uma transcrição de máquina sem revisão não cumpre isso.

Toda legenda WebVTT pode carregar configurações depois do timestamp final: um ajuste de linha que move na vertical, um alinhamento que move na horizontal. SBV não tem nada disso, então o arquivo convertido chega sem configuração nenhuma e tudo fica embaixo.

Adicionar isso é a primeira melhoria que vale a pena num player próprio. A parte de baixo do quadro é onde um player desenha seus próprios controles, então uma legenda sobrepondo isso é a reclamação mais comum sobre vídeo auto-hospedado.

SBV não tem construção para atribuir uma linha a um falante, então arquivos que precisam disso usam uma convenção: um nome e dois-pontos, ou um travessão no início. Esses caracteres são copiados literalmente para o WebVTT.

WebVTT tem um mecanismo próprio para isso — uma tag de voz nomeando o falante, que um navegador consegue estilizar diferente por falante e um leitor de tela pode anunciar como atribuição.

Um arquivo WebVTT buscado de uma origem diferente da página é recusado a menos que a resposta carregue os cabeçalhos certos, e a recusa é silenciosa. É a falha mais cara em legendas auto-hospedadas.

Servir o .vtt da mesma origem do HTML evita a classe inteira do problema, um bom motivo para manter arquivos de legenda ao lado da página em vez de num domínio de assets separado.

Se o vídeo continua no YouTube além do seu site, agora existem dois arquivos de legenda. Eles começam idênticos e divergem na primeira vez que alguém corrige um erro de digitação num dos dois.

Escolha uma matriz e gere a outra. Editar no YouTube e rebaixar de novo funciona se correções são raras; editar o WebVTT e subir para o YouTube — que aceita WebVTT diretamente — é melhor se o site é a casa principal.

O atributo kind tem valores além de subtitles e captions, usando a mesma sintaxe WebVTT que você já tem. Chapters produz uma lista navegável de seções. Descriptions carrega texto de audiodescrição para leitores de tela.

Isso é como transcrições interativas e slides sincronizados são construídos, e vale saber num player auto-hospedado porque a plataforma que você deixou tinha esses recursos e sua página não.

Vale perguntar, porque um player do YouTube embutido traz sua faixa de legenda, renderização e troca de idioma sem custo nenhum. Se o motivo de mover é apenas visual, embutir dá menos trabalho.

As razões que se sustentam são sobre controle e privacidade: material que não devia estar numa plataforma pública, um site que precisa funcionar onde o YouTube é bloqueado, ou uma faixa de legenda que precisa de posicionamento que a plataforma não faz.