Converter SRT para VTT

Vídeo HTML recebe legendas por um elemento track, e o único formato de legenda que esse elemento aceita é WebVTT. Entregue a um navegador um SRT e nada acontece: sem erro no console, sem entrada no menu de legendas, só um vídeo tocando sem elas.

Os dois formatos serem parentes tão próximos torna a falha mais confusa do que deveria. Estruturalmente um arquivo WebVTT é um arquivo SubRip com uma linha de cabeçalho e um separador decimal diferente. O navegador não está objetando a nada substancial.

A primeira é o timestamp. SubRip escreve 00:01:32,500 com vírgula antes dos milissegundos; WebVTT escreve 00:01:32.500 com ponto. Um caractere por timestamp, duas vezes por legenda, e um interpretador que encontra a vírgula para de ler.

A segunda é o cabeçalho. Um arquivo WebVTT precisa começar com a palavra WEBVTT na própria primeira linha, antes de qualquer coisa mais. Não é documentação nem opcional — um arquivo sem isso é rejeitado de cara.

É a primeira coisa que quase todo mundo tenta, e é compreensível: o arquivo é texto, as estruturas se parecem, e trocar uma extensão leva um segundo. Também não pode funcionar, porque nenhuma das duas diferenças acima mora no nome do arquivo.

O que torna isso caro é que a falha parece outra coisa. Desenvolvedores que renomearam o arquivo passam a conferir o elemento track, o caminho do arquivo, o tipo MIME e o player, nenhum dos quais é o problema.

SubRip numera toda legenda, começando em um, na linha acima do timestamp. Este conversor lê esses números, não usa para nada, e não os escreve no VTT. A saída é um cabeçalho, depois uma linha em branco, depois blocos de timestamp-e-texto separados por linhas em branco.

Isso é uma decisão de desenho em vez de uma perda. WebVTT trata a linha antes do timestamp como um identificador opcional de legenda, não como um contador, e nada num navegador ou player depende dele.

O texto de toda legenda é copiado literalmente do SRT para o VTT. Nada é removido, escapado ou reinterpretado. Os dois formatos soletram itálico e negrito do mesmo jeito, com as mesmas tags de colchete angular.

A consequência vale conferir antes de publicar. Um código específico de player que algum software de desktop respeita num SRT — uma tag de posicionamento estilo ASS entre chaves é o caso comum — também sobrevive sem alteração, e um navegador não faz ideia do que isso significa.

O elemento track fica dentro do elemento video, com src apontando para o arquivo .vtt, kind definido, srclang definido para o código do idioma, e um label que vira a entrada no menu de legendas. Acrescente o atributo default se as legendas devem estar ligadas quando o vídeo começa.

O atributo kind vale pensar em vez de copiar. Subtitles assume um espectador que ouve e traduz o diálogo; captions assume um espectador que não ouve e por isso precisa descrever também o áudio não falado.

Se o cabeçalho e os timestamps estão corretos e as legendas ainda não aparecem, as causas restantes estão na página em vez de no arquivo. O elemento track pode estar sem kind ou srclang, ou o espectador nunca ligou legendas porque não há atributo default.

A que mais custa tempo é origem cruzada. Um VTT servido de uma origem diferente da página é recusado sem os cabeçalhos certos de CORS, e a recusa é silenciosa. Servir o arquivo de legenda da mesma origem da página remove a classe inteira do problema.

Editores de legenda, serviços de transcrição e ferramentas de desktop são melhores em SRT do que em qualquer outra coisa neste site; é o formato que o ecossistema inteiro assume. Corrigir texto e tempo ali e converter no momento de publicar é uma boa divisão de trabalho.

A falha a evitar é manter os dois. Dois arquivos que começaram idênticos se afastam na primeira vez que alguém corrige um erro de digitação em qualquer um que tenha aberto. Trate o VTT como saída de build.

No seu navegador, em JavaScript, sem upload e sem fila. O arquivo é lido como texto, interpretado numa lista de legendas com tempos em milissegundos, e escrito de volta em forma WebVTT. Não há servidor envolvido, motivo de ser instantâneo.

O teto gratuito são 100 MB e nenhum arquivo de legenda vai chegar perto disso — um filme inteiro são poucas dezenas de kilobytes de texto. A garantia mais útil é que a saída é escrita como UTF-8, o que resolve a questão de codificação no ponto da conversão.