O que dá errado nas legendas de IA
Ferramentas de voz para texto, como o Whisper da OpenAI ou as legendas automáticas dos editores de vídeo, acertam quase todas as palavras, mas os arquivos que geram são feitos para uma máquina, não para quem lê. Os problemas se repetem:
- Linhas longas demais: uma frase inteira numa linha, bem acima dos 42 caracteres por linha que guias como o da Netflix permitem.
- Legendas sobrepostas: uma ainda está na tela quando a próxima começa.
- Legendas que passam voando: um "Tá." de 300 milissegundos que ninguém consegue ler.
- Falas repetidas: a mesma legenda duas vezes seguidas, algo que os modelos de voz às vezes produzem com música ou silêncio.
- Legendas vazias: tempos sem texto.
O exemplo carregado acima tem quatro desses problemas. O limpador corrige todos de uma vez e diz quantos mudou de cada tipo.
O que o limpador muda
Divide o texto longo em linhas de no máximo os caracteres que você definir, o mais iguais possível; termina cada legenda 80 milissegundos antes da próxima, cerca de dois quadros; alonga até o mínimo que você escolher (1 segundo por padrão) as que duram menos, sem invadir a próxima; junta uma legenda à anterior quando o texto é idêntico e começa menos de um segundo depois; e remove as vazias. As palavras não mudam, e nada é enviado: tudo acontece no seu navegador.
Um fluxo de trabalho limpo
- Gere as legendas na sua ferramenta de voz para texto e exporte em SRT ou VTT.
- Carregue aqui, limpe e baixe.
- Leia uma vez junto com o vídeo para corrigir palavras: essa parte ainda precisa de uma pessoa.
- Se tudo estiver adiantado ou atrasado, sincronize; se for saindo de sincronia aos poucos, use o conversor de FPS; se a plataforma pedir o outro formato, converta.
Perguntas
Como corrijo as linhas longas das legendas do Whisper?
Carregue o arquivo SRT ou VTT e deixe Quebrar linhas longas ligado. Cada legenda é dividida em linhas de no máximo 42 caracteres, ou o número que você escolher, o mais equilibradas possível.
Por que as legendas geradas por IA se sobrepõem?
As ferramentas de voz para texto calculam cada legenda a partir do áudio e nem sempre deixam espaço antes da próxima. O limpador termina cada legenda 80 milissegundos antes da seguinte começar.
O limpador muda as palavras?
Não. Ele só muda as quebras de linha e os tempos, junta repetições exatas e remove legendas vazias. Conferir as palavras com o vídeo ainda é trabalho de uma pessoa.
Meu arquivo é enviado?
Não. O arquivo é limpo no seu navegador e nunca sai do seu aparelho.