Resposta direta — Como criar legendas SRT e VTT a partir de um vídeo no Mac sem enviá-lo para a nuvem?
Você pode criar legendas SRT e VTT de um vídeo offline no seu Mac transcrevendo o arquivo localmente, editando o texto com base nos seus marcadores de tempo e depois exportando arquivos de legenda com marcação temporal. O Weesper Transcribe faz exatamente isso no dispositivo: arraste um MP4 ou MOV, revise a transcrição, exporte .srt ou .vtt. Nada é enviado para a nuvem, e o único requisito é o macOS 13 ou superior.
Legendas deixaram de ser opcionais. Elas são uma exigência do nível A do WCAG para vídeos pré-gravados com áudio, mantêm o espectador assistindo em feeds com autoplay silencioso, e dão aos mecanismos de busca algo para indexar. O problema é que a maioria dos geradores de legenda pede primeiro que você envie sua gravação para um servidor — o que é incômodo quando o vídeo é o lançamento de um produto sob embargo, uma entrevista com cliente ou uma gravação sujeita a regras de proteção de dados.
Este guia cobre o caminho offline no macOS: o que realmente são SRT e VTT, como produzi-los a partir de um arquivo de vídeo sem passar pela nuvem, qual formato escolher para qual destino, e como conferir o resultado antes de publicar.
O que são arquivos de legenda SRT e VTT?
Ambos são arquivos de texto simples que emparelham blocos de texto com códigos de tempo de início e fim. Seu player, editor ou plataforma lê os tempos e coloca a linha certa na tela no momento certo.
SubRip (.srt) é o formato mais antigo e mais amplamente aceito. Cada bloco tem um número sequencial, uma linha de tempo usando vírgula para milissegundos, e uma ou duas linhas de texto.
1
00:00:01,500 --> 00:00:04,200
Gravamos esta entrevista em uma única tomada.WebVTT (.vtt) é o formato do W3C projetado para a web. Segundo a especificação do W3C, um arquivo válido deve começar com a string WEBVTT, e seus tempos usam um ponto antes dos milissegundos.
WEBVTT
00:00:01.500 --> 00:00:04.200
Gravamos esta entrevista em uma única tomada.A diferença prática está nos recursos. O WebVTT suporta estilização, posicionamento de blocos, regiões e tags de marcação embutidas como <b>, <i> e <v> para vozes de locutores, o que explica por que o MDN o documenta como o formato usado com o elemento <track> do HTML.
SRT vs VTT em resumo
| Critério | SRT (SubRip) | VTT (WebVTT) |
|---|---|---|
| Linha de cabeçalho | Nenhuma | WEBVTT obrigatório |
| Separador de milissegundos | Vírgula (,) | Ponto (.) |
| Numeração dos blocos | Sequencial, esperada | Identificadores opcionais |
| Estilização e posicionamento | Não suportado | Suportado (CSS ::cue, configurações de bloco) |
| Marcação embutida | Nenhuma | <b>, <i>, <u>, <v>, <lang> |
Elemento <track> nativo do HTML5 | Não suportado | Suportado |
| Suporte em editores e plataformas | Praticamente universal | Focado na web, amplamente suportado |
| Ideal para | Editores de vídeo, uploads sociais, arquivos | Vídeo web auto-hospedado, players HTML |
Nenhum formato é “melhor”. Eles atendem a destinos diferentes, e é por isso que uma ferramenta de transcrição que vale a pena usar exporta os dois.
Por que gerar legendas offline em vez de enviar para um serviço na nuvem?
Porque o próprio arquivo é o ativo sensível. Um gerador de legendas na nuvem precisa de uma cópia completa do seu vídeo antes de conseguir devolver uma única linha de legenda.
Para boa parte do material, isso simplesmente não é aceitável:
- Conteúdo ainda não lançado — trailers, lançamentos de produtos e material de curso sob embargo
- Gravações com clientes e questões jurídicas — entrevistas, depoimentos, consultas
- Dados pessoais — qualquer gravação em que os participantes sejam identificáveis, o que traz obrigações de proteção de dados
- Reuniões internas — discussões comercialmente sensíveis que não deveriam ficar armazenadas na janela de retenção de terceiros
A transcrição no dispositivo elimina totalmente essa questão: não há envio, não há política de retenção para auditar e não há conta para criar. Também elimina a cobrança por minuto, o que importa quando você está legendando horas de um catálogo inteiro, e não apenas um clipe. Detalhamos essas vantagens e desvantagens na nossa comparação de como a transcrição no dispositivo se compara à transcrição em nuvem.
A contrapartida é o hardware. A transcrição local usa a CPU e a GPU do seu Mac, então um arquivo longo ocupa sua máquina por um tempo — o Weesper Transcribe usa aceleração Metal em Apple Silicon para manter isso sob controle, e roda tanto em Macs Apple Silicon quanto Intel a partir do macOS 13.
Como criar legendas SRT de um vídeo no Mac, passo a passo?
O fluxo de trabalho tem quatro etapas: adicionar o arquivo, deixar que ele seja transcrito localmente, editar o texto, exportar o formato de legenda que o seu destino espera. Veja como fazer com o aplicativo de transcrição no dispositivo para macOS.
- Solte o vídeo no aplicativo. Arraste seu MP4, MOV ou qualquer outro arquivo que o macOS consiga ler para a janela do aplicativo. Não é preciso extrair uma trilha de áudio antes.
- Deixe transcrever no seu Mac. O modelo de reconhecimento de voz roda localmente. Nada é enviado, nenhuma conta é necessária, e a transcrição fica em um histórico privado e pesquisável.
- Leia com marcadores de tempo clicáveis. Cada trecho está vinculado ao seu momento exato na mídia original, então você clica em uma linha, ouve o áudio e corrige o que ouviu. As correções são salvas enquanto você digita.
- Exporte
.srtou.vtt. Escolha o formato de legenda para o seu destino. Ambos saem com marcação de tempo e prontos para serem colocados em um editor ou em um player web.
Legendando um catálogo inteiro
Para mais do que alguns poucos arquivos, faça em lote. Coloque na fila uma pasta de episódios ou gravações de aula e deixe seu Mac processá-los em sequência enquanto você trabalha em outra coisa.
O plano gratuito transcreve arquivos de até 15 minutos com qualidade total, o suficiente para testar o fluxo de trabalho em um clipe real. O upgrade Pro de compra única remove o limite de duração e libera o processamento em lote, o conjunto completo de exportações, a edição embutida e a busca — uma única compra na App Store, e não uma assinatura.
Transformando a mesma transcrição em outros entregáveis
O arquivo de legenda raramente é a única coisa que você precisa de uma gravação. O Weesper Transcribe exporta nove formatos a partir de uma única transcrição:
| Entregável | Formato de exportação |
|---|---|
| Legendas para um editor ou plataforma | SRT, VTT |
| Show notes ou rascunho de blog | Markdown, HTML |
| Documento pronto para cliente | DOCX, PDF |
| Cópia rápida (copiar e colar) | TXT |
| Pipeline de dados ou planilha | JSON, CSV |
Essa é a economia de tempo real: uma única passagem sobre o áudio produz as legendas, as show notes e o registro de arquivo ao mesmo tempo.
Qual formato de legenda exportar para cada plataforma?
Combine o formato com o destino, e, na dúvida, exporte SRT. A própria documentação do YouTube lista tanto o SubRip quanto o WebVTT entre seus formatos de legenda suportados, e recomenda o SRT para quem precisa apenas de informações básicas de tempo.
| Destino | Exportar | Por quê |
|---|---|---|
| YouTube, Vimeo | SRT | Aceito diretamente, o mais simples de reeditar |
| Final Cut Pro, Premiere Pro, DaVinci Resolve | SRT | Importação padrão para uma trilha de legenda |
| Vídeo HTML5 auto-hospedado | VTT | Exigido pelo elemento <track> |
| LinkedIn, uploads sociais | SRT | Maior aceitação entre plataformas |
| Legendas embutidas na imagem (burned-in) | SRT, com estilização feita no editor | A estilização pertence à edição, não ao arquivo |
| Player web com estilização de legenda personalizada | VTT | Suporta posicionamento e CSS ::cue |
Como os dois formatos são texto simples, converter entre eles depois é trivial. Exportar o formato certo agora apenas economiza uma etapa.
Como conferir as legendas antes de publicar?
Trate o resultado automático como um primeiro rascunho. A W3C Web Accessibility Initiative é inequívoca ao afirmar que legendas geradas automaticamente não atendem aos requisitos de acessibilidade a menos que se confirme que são totalmente precisas — e observa que as legendas são uma exigência do nível A do WCAG para vídeo pré-gravado com áudio.
Revise estes pontos antes de exportar o arquivo final:
- Nomes e jargões. Nomes próprios, nomes de produtos e termos técnicos são onde o reconhecimento de voz mais erra. Busque cada um deles na transcrição e corrija de forma global.
- Números e unidades. Preços, datas e medidas precisam ser lidos, não adivinhados.
- Trocas de locutor. Marque-as claramente. O VTT pode fazer isso com a tag de voz
<v>; o SRT geralmente usa um travessão no início da linha. - Comprimento das linhas e tempo. Mantenha os blocos em duas linhas curtas para que o espectador consiga terminar de ler antes que o bloco mude.
- Áudio que não é fala. As legendas devem carregar sons significativos, não apenas diálogo.
- Os primeiros trinta segundos. É o trecho que mais espectadores veem, e o mais frequentemente deixado sem revisão.
Marcadores de tempo clicáveis tornam essa revisão rápida, porque você está conferindo com o áudio em vez de reassistir ao vídeo inteiro. Se tiver dificuldades com o próprio aplicativo, a documentação de suporte cobre configurações de exportação e manuseio de arquivos.
E as alternativas?
A legendagem no dispositivo no macOS é uma categoria saudável, e a resposta honesta é que várias ferramentas fazem bem a parte da transcrição. As diferenças aparecem no fluxo de trabalho: assinatura ou compra única, como os arquivos longos são tratados, se existe um histórico pesquisável, e quantos formatos de exportação você obtém de uma única passagem.
Se você está avaliando os principais aplicativos dedicados, comparamos MacWhisper e Superwhisper lado a lado. E se você preferir montar o próprio pipeline com peças de código aberto, nosso guia sobre como rodar o whisper.cpp localmente percorre o caminho via linha de comando — mais controle, bem mais configuração, e você mesmo constrói a etapa de exportação para SRT e VTT.
Perguntas frequentes
Qual é a diferença entre um arquivo de legenda SRT e um VTT?
Ambos são arquivos de legenda em texto simples, com marcação de tempo, mas diferem na sintaxe e nos recursos. O SRT usa blocos numerados e milissegundos separados por vírgula (00:00:01,500), e é aceito em praticamente qualquer lugar. O WebVTT começa com um cabeçalho obrigatório WEBVTT, usa milissegundos separados por ponto (00:00:01.500) e suporta estilização, posicionamento e marcação embutida. Use SRT para máxima compatibilidade e VTT quando exibir legendas com o elemento <track> do HTML.
Posso gerar legendas de um vídeo sem enviá-lo para um servidor?
Sim. Aplicativos no dispositivo executam o modelo de reconhecimento de voz localmente, então o arquivo de mídia nunca sai do seu Mac. Você arrasta um MP4, MOV, MP3 ou qualquer outro arquivo que o macOS consiga ler, a transcrição é produzida na própria máquina, e você exporta o SRT ou VTT localmente. É isso que torna o fluxo de trabalho viável para material sob embargo, entrevistas com clientes e gravações que contenham dados pessoais.
Preciso converter meu vídeo em áudio primeiro?
Não. Arquivos de vídeo, incluindo MP4 e MOV, são aceitos diretamente, junto com formatos de áudio como MP3, WAV e M4A. Não é preciso extrair uma trilha de áudio com uma ferramenta separada. Se o seu software de edição já exporta uma referência apenas em áudio, isso também funciona — os tempos são idênticos desde que o arquivo comece no mesmo ponto que o vídeo.
Qual a precisão das legendas geradas automaticamente?
A transcrição automática é um bom primeiro rascunho, não um arquivo de legenda finalizado. A precisão depende da qualidade do áudio, dos sotaques, de falantes sobrepostos e do ruído de fundo. As orientações de acessibilidade são explícitas ao afirmar que legendas automáticas não atendem aos requisitos a menos que se confirme que são precisas, então planeje uma revisão de nomes, termos técnicos e pontuação antes de publicar.
Posso legendar uma pasta inteira de vídeos de uma vez?
Sim, com processamento em lote: coloque uma pasta na fila e seu Mac processa os arquivos em sequência. O plano gratuito do Weesper Transcribe lida com arquivos de até 15 minutos com qualidade total, e o upgrade Pro de compra única remove o limite de duração e libera o processamento em lote, o conjunto completo de exportações, a edição embutida e a busca.
Em quais idiomas posso criar legendas?
O Weesper Transcribe suporta 57 idiomas de transcrição e transcreve no idioma falado na gravação, em vez de traduzi-lo. Para um segundo idioma, exporte primeiro o arquivo no idioma de origem, depois traduza o texto deixando as linhas de tempo intactas — qualquer versão traduzida volta a se encaixar diretamente no seu editor.
Conclusão
Criar legendas SRT e VTT no Mac não exige envio para a nuvem, conta ou cobrança por minuto. Transcreva o arquivo no dispositivo, edite com base em marcadores de tempo clicáveis, e exporte o formato que o seu destino espera — SRT para editores e plataformas, VTT para a web.
O fluxo de trabalho também escala: processe em lote uma pasta de episódios, e extraia show notes, um documento para cliente e um registro de arquivo da mesma passagem de transcrição.
Pronto para legendar seu primeiro arquivo? Veja como o Weesper Transcribe lida com áudio e vídeo no macOS, ou baixe diretamente da Mac App Store — grátis para baixar, com um upgrade Pro de compra única e sem assinatura.