Como formatar uma transcrição completa do YouTube para um leitor digital

1. Escolha a fonte e defina o documento

Escolha um vídeo e um idioma de legenda disponível. Um trecho de legenda é uma passagem curta de texto com um tempo de início e um tempo de término. Uma faixa de legendas é o conjunto de trechos em um idioma. Sua versão para leitura é um documento separado, criado a partir dessa faixa.

Registre a URL da fonte, o título do vídeo, o idioma selecionado e a data em que você coletou as legendas. Confirme que pode usar o conteúdo no documento pessoal que pretende criar. Não publique a transcrição de outro criador sem permissão.

Defina que a versão manterá todo o conteúdo falado disponível na faixa conferida. Parágrafos e títulos podem mudar a apresentação do texto. Eles não devem remover explicações, exemplos, avisos ou condições. Uma condição é uma limitação que altera as situações em que uma afirmação se aplica.

Mantenha estes três registros separados:

1. O arquivo original de legendas com marcações de tempo.
2. A versão para leitura que você edita.
3. Um registro de edição com as alterações e os problemas não resolvidos.

Um registro de edição documenta o que você alterou e por quê. Ele permite comparar uma edição com as palavras originais mais tarde.

Se você já tem legendas com marcações de tempo, pode começar com elas. Se ainda precisa coletá-las, use o guia de extração de legendas nessa etapa. Este guia trata do documento para leitura e de suas páginas.

2. Colete legendas com marcações de tempo e confira o resultado

O YouTube Transcript Scraper, com especificação pública conferida em 25 de outubro de 2026; sem teste de execução lê faixas de legendas públicas já existentes. Um Actor é um programa hospedado que coleta dados. Este Actor aceita URLs diretas de vídeos do YouTube ou IDs de vídeos. Um ID é o código curto que identifica um vídeo.

Ele não aceita um canal, uma playlist ou uma página de busca como lista de fontes. Ele não transforma áudio em texto novo nem baixa áudio ou vídeo. Aceita de 1 a 1.000 entradas e processa apenas uma vez cada ID de vídeo repetido. Para este método, comece com um vídeo.

Use esta configuração de entrada simples:

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

Substitua a URL de exemplo em `startUrls` pela URL do vídeo público desejado. A URL fornecida é um exemplo de entrada. Ela não comprova que há uma transcrição útil nem que houve uma execução concluída para este guia.

JSON é um formato de texto estruturado. Solicitar `json` preserva os segmentos com marcações de tempo. Um segmento é um trecho de legenda retornado. Cada segmento contém `text`, `startSeconds`, `endSeconds` e `durationSeconds`. O texto simples, por si só, não informa os tempos de término dos trechos.

A lista vazia `preferredLanguages` solicita a melhor faixa de legendas disponível. Isso não garante que ela esteja em inglês. Confira `transcriptLanguageCode` após a coleta. Se você definir preferências de idioma, o Actor tentará usá-las na ordem indicada. Se nenhuma estiver disponível, ele informará uma falha por idioma indisponível. Ele não substituirá o idioma por outro sem avisar.

Mantenha `includeFailedInputDetails` definido como `true`. Cada vídeo distinto processado com sucesso gera uma linha no conjunto de dados. Uma linha do conjunto de dados é o resultado de um vídeo, não uma legenda nem uma seção de leitura. As entradas com falha aparecem no registro da execução chamado OUTPUT. Não considere uma exportação vazia como uma transcrição concluída.

Confira a identidade do vídeo, o idioma, `status` e `statusReason`. Confirme que o resultado contém `segments` utilizáveis. Salve o resultado original antes de editar.

Um campo é um valor identificado por um nome no resultado. Alguns campos podem conter `null`, o que significa que o valor está ausente ou é desconhecido. Preserve essa diferença. Por exemplo, um `videoDurationSeconds` desconhecido não significa que o vídeo tem duração de zero segundos. Um `durationSeconds` desconhecido não significa que o trecho dura zero segundos.

A especificação pública documenta este método de coleta. Nenhuma execução paga do Actor foi realizada para este artigo. A coleta, a exportação e as verificações no dispositivo descritas a seguir são ações que você deve realizar.

3. Una os fragmentos sem encurtar a aula

Trabalhe em uma cópia do texto das legendas. Mantenha os segmentos originais e seus tempos sem alterações.

Leia os trechos de legenda consecutivos em conjunto. Uma frase pode continuar por vários trechos. Una esses fragmentos antes de decidir onde encerrar um parágrafo. Comece um novo parágrafo quando a pessoa que fala iniciar uma nova ideia, um exemplo, uma instrução ou uma ressalva.

Mantenha a ordem da fonte. Afastar um aviso da instrução à qual ele se aplica pode mudar o significado. Mantenha cada definição perto da passagem que a usa. Preserve uma explicação repetida quando a pessoa que fala a usa para acrescentar contexto ou esclarecer um ponto.

Siga esta sequência de edição:

1. Una os fragmentos que formam uma frase.
2. Adicione pontuação somente quando o significado estiver claro.
3. Agrupe as frases relacionadas em um parágrafo.
4. Compare o parágrafo com o áudio da fonte.
5. Anote qualquer alteração no texto no registro de edição.

Remova uma repetição somente quando confirmar que ela é uma duplicação mecânica da legenda. Uma redação semelhante não comprova uma duplicação. A pessoa que fala pode repetir uma frase de propósito. Se não puder confirmar a causa, mantenha a passagem e marque-a para revisão.

Não substitua uma palavra incerta por uma palavra provável sem indicar a alteração. Mantenha a incerteza visível até poder conferir. A mesma regra se aplica a números, nomes e termos técnicos.

Uma versão completa para leitura mantém a explicação. Se decidir encurtar a aula, trate o resultado como um documento separado. O guia de resumo conferido com a fonte trata dessa outra tarefa. Não identifique uma versão como texto completo depois de remover passagens com conteúdo relevante.

4. Adicione títulos e um mapa de tempos da fonte

Crie títulos onde houver mudanças reais de assunto. Use títulos curtos que ajudem a pessoa a escolher uma seção. Compare cada título com o áudio e a tela. Uma frase da legenda pode sugerir um título, mas a passagem ao redor precisa sustentá-lo.

Informe perto do início do documento que você acrescentou os títulos. Isso distingue os títulos de quem edita das palavras de quem fala. Não coloque um título acrescentado entre aspas como se a pessoa o tivesse dito.

Adicione um sumário com as seções de leitura. Use entradas com links se o formato de documento escolhido permitir. Confira as entradas após a exportação. Mantenha os mesmos títulos no sumário e no corpo do texto.

Um mapa de tempos da fonte liga cada seção de leitura aos seus trechos de legenda originais. Mantenha esse mapa mesmo que a versão para leitura mostre apenas uma indicação curta do tempo na fonte. Ele preserva as evidências que sustentam a diagramação editada.

Salve estes campos:

Uma referência de trecho de legenda é uma forma estável de identificar um segmento original, como sua posição no arquivo salvo. Uma referência de parágrafo identifica um parágrafo na versão para leitura. Mantenha as duas para que uma mudança posterior nas páginas não elimine a ligação.

Insira links para os tempos na fonte em pontos úteis de transição entre seções. Você não precisa de uma marcação de tempo antes de cada frase. Mantenha o mapeamento detalhado dos trechos de legenda no mapa salvo.

Abra cada link e confira aonde ele leva. Um link para a fonte só é útil quando leva de volta ao contexto correto. Se o leitor digital não conseguir abri-lo, o título visível do vídeo e o tempo por escrito ainda servem como referência para consulta em outro lugar.

Não estime um limite ausente. Use os tempos dos trechos de legenda retornados, quando disponíveis. Preserve lacunas e sobreposições, em vez de forçar os trechos a formar blocos regulares e contínuos. O fim da última legenda não é necessariamente o fim do vídeo.

5. Acrescente contexto conferido onde o texto precisar

Algumas passagens dependem de uma mudança de falante, de um som relevante ou de uma ação na tela. Um documento que será lido sem o vídeo pode precisar dessas informações.

O W3C distingue uma transcrição básica, que inclui a fala e os sons não falados necessários, de uma transcrição descritiva, que também acrescenta as informações visuais necessárias. Por isso, uma exportação de legendas pode precisar de acréscimos conferidos antes de servir como documento para leitura. W3C WAI: Transcrições, conferido em 25 de outubro de 2026; orientações sobre transcrições

Revise as passagens que se referem a algo que a pessoa não consegue ver ao ler. Palavras como “aqui” ou “isto” podem indicar uma ação importante na tela. Assista à passagem na fonte antes de acrescentar uma nota.

Use este processo:

1. Identifique o que a pessoa precisa entender ao ler.
2. Confira essa informação no vídeo ou no áudio.
3. Acrescente uma nota breve que indique claramente ser uma nota de edição.
4. Vincule a nota ao intervalo correspondente da fonte no mapa.
5. Marque como não resolvido tudo o que não puder confirmar.

Mantenha as notas acrescentadas separadas do texto falado. Não invente um diagrama, a identidade de quem fala, um som ou uma ação com base apenas nas palavras das legendas. Se um detalhe visual essencial continuar desconhecido, informe essa limitação. Uma diagramação clara não corrige a falta de informações da fonte.

Este método não inclui extração automática de imagens. Ele também não comprova que o Actor verifica conteúdo visual.

6. Prepare e confira o documento no leitor digital

Use um formato de documento simples ou um PDF compatível com seu leitor digital. PDF é um formato de documento que preserva a diagramação das páginas. Escolha o formato com base na documentação do seu leitor digital. Use o procedimento de importação documentado para esse dispositivo ou essa conta.

Mantenha a diagramação simples na primeira exportação. Use níveis de títulos claros, parágrafos legíveis e poucas informações da fonte no início das seções. Evite colocar cada seção curta em uma nova página antes de avaliar a leitura.

Abra o arquivo exportado no leitor digital em que pretende usá-lo. Uma prévia no computador, por si só, não conclui essa verificação. Confira:

1. Tamanho do texto: você consegue ler o corpo do texto e as notas de edição com conforto?
2. Margens: as palavras ficam dentro da área visível da página?
3. Parágrafos: as quebras ajudam a acompanhar ideias completas?
4. Quebras de página: os títulos ficam junto do texto que apresentam?
5. Navegação: você consegue usar o sumário para chegar à seção desejada?
6. Referências da fonte: os tempos estão visíveis, e os links compatíveis abrem corretamente?
7. Exibição do texto: a pontuação e os caracteres especiais continuam corretos?

Confira o início, uma seção do meio e o fim. Confira também as páginas com parágrafos longos, tabelas ou notas acrescentadas. Se um título aparecer sozinho no fim de uma página, ajuste a diagramação e exporte novamente. Se uma tabela for larga demais, simplifique a apresentação sem excluir informações.

Nenhum procedimento de importação para leitor digital, conexão de sincronização ou diagramação no dispositivo foi testado aqui. Estas são verificações propostas para seu próprio arquivo e leitor digital.

7. Ficção original: uma versão para leitura de 12 minutos

Este exemplo desenvolvido é uma ficção original. A aula, a divisão das seções e os tempos foram inventados. Trata-se de uma diagramação ilustrativa, não de uma extração real nem de um teste em dispositivo. Nenhuma transcrição fictícia completa é fornecida, portanto a tabela não comprova a preservação de todas as palavras.

Suponha que uma aula fictícia tenha três grupos de trechos de legenda: 00:00–03:20, 03:20–08:10 e 08:10–12:00. A pessoa que edita cria três seções de leitura. O segundo título é “Escolha um ID”. Esse título foi acrescentado na edição. A explicação completa permanece no corpo do texto.

Converta minutos em segundos multiplicando os minutos por 60 e depois somando os segundos restantes:

• 03:20 = 3 × 60 + 20 = 200 segundos.
• 08:10 = 8 × 60 + 10 = 490 segundos.
• 12:00 = 12 × 60 = 720 segundos.

Subtraia o tempo de início do tempo de término de cada intervalo:

• Seção 1: 200 − 0 = 200 segundos, ou 3 minutos e 20 segundos.
• Seção 2: 490 − 200 = 290 segundos, ou 4 minutos e 50 segundos.
• Seção 3: 720 − 490 = 230 segundos, ou 3 minutos e 50 segundos.

O total é 200 + 290 + 230 = 720 segundos. Isso equivale a 12 minutos. O cálculo mostra que os intervalos inventados das seções cobrem a aula fictícia sem lacunas. Ele não comprova que todas as palavras foram mantidas. A duração do intervalo também não mede o tempo de leitura.

A entrada “Escolha um ID” no sumário leva à seção de leitura 2. Sua referência de tempo na fonte aponta para 03:20. Não existe uma URL de vídeo real para esta ficção, portanto não há um link de reprodução testado.

Em uma versão real, você também listaria os trechos de legenda originais usados na seção 2. Se um trecho ultrapassasse o limite proposto para a seção, você manteria a ideia completa e revisaria esse limite. Não cortaria as palavras apenas para coincidir com 03:20.

A duração de 720 segundos da aula fictícia é um valor de exemplo. Não é um valor retornado em `videoDurationSeconds`. Nenhuma coleta foi realizada, portanto `scrapedAt` continua desconhecido.

8. Confira se o conteúdo está completo e trate as falhas

Revise todo o mapa que liga a fonte às seções. Cada trecho de legenda original precisa ter seu destino registrado. Um trecho pode estar ligado a um parágrafo de leitura, continuar não resolvido ou ter uma alteração registrada, como a remoção de uma duplicação mecânica confirmada.

Depois, compare o início, uma passagem do meio e o fim com o áudio e a tela. Essas verificações pontuais podem revelar erros, mas não comprovam a exatidão de todo o texto. Revise também todas as passagens incertas ou alteradas. Os metadados de idioma e a cobertura das legendas não comprovam que as palavras estão corretas.

Adote estas decisões quando uma verificação falhar:

Mantenha as evidências de fontes públicas separadas dos registros disponíveis apenas na sua conta. A especificação pública do Actor descreve as entradas e saídas compatíveis. O OUTPUT da sua execução e os arquivos salvos documentam o que ocorreu na sua própria coleta. Não presuma que eles sejam evidências públicas.

A configuração pública predefinida mencionada estava disponível quando foi conferida em 25 de outubro de 2026. Isso comprova apenas a presença da página pública. A entrada salva na conta e a execução não foram verificadas. Trata-se de um ponto de partida documentado para a coleta, não de uma evidência de uma versão concluída para leitor digital.