Acessibilidade em vídeo: legendas e transcrição

Por que legenda virou padrão em vídeo

Legenda em vídeo deixou de ser cortesia opcional por três razões convergentes. Primeira: comportamento de consumo. A maioria dos vídeos no feed de redes sociais é consumida com som desligado — usuário rola o feed em transporte público, em escritório aberto, na fila do mercado. Sem legenda, o vídeo passa como ruído visual e a mensagem se perde. Plataformas registram que vídeo com legenda gera mais tempo de visualização e mais conclusão.

Segunda: SEO e descobrimento. Plataformas de busca indexam transcrição e legenda. Vídeo do YouTube com legenda própria (não a automática gerada pela plataforma) tem mais chance de aparecer em busca relevante, porque o algoritmo lê o texto como sinal forte de conteúdo. Transcrição publicada em página de site multiplica o conteúdo indexável e melhora ranking do próprio vídeo na busca interna.

Terceira: acessibilidade e conformidade legal. A Lei Brasileira de Inclusão (Lei 13.146/2015) reforça o direito da pessoa com deficiência a acesso à comunicação em formato adequado. Para vídeo público de empresa — site institucional, anúncios, conteúdo educacional, comunicação com cliente — recursos de acessibilidade são padrão esperado, não bônus. A interpretação detalhada do escopo da obrigação legal específica cabe a assessoria especializada, mas o consenso de mercado é tratar legenda como item obrigatório em qualquer vídeo público.

O resultado é simples: vídeo sem legenda hoje é vídeo subotimizado. Perde alcance, perde busca e perde compatibilidade com normas de inclusão.

Tipos de recurso de acessibilidade em vídeo

Legenda aberta (queimada). Texto incorporado à imagem do vídeo, sempre visível. Usuário não pode desligar. Vantagem: garante que a legenda apareça mesmo quando a plataforma não exibe legenda nativa (como em vídeo de feed do Instagram, Facebook, TikTok). Desvantagem: ocupa espaço fixo na imagem, dificulta tradução multilíngue (precisaria queimar versão por idioma) e prejudica acessibilidade para quem prefere ler legenda em fonte maior.

Closed caption (legenda selecionável). Arquivo separado (SRT, VTT) que o usuário ativa ou desativa na plataforma. Padrão em YouTube, site institucional com player próprio (Wistia, Vimeo, Vidyard, JW Player), plataformas de streaming. Vantagem: usuário escolhe se quer ver e em qual idioma; permite múltiplas faixas de legenda no mesmo vídeo; geralmente exibe nome do falante e indicações sonoras (ex: "[música suave]", "[risos]"). Padrão tecnicamente mais completo.

Transcrição. Texto integral do que é dito no vídeo, publicado como texto na página. Diferente da legenda, não tem marcação de tempo nem aparece sobre o vídeo — é um documento paralelo. Funciona como ativo de SEO (texto indexável) e como recurso de acessibilidade para quem prefere ler em vez de assistir, ou para quem usa leitor de tela. Em vídeo longo (webinar de 60 minutos, podcast), transcrição é praticamente obrigatória para acessibilidade plena.

Audiodescrição. Narração extra que descreve elementos visuais relevantes que não são óbvios pelo áudio principal — quem está em cena, qual é a expressão, o que está acontecendo visualmente, qual texto aparece na tela. Indicada para vídeo narrativo (campanha publicitária, documentário, vídeo de marca com forte componente visual) e institucional importante. Roteiro é gravado por locutor profissional e mixado como faixa separada (geralmente acionada pelo usuário).

Janela de Libras. Intérprete de Língua Brasileira de Sinais aparece em janela sobreposta ao canto do vídeo. Indicada para institucional corporativo importante, comunicação com público amplo, conteúdo público de governo e órgãos regulados. Intérprete deve ser certificado e a janela deve ter tamanho mínimo para permitir leitura da sinalização. Em comunicação ao vivo (live, webinar institucional), Libras costuma ser feita por intérprete em quadro separado durante a transmissão.

Quando usar cada recurso

A escolha do recurso depende do canal de publicação, do tipo de conteúdo e da política da empresa.

Vídeo de feed social (Instagram, TikTok, Reels, LinkedIn, X): legenda queimada é o padrão. A maioria das plataformas oferece legenda nativa, mas a exibição depende da configuração do usuário e nem sempre é consistente. Queimar garante visibilidade universal e cobre o consumo em mute, que é dominante nesse canal.

YouTube: closed caption é o padrão. Faça upload de arquivo SRT próprio (revisado) em vez de confiar 100% na legenda automática gerada pela plataforma. Quando o vídeo for traduzido para outros idiomas, suba arquivos separados — múltiplas faixas de legenda no mesmo vídeo.

Player próprio em site (Wistia, Vimeo, Vidyard): closed caption como padrão e transcrição publicada na página como texto.

Anúncio em vídeo: legenda queimada é praticamente obrigatória — autoplay em mudo é regra em feed e em site com vídeo. Sem legenda, o anúncio passa sem comunicar.

Vídeo institucional crítico (CEO falando, comunicação ao mercado, comunicado público): closed caption, transcrição publicada e — quando aplicável — janela de Libras. Audiodescrição quando o vídeo tem componente visual narrativo forte.

Webinar e live: legenda automática ao vivo (oferecida por Zoom, Google Meet, plataformas de webinar) cobre o evento; transcrição limpa publicada depois cobre acessibilidade plena. Para institucional grande com público amplo, contratar intérprete de Libras ao vivo é a prática consolidada.

Conteúdo educacional e treinamento corporativo: closed caption, transcrição e — em conteúdo público — janela de Libras. Conteúdo de treinamento interno costuma seguir o mesmo padrão da comunicação externa, por consistência.

Geradores automáticos de legenda

Várias ferramentas geram legenda automática a partir do áudio. Útil como ponto de partida — nenhuma substitui revisão manual.

YouTube. Geração automática de legenda nativa em vídeos enviados ao canal, com transcrição editável. Qualidade depende muito da clareza do áudio e do idioma. Para português brasileiro, costuma errar nome próprio, jargão técnico e palavras com pronúncia regional. Use como base, edite no estúdio do YouTube e publique versão revisada.

CapCut. Geração de legenda automática integrada ao editor, com customização visual fácil (fonte, tamanho, contorno, animação). Indicado para vídeo de feed social — legenda queimada com estética alinhada à plataforma.

Descript. Editor que transcreve o vídeo e permite editar o áudio editando o texto. Útil para podcast em vídeo e webinar — facilita corte por trecho de fala.

Rev. Combina transcrição automática (mais barata) com transcrição feita por humano (mais cara e mais precisa). Padrão internacional para vídeo profissional. Para conteúdo crítico de empresa grande, Rev humano cobre nomes próprios e jargão técnico melhor que automático.

Pictory, HappyScribe, Otter, Sonix. Plataformas que combinam transcrição, legenda e edição de texto-para-vídeo. Cada uma com nicho — Pictory para reaproveitamento de conteúdo, HappyScribe para multi-idioma, Otter para reunião e webinar, Sonix para arquivo de podcast.

Custo de geração automática: gratuito (YouTube, CapCut tier básico) a R$ 1,00-R$ 3,00 por minuto de vídeo em ferramentas pagas. Custo de transcrição humana profissional: R$ 8,00 a R$ 25,00 por minuto, dependendo de prazo, idioma e revisão técnica.

Por que a revisão manual nunca pode ser pulada

Legenda automática melhorou muito, mas ainda erra de formas que comprometem o vídeo:

Nome próprio e marca. "RD Station", "Mailchimp", "HubSpot", "oHub", "Pix", "Bradesco" — algoritmos transcrevem foneticamente e produzem versões erradas que o leitor humano nota imediatamente. Erro em nome de marca em vídeo institucional é constrangedor.

Jargão técnico. Termos específicos de cada indústria (DRE, ESG, ICMS, CRM, B2B, kanban, API, microsserviço) costumam virar palavras genéricas ou erros foneticamente próximos. Em vídeo educacional ou demo de produto, isso compromete a credibilidade do conteúdo.

Pontuação. Legenda automática raramente coloca pontuação correta. Sem pontuação, a leitura fica truncada e a mensagem perde nuance. Revisão precisa adicionar vírgula, ponto, interrogação.

Quebra de linha e ritmo. Algoritmo quebra linha por intervalo de áudio, não por unidade de sentido. Resultado: frases cortadas no meio que dificultam leitura rápida. Revisão precisa reordenar quebras para que cada linha contenha uma unidade compreensível.

Sincronização. Legenda atrasada ou adiantada em mais de 0,5 segundo quebra a relação entre fala e texto. Revisão checa pontos críticos de transição.

Identificação de falante e indicação sonora. Em vídeo com duas pessoas conversando, legenda automática geralmente não identifica quem está falando. Revisão adiciona "[Entrevistador]" e "[Cliente]" para clareza, especialmente importante em vídeo testemunhal.

Padrões técnicos a respeitar

Tempo de tela. Cada bloco de legenda deve permanecer entre 1,5 e 6 segundos. Menos que isso, o leitor não consegue ler; mais que isso, fica preso na mesma frase enquanto a fala já avançou.

Caracteres por linha. 32 a 37 caracteres por linha é o padrão para legibilidade em tela. Mais que isso, a linha extrapola a área segura em mobile vertical.

Linhas por bloco. Máximo duas linhas por bloco de legenda. Três linhas ocupam espaço excessivo na imagem e dispersam atenção.

Contraste. Texto branco com contorno preto fino (ou sombra) é o padrão universal — funciona sobre qualquer fundo. Texto branco puro sobre fundo claro fica ilegível; texto preto sobre fundo escuro também. Para vídeo com áreas variadas, contorno é obrigatório.

Tipografia. Fonte sem serifa, tamanho proporcional ao vídeo (em vídeo vertical para mobile, fonte maior). Evite fonte decorativa, itálico extenso, caps em todo bloco.

Posição. Centralizada e na parte inferior da tela, com margem inferior suficiente para não conflitar com elementos de interface da plataforma (botão de pausa, barra de tempo, watermark).

Densidade. Em fala rápida, legenda pode condensar (resumir) em vez de transcrever palavra por palavra — desde que mantenha o sentido. Transcrição literal de fala muito rápida resulta em legenda que ninguém consegue ler.

Erros comuns que comprometem a acessibilidade

Publicar com legenda automática sem revisão. O risco já discutido — erros em nome de marca, jargão técnico, pontuação. Revisar é regra básica.

Legenda muito rápida ou muito densa. Bloco de 4 linhas que aparece 2 segundos é ilegível. Revise tempo de tela e densidade.

Sem contraste suficiente. Texto branco puro sem contorno sobre fundo claro desaparece. Sempre use contorno ou caixa de fundo.

Confiar só em legenda em vídeo institucional crítico. Vídeo de comunicação importante (CEO falando ao mercado, mensagem da diretoria, evento público) demanda mais que legenda — closed caption, transcrição publicada e, quando aplicável, janela de Libras.

Ignorar transcrição como ativo de SEO. Vídeo de webinar de 60 minutos sem transcrição publicada perde valor enorme em busca. Publicar texto integral em página dedicada ao vídeo multiplica o conteúdo indexável.

Janela de Libras em tamanho insuficiente. Intérprete em janela minúscula no canto da tela cumpre função decorativa, não acessível. A janela precisa ter tamanho que permita leitura clara da sinalização.

Audiodescrição como narração paralela ao áudio principal. Audiodescrição é faixa separada, geralmente acionada pelo usuário, que cobre o silêncio entre falas. Sobrepor narração ao áudio principal confunde em vez de ajudar.