# Como revisar legendas do YouTube além das palavras faladas

As legendas do YouTube devem transmitir as mudanças de quem fala e os sons importantes, além das palavras faladas. Mas você precisa conferir a faixa de legendas selecionada com o vídeo inteiro. Não presuma que esses detalhes estejam presentes. Ouça os sons que mudam o sentido, verifique quem fala e confirme se cada legenda aparece no momento certo. Revise separadamente as informações visuais necessárias. Uma transcrição descritiva, que acrescenta as informações visuais necessárias a um registro em texto, pode ser adequada. [O W3C explica esses requisitos das legendas](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html).

Comece com uma revisão manual do vídeo, do áudio e das legendas. Uma faixa de legendas é um conjunto selecionado de legendas, geralmente em um idioma. Um bloco de legenda é um trecho de texto com um tempo de início e um tempo de fim. Os blocos existentes servem como ponto de partida. Eles não provam que as legendas transmitem todos os sons ou todas as mudanças de quem fala que são necessários.

O resultado deste método é um registro de revisão salvo e uma versão revisada das legendas, mantida separadamente. O método também identifica informações visuais que precisam de outra forma de acesso. Esta é uma revisão do conteúdo das legendas. Ela não certifica a conformidade legal nem a conformidade com as Diretrizes de Acessibilidade para Conteúdo Web, conhecidas como WCAG.

## Defina o escopo antes da revisão

A reclamação de um leitor de que as legendas aparecem “só às vezes” indica uma verificação útil: revisar o vídeo completo, inclusive os intervalos entre os blocos de legenda. Essa reclamação é um problema observado de um leitor. Ela não estabelece com que frequência o problema ocorre. [Reclamação pública de um leitor](https://www.reddit.com/r/deaf/comments/1mqxe6t).

Um intervalo vazio entre blocos pode estar correto quando não há áudio necessário nesse período. Mas ele também pode conter um aviso omitido, uma voz fora de cena ou outro som que explique uma ação. Você não pode decidir qual caso se aplica apenas pela leitura das legendas.

1. Selecione um vídeo e um idioma de legendas.
2. Registre a URL do vídeo, o título do vídeo e a faixa selecionada.
3. Defina o escopo como o vídeo atual completo. Registre os tempos de início e de fim.
4. Salve as legendas brutas com marcações de tempo antes de alterá-las.
5. Registre a data da revisão e a fonte das legendas.
6. Informe qual resultado você vai preparar: legendas revisadas, uma transcrição descritiva ou ambos.

Mantenha o escopo restrito o suficiente para descrevê-lo com clareza. Se revisar apenas parte de um vídeo, informe esse intervalo e marque o restante como não revisado. Não chame uma verificação por amostra de revisão completa.

Se não houver legendas públicas, use o [guia de disponibilidade de legendas](/pt-BR/articles/como-obter-transcri%C3%A7%C3%A3o-do-youtube-e-verificar-legendas-ausentes/) para verificar a fonte. A ausência de legendas é um problema diferente de legendas que omitem o contexto sonoro. Uma falha de extração também precisa de um diagnóstico próprio.

## Salve o texto de origem com marcações de tempo sem alterá-lo

Você pode revisar as legendas manualmente no reprodutor de vídeo. Se também precisar de uma cópia salva com marcações de tempo, o [Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper) pode coletar faixas de legendas públicas existentes. Um Actor é um programa de coleta de dados executado em um serviço de hospedagem. Ele fornece o texto de origem para esta revisão; você ainda precisa assistir e ouvir.

O Actor documentado atualmente lê URLs diretas de vídeos do YouTube ou IDs de vídeos. Ele não aceita canais, playlists ou buscas como entrada. Ele não converte fala em texto nem baixa áudio ou vídeo. Ele não escuta sons nem cria identificações de quem fala. Sua aplicação documentada neste método é preservar o texto e os tempos das legendas existentes.

A pequena entrada a seguir seleciona JSON, um formato de texto estruturado que preserva os segmentos das legendas. Esta é uma proposta de entrada, não o resultado de uma execução.

```json
{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "preferredLanguages": [],
  "outputFormats": ["json"],
  "includeFailedInputDetails": true
}
```

Salve o texto de origem com marcações de tempo sem alterá-lo

Substitua a URL do exemplo pela URL do vídeo desejado antes de usar a entrada. O exemplo não demonstra que este método de revisão produziu um resultado útil para esse vídeo.

Uma lista `preferredLanguages` vazia permite que o Actor selecione a melhor faixa disponível. Se a revisão exigir um idioma específico, defina o código desse idioma e confira o idioma retornado. As preferências são testadas na ordem informada. Se nenhuma corresponder, o Actor informa uma falha do tipo idioma indisponível, em vez de selecionar outro idioma.

Mantenha `includeFailedInputDetails` ativado para que o registro `OUTPUT` da execução possa incluir detalhes das entradas que falharam. Vídeos únicos processados com sucesso geram linhas no conjunto de dados. Entradas que falham não geram linhas. Portanto, um conjunto de dados vazio não comprova, por si só, que as legendas estão ausentes.

Salve estes campos retornados quando estiverem disponíveis: `videoUrl`, `videoId`, `transcriptLanguageCode`, `transcriptLanguageName`, `isAutoGenerated`, `scrapedAt` e `segments`. Cada segmento contém `startSeconds`, `endSeconds`, `durationSeconds` e `text`. Preserve os valores brutos. Uma duração ausente não é uma duração de zero segundos.

A [predefinição de JSON com marcações de tempo](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json) é um ponto de partida documentado. As evidências fixadas confirmam apenas a página pública e o ID da predefinição. Elas não comprovam uma entrada salva, uma execução paga ou o sucesso atual da execução.

## Assista ao vídeo completo e registre os itens candidatos

Um item candidato é um trecho que pode precisar de uma indicação de som, de uma identificação de quem fala ou de uma explicação visual separada. Registre os itens candidatos antes de decidir quais alterações manter.

1. Assista e ouça do início ao fim do vídeo definido no escopo.
2. Compare o áudio com as legendas selecionadas durante toda a reprodução.
3. Registre cada mudança de quem fala que afete a compreensão.
4. Registre as falas fora de cena quando não estiver claro quem fala.
5. Registre os sons que não são fala e que possam explicar uma ação ou um tom.
6. Registre as informações visuais necessárias em uma categoria separada.
7. Reproduza novamente cada trecho incerto antes de tomar uma decisão.

Confira os inícios, as pausas, as mudanças de cena e os finais. Revise os intervalos entre as legendas com o mesmo cuidado dedicado às falas legendadas. Um aviso pode ocorrer durante uma pausa. Uma voz pode começar antes que a próxima pessoa a falar apareça na imagem.

Para cada item candidato, salve um tempo de início, um tempo de fim e uma descrição simples do que você ouviu ou viu. Mantenha a observação separada da interpretação. Por exemplo, registre que um bipe curto ocorre antes de o apresentador mudar de direção. Depois, avalie se a fonte permite chamá-lo de aviso.

As legendas automáticas precisam de revisão. O YouTube inclui a pronúncia, os sotaques, os dialetos e o ruído de fundo entre os fatores que podem afetar a precisão delas. Uma extração bem-sucedida não verifica as palavras nem o contexto sonoro. [Orientações do YouTube sobre legendas automáticas](https://support.google.com/youtube/answer/6373554?hl=en).

Marque as palavras faladas que geram dúvida para uma verificação separada. Mantenha esta revisão concentrada no contexto de quem fala e nos sons necessários. Não a transforme em um segundo método completo de correção de termos técnicos ou de conferência de citações.

## Decida o que as legendas precisam transmitir

Use a mesma pergunta para cada som: este som ajuda o leitor a entender o que acontece, o que uma pessoa quer dizer ou por que uma ação ocorre em seguida?

Um alarme pode explicar uma parada repentina. Uma batida na porta pode explicar por que alguém se vira. Uma risada pode mudar o sentido de uma resposta falada. A música pode ser importante quando transmite informações necessárias sobre a cena. Esses são itens candidatos à revisão, não instruções para identificar todos os alarmes, risadas ou trechos de música da mesma forma.

Um clique incidental pode não acrescentar nada ao sentido. Registre o motivo da exclusão se você o considerou durante a revisão. Isso permite que o próximo revisor examine a decisão.

Use descrições concisas sustentadas pela fonte. Não nomeie a origem de um som se não puder confirmá-la. Se ouvir um bipe, mas não conseguir identificar sua finalidade, mantenha essa incerteza no registro de revisão. Deixe uma indicação de som pouco clara para outra revisão, em vez de apresentar uma suposição como fato.

As identificações de quem fala exigem o mesmo cuidado. Use um nome apenas quando a fonte confirmar a identidade. Não identifique uma pessoa apenas pela voz. Quando o nome for desconhecido, use uma identificação provisória clara, como “Pessoa fora de cena 1”. Provisória significa que a identificação pode mudar após uma nova revisão.

Mantenha essa identificação enquanto as evidências a sustentarem. Se não conseguir confirmar se dois trechos têm a mesma pessoa falando, registre a incerteza. Não apresente uma contagem de identificações como se fosse uma contagem de pessoas.

O W3C descreve as legendas como um recurso que inclui diálogos, informações sobre quem fala e sons relevantes que não são fala. Essa orientação fundamenta a verificação desses elementos. Ela não comprova que uma faixa específica de legendas os contenha. [Orientações do W3C sobre legendas pré-gravadas](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html).

## Mantenha uma tabela de revisão e uma versão revisada separada

Salve uma linha para cada item candidato. Sua tabela de revisão é um registro editorial criado por você. Ela não é uma tabela de saída do Actor.

| Campo salvo | O que registrar |
| --- | --- |
| ID da revisão | Uma referência estável para o item candidato |
| Fonte e faixa | URL do vídeo, idioma das legendas e referência à cópia da fonte |
| Intervalo de tempo | Tempos de início e de fim, com as unidades |
| Tipo de item candidato | Pessoa que fala, som que não é fala ou informação visual |
| Texto bruto das legendas | O texto de origem sem alterações ou uma nota explícita de ausência |
| Observação da fonte | O que você ouviu ou viu naquele momento |
| Alteração proposta | Rascunho do texto do bloco de legenda ou uma nota separada para a transcrição descritiva |
| Decisão | Adotar, excluir ou deixar sem solução |
| Motivo | Por que a informação importa ou por que você a excluiu |
| Status da revisão | Revisor, data e resultado da verificação durante a reprodução |

Diferencie um intervalo sem legendas da indisponibilidade dos dados de origem. “Nenhum bloco de legenda neste intervalo salvo” significa que você examinou uma cópia utilizável da fonte e não encontrou nenhum bloco ali. “Fonte de legendas indisponível” significa que você não conseguiu fazer essa verificação. Nenhum desses estados significa que o áudio não contém sons relevantes.

Mantenha o texto proposto para os blocos de legenda em uma versão revisada separada. Preserve as legendas originais para que outro revisor possa comparar a alteração com a fonte. Salve o motivo ao substituir uma identificação provisória de quem fala ou revisar a descrição de um som.

Não use contagens de legendas, contagens de palavras ou `videoCoverageRatio` como prova de completude. Um valor de cobertura pode descrever o intervalo abrangido pelas legendas, mesmo que faltem informações importantes dentro dele. Um valor ausente também deve continuar ausente; não o substitua por zero.

## Confira os tempos dos blocos e as informações visuais necessárias

Uma descrição correta de som ainda pode induzir ao erro se aparecer no momento errado. Reproduza novamente cada trecho alterado com as legendas revisadas visíveis.

1. Verifique se a indicação de som aparece quando o som correspondente ocorre.
2. Verifique se a identificação de quem fala se refere ao trecho de fala correto.
3. Leia a indicação junto com as palavras faladas que aparecem ao lado dela.
4. Verifique se o texto acrescentado não oculta palavras necessárias nem entra em conflito com elas.
5. Reproduza novamente a transição antes e depois da alteração.
6. Registre qualquer problema de tempo ou de leitura que permaneça.

Não presuma que um único estilo de legenda atenda a todos os leitores. Use a prévia para avaliar a faixa revisada em si. Mantenha visível qualquer decisão de estilo sem solução no registro entregue ao próximo responsável.

Se precisar de arquivos de legendas para reprodução, siga o [guia de conversão para SRT e VTT](/pt-BR/articles/conversao-de-legendas-do-youtube/). SRT e VTT são formatos de arquivos de legendas com marcações de tempo. Esse guia separado trata do uso dos arquivos; esta revisão decide quais informações sobre sons e sobre quem fala os blocos precisam transmitir.

Revise separadamente as informações visuais sem áudio. Por exemplo, um diagrama pode exibir uma instrução que ninguém lê em voz alta. Acrescentar indicações de som não fornece essa instrução. Quando for adequado, registre o intervalo de tempo da informação visual e a explicação necessária em uma transcrição descritiva identificada separadamente.

Uma transcrição básica contém as falas e as informações necessárias de áudio que não são fala. Uma transcrição descritiva também acrescenta as informações visuais necessárias. Por isso, uma exportação de legendas pode precisar de acréscimos antes de servir como documento completo de leitura. [Orientações do W3C sobre transcrições](https://www.w3.org/WAI/media/av/transcripts/).

## Exemplo prático: uma aula de segurança fictícia

Ficção original: todos os tempos, observações, legendas e decisões deste exemplo foram inventados para ensinar. Nenhum vídeo de origem ou execução do Actor foi testado. O exemplo abrange uma aula de segurança completa de 60 segundos e uma faixa de legendas.

O apresentador muda de direção após um bipe. Mais tarde, uma pessoa fora de cena dá uma instrução curta. Há uma risada durante uma resposta. Um clique baixo ocorre perto do fim. Um diagrama sem áudio também contém uma instrução necessária.

| ID | Intervalo em segundos | Observação fictícia | Tratamento proposto | Decisão |
| --- | --- | --- | --- | --- |
| A1 | 12 a 13 | Um bipe de aviso explica a mudança de direção | Acrescentar “[bipe de aviso]” no momento do som | Adotar |
| A2 | 20 a 22 | Uma voz fora de cena, de uma pessoa sem nome identificado, diz “Espere aqui.” | Acrescentar “Pessoa fora de cena 1:” ao bloco de legenda da fala | Adotar |
| A3 | 42 a 44 | Uma risada pode mudar o tom de uma resposta, mas isso continua incerto | Deixar a descrição do som para outra revisão | Sem solução |
| A4 | 50 a 50,5 | Um clique baixo não acrescenta nenhum sentido necessário | Não acrescentar indicação de som | Excluir |
| V1 | 30 a 34 | Um diagrama sem áudio apresenta uma instrução necessária | Descrever a instrução em uma transcrição descritiva separada | Adotar separadamente |

A fonte fictícia estabelece que o bipe é um aviso. Sem essa evidência, o revisor precisaria de uma descrição menos específica ou de uma decisão sem solução. A identificação da pessoa fora de cena continua provisória porque o nome dela não foi estabelecido.

O bipe dura 13 segundos menos 12 segundos, o que equivale a 1 segundo. O trecho de fala fora de cena dura 22 segundos menos 20 segundos, o que equivale a 2 segundos. Esses intervalos localizam as evidências. Eles não provam que os blocos de legenda propostos sejam fáceis de ler.

Há 4 itens candidatos de áudio: 2 adotados + 1 sem solução + 1 excluído = 4 itens candidatos. O item visual separado não faz parte dessa contagem de áudio. Essas são contagens de itens de revisão, não de pessoas, de precisão das legendas ou de resultados de acessibilidade.

Nesta ficção, o revisor verifica todos os 60 segundos. O tempo não revisado é de 60 segundos menos 60 segundos, o que equivale a 0 segundos. Esse zero decorre da revisão fictícia completa declarada. Ele não deve substituir uma duração de revisão desconhecida em um registro real.

A próxima decisão é resolver A3 e conferir novamente toda a faixa revisada. O exemplo não permite considerar a versão completa enquanto uma decisão necessária sobre som continuar em aberto.

## Resolva as falhas e confira toda a versão revisada

Use estados de falha que descrevam o que você sabe. Mantenha os problemas de acesso à fonte separados das incertezas editoriais.

| Estado | Significado | Próxima ação |
| --- | --- | --- |
| Legendas indisponíveis | Você não tem uma fonte pública de legendas utilizável | Verifique a disponibilidade das legendas antes de avaliar seu conteúdo |
| Falha na extração | A coleta não produziu o registro necessário | Examine `OUTPUT`; não conclua que as legendas estão ausentes |
| Idioma exigido indisponível | Nenhum idioma solicitado correspondeu aos disponíveis | Mantenha o requisito ou documente uma alteração de escopo aceita |
| Som sem solução | Você não consegue fundamentar uma descrição do som | Reproduza novamente e solicite outra revisão |
| Identificação de quem fala sem solução | A identidade ou a continuidade da pessoa que fala não está clara | Mantenha uma identificação provisória e registre a incerteza |
| Informação visual necessária | As legendas de sons não fornecem o sentido visual necessário | Prepare uma explicação descritiva separada |
| Revisão incompleta | Parte do vídeo definido no escopo continua sem verificação | Conclua esse intervalo antes de declarar que a revisão está completa |

Após todas as alterações, assista à faixa revisada completa e compare-a com o áudio e a imagem. Conferir apenas os blocos alterados pode deixar passar um conflito em uma transição. Registre o intervalo revisado, os itens em aberto e a decisão final.

Os proprietários dos vídeos podem usar o procedimento documentado de legendas do YouTube Studio para suas próprias legendas. Outros pesquisadores devem manter uma cópia derivada separada, ou seja, uma cópia revisada a partir da fonte. Os dados públicos de legendas não dão acesso aos controles de edição de outro proprietário nem aos registros privados da conta dele. As ações descritas aqui são propostas para o leitor, não ações realizadas para este guia.

## Tome a próxima decisão de revisão

Salve as legendas brutas, a tabela de revisão, a versão revisada e qualquer transcrição descritiva separada. Informe se todo o escopo foi verificado e quais trechos continuam sem solução. Um registro completo de revisão pode conter questões em aberto; uma versão de legendas aceita deve resolver as questões necessárias para sua finalidade declarada.

Comece com um vídeo completo. Use o [Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper) quando precisar salvar uma fonte pública de legendas com marcações de tempo. Depois, assista e ouça toda a faixa. Trate o sucesso da coleta separadamente da decisão de que as legendas transmitem as falas, as identificações de quem fala e os sons necessários.

## Fontes e leituras adicionais

- [W3C WAI: Entenda as legendas pré-gravadas — verificado em 25 de outubro de 2026; orientação para um critério de acessibilidade, não um certificado de conformidade legal](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html)
- [W3C WAI: Transcrições — verificado em 25 de outubro de 2026; diferencia transcrições básicas de transcrições descritivas](https://www.w3.org/WAI/media/av/transcripts/)
- [Ajuda do YouTube: Usar legendas automáticas — verificado em 25 de outubro de 2026; orientação geral de revisão, não um teste das legendas deste vídeo](https://support.google.com/youtube/answer/6373554?hl=en)
- [Chronometrica YouTube Transcript Scraper — versão pública 0.1.43 verificada em 25 de outubro de 2026; apenas evidências do esquema de dados e da documentação, sem execução paga nem teste das condições de execução](https://apify.com/chronometrica/youtube-transcript-scraper)
- [Predefinição de transcrição do YouTube em JSON com marcações de tempo — verificado em 25 de outubro de 2026; página pública e ID da predefinição confirmados, entrada salva e execução não verificadas](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json)
- [Reclamação pública de um leitor sobre legendas intermitentes — observada em 25 de outubro de 2026; data de publicação desconhecida, uma reclamação e não uma evidência de demanda](https://www.reddit.com/r/deaf/comments/1mqxe6t)