Como sincronizar uma legenda atrasada ou adiantada

Legenda fora de sincronia: como saber se o atraso é fixo ou cresce, a conta do deslocamento e da correção por dois pontos, e o passo a passo no editor.

Por irokod.com Publicado em 8 min de leitura Legendar bem

Ilustração original do irokod.com, gerada para este artigo.

Você abre o vídeo e a legenda aparece dois segundos depois de a pessoa falar. Se a diferença é a mesma do início ao fim, basta mover as falas por um valor fixo. Se ela cresce ao longo do vídeo, a correção é outra e usa dois pontos de referência. Os dois casos têm uma conta simples, que este texto mostra com números e com o passo a passo no editor do irokod.com. Antes de qualquer ajuste, uma pergunta decide o caminho: a diferença é igual no começo e no fim do vídeo?

Descubra qual é o seu problema

Uma legenda é um texto com marcas de tempo, sincronizadas com o áudio, como descreve o guia de legendas do W3C WAI. Quando ela sai de sincronia, o texto continua certo e as marcas de tempo é que não combinam mais com o áudio. Dizemos que a legenda está atrasada quando aparece depois da fala, e adiantada quando aparece antes.

Para descobrir o tipo de erro, compare dois pontos do vídeo. Ache uma fala de voz clara perto do começo e outra perto do fim. Em cada uma, anote o tempo do vídeo no instante em que a voz entra e o tempo de início que a fala tem na lista do editor. A diferença entre os dois valores é o erro naquele ponto.

Erro no começo Erro no fim Diagnóstico Correção
1,5 s 1,5 s Deslocamento constante Adiantar ou atrasar todas as falas pelo mesmo valor
1,62 s 5,1 s O erro cresce Sincronizar por dois pontos de referência

Um terceiro caso existe: o erro muda de repente no meio, porque um trecho foi cortado ou acrescentado. Os dois ajustes deste texto não o resolvem por inteiro. Veja a seção de erros comuns.

Deslocamento constante

Aqui toda fala está errada pelo mesmo valor. A conta é uma soma: tempo novo é igual ao tempo antigo mais o deslocamento. Se a legenda está atrasada, o deslocamento é negativo, e você adianta. Se está adiantada, ele é positivo, e você atrasa.

Exemplo. A primeira fala clara está marcada em 00:00:12,000, mas a pessoa começa a falar em 00:00:10,500. A legenda está atrasada em 1,5 segundo. O deslocamento é de menos 1,5 segundo e vale para o início e o fim de cada fala:

Tempo no arquivo   Conta              Tempo novo
00:00:12,000       12,0 - 1,5 = 10,5      00:00:10,500
00:01:05,400       65,4 - 1,5 = 63,9      00:01:03,900
00:12:40,000       760,0 - 1,5 = 758,5    00:12:38,500

Os formatos de tempo ajudam na conta. O SRT não tem norma oficial. A ficha PRONOM, que é uma fonte não oficial, descreve horas, minutos e segundos com dois dígitos, uma vírgula e três dígitos de milissegundos. O WebVTT usa hh:mm:ss.ttt, com ponto, e as horas são opcionais quando valem zero, segundo a especificação do W3C. Para somar ou subtrair, converta para segundos: horas vezes 3600, mais minutos vezes 60, mais segundos, mais milissegundos divididos por 1000. A conversão está explicada em como interpretar o carimbo de tempo.

No editor, use a opção de adiantar ou atrasar todas as falas e informe o valor. O editor não deixa tempo abaixo de zero.

A diferença cresce com o tempo

Pode acontecer de a legenda sair certa no começo e errar mais a cada minuto. Isso pode indicar que ela foi feita para uma versão do vídeo com outra velocidade de reprodução ou outra duração. Os relógios do vídeo e da legenda andam em ritmos diferentes, como dois relógios que adiantam de modo desigual.

Matematicamente, o tempo novo passa a depender de duas coisas: uma razão a, que diz quanto cada segundo do arquivo vira, e um deslocamento b. A fórmula é tempo novo igual a a vezes o tempo antigo, mais b. Se a razão vale 1, a fórmula é o deslocamento constante da seção anterior. Se vale 1,001, cada segundo do arquivo vira 1,001 segundo, ou 1 milissegundo a mais. Em uma hora, são 3,6 segundos de diferença.

O que você mede em campo são pares de tempos: quando a fala está no arquivo e quando ela deveria estar. Dois pares bastam para achar a e b.

Sincronizar por dois pontos de referência

Veja um exemplo numérico. As duas falas de referência, e os tempos medidos no vídeo, são estas:

Ponto Tempo no arquivo Tempo certo Diferença
1, perto do começo 00:02:00,000 (120 s) 00:02:01,620 (121,62 s) 1,62 s
2, perto do fim 01:00:00,000 (3600 s) 01:00:05,100 (3605,1 s) 5,1 s

A razão é a diferença dos tempos certos dividida pela diferença dos tempos no arquivo:

a = (3605,1 - 121,62) / (3600 - 120)
a = 3483,48 / 3480 = 1,001

b = tempo certo 1 - a x tempo no arquivo 1
b = 121,62 - 1,001 x 120 = 121,62 - 120,12 = 1,5

tempo novo = 1,001 x tempo antigo + 1,5

Teste a fórmula em uma fala que não foi usada. Uma fala no arquivo em 00:30:00,000 (1800 s) vai para 1,001 vezes 1800, mais 1,5, ou seja, 1803,3 segundos. Em horas, 00:30:03,300. A fórmula vale para o início e para o fim de cada fala, e o resultado é arredondado ao milissegundo.

Por que escolher falas distantes? Um erro de medida de 0,1 segundo entre pontos separados por 60 segundos muda a razão em cerca de 0,0017 (0,1 ÷ 60), o que em uma hora vira mais de 6 segundos. Entre pontos separados por 3480 segundos, o mesmo erro muda a razão em cerca de 0,00003.

No editor, os passos são estes:

  1. Abra o vídeo, que fica só no seu computador, e o arquivo SRT ou VTT.
  2. Escolha duas falas de voz clara e em tempos diferentes, uma perto do começo e outra perto do fim.
  3. Para cada uma, meça o tempo em que a pessoa começa a falar no vídeo.
  4. Use a sincronização por dois pontos: indique as duas falas e o novo tempo de cada uma.
  5. O editor aplica a reta a todas as falas e pede que os novos tempos mantenham a ordem das duas.

Conferir o resultado

Confira em pontos que você não usou para calcular. Se a conta está certa, o meio do vídeo também fica certo.

A razão muda a duração de cada fala na mesma proporção. Com a razão de 1,001, uma fala de 3 segundos passa a durar 3,003 segundos. É uma diferença pequena, mas rode os avisos do editor de novo. Se algo ficar errado, use desfazer. O editor de legendas permite baixar o resultado em SRT ou VTT. O que olhar nos tempos depois do ajuste está em quanto tempo uma legenda deve ficar.

Erros comuns

  • Aplicar um deslocamento fixo a um erro que cresce. A legenda fica certa no começo e errada no fim. A causa é medir o erro em um ponto só. Meça no começo e no fim antes de decidir.
  • Medir o erro em uma fala duvidosa. A voz baixa ou a fala interrompida levam a um início incerto. Escolha falas de voz clara.
  • Escolher pontos muito próximos. O erro de medida pesa mais quando os dois pontos estão perto. Use falas distantes.
  • Fazer a conta com os tempos em texto. Subtrair 00:01:05,400 menos 1,5 sem converter dá resultado errado. Converta para segundos primeiro.
  • Trocar adiantar por atrasar. Se a legenda aparece depois da fala, ela está atrasada, e você precisa adiantá-la, ou seja, diminuir os tempos.
  • Esperar que dois pontos resolvam um salto no meio do vídeo. Se o erro muda de repente depois de um corte, uma reta só não serve. Confira o erro em vários pontos antes de corrigir.

Perguntas frequentes

O editor sincroniza pelo áudio sozinho?

Não. O editor não analisa o áudio. Você mede o erro assistindo ao vídeo e informa os valores, e ele faz a conta e aplica o ajuste.

Preciso refazer a sincronia depois de converter SRT em VTT?

Não. A conversão troca a vírgula pelo ponto nos milissegundos e acrescenta o cabeçalho do VTT. Os valores de tempo continuam os mesmos. O artigo sobre converter SRT em VTT mostra o passo a passo.

Quantos milissegundos de erro posso aceitar?

Este texto não fixa um número. Ao assistir, se você percebe que a legenda está fora, ainda há ajuste a fazer. A marcação das teclas I e O, com o vídeo tocando, dá a precisão de milissegundos ao início e ao fim de cada fala.

A conta serve para vídeo e legenda de qualquer duração?

Sim. A fórmula tempo novo igual a a vezes o tempo antigo mais b não depende da duração. Só a medida dos dois pontos fica mais confiável quando eles estão distantes um do outro.

Fontes

  1. W3C. WebVTT: The Web Video Text Tracks Format. Consultado em 19 de novembro de 2026.
  2. The National Archives (Reino Unido), registro PRONOM. SubRip Subtitle File - PRONOM - The National Archives. Fonte não oficial: descreve o uso comum do formato. Consultado em 19 de novembro de 2026.
  3. W3C Web Accessibility Initiative (WAI). Captions/Subtitles. Consultado em 19 de novembro de 2026.

Continue lendo