Como indicar sons e falantes em legendas
Como escrever [música], [risos] e identificar quem fala numa legenda: convenções do DCMP e da Netflix, com tabela de situações e exemplos originais.
Ilustração original do irokod.com, gerada para este artigo.
Quando alguém escreve [música] numa legenda, faz uma escolha: aquele som importa para quem não ouve. A dúvida de quem legenda tem três partes. Vale marcar tudo? Como escrever o som? E quando dizer quem está falando? Não existe uma norma única. Este texto reúne as convenções de duas fontes que publicam regras, o DCMP e a Netflix. Mostra onde elas divergem e traz exemplos criados aqui. Parte das regras foi escrita para o inglês, e o texto avisa sempre que a adaptação para o português é escolha nossa. A pontuação em volta desses sinais, como reticências e hífens, fica em pontuação em legendas.
O que vale a pena indicar
O DCMP, que escreve para vídeo educativo, afirma que o efeito sonoro é legendado se for necessário para o entendimento ou a fruição do material. Sons de fundo só entram quando são essenciais para a trama. O critério é de utilidade: o espectador que não ouve perderia alguma coisa sem aquele aviso?
Uma pergunta ajuda a decidir. Se você tirasse o som do vídeo, o que a imagem não conta sozinha? Uma campainha que faz alguém levantar, um alarme que interrompe a conversa ou uma risada da plateia que muda o clima merecem marca. O vento constante de fundo, não.
Como escrever o som
O DCMP descreve o efeito entre colchetes, em minúsculas, com a fonte do som indicada, a menos que ela esteja visível. A descrição fica o mais perto possível da fonte. O guia pede o tempo presente, nunca o passado. Para som contínuo, usa a forma de gerúndio (no inglês, barking). Para som abrupto, o verbo na terceira pessoa (barks). Também pede a palavra específica: “pássaro cantando”, e não só “som”.
Em português, a sugestão é adaptar a ideia: “[cachorro latindo]” para o som que dura e “[porta bate]” para o som curto. Quando há onomatopeia, o DCMP põe o efeito descrito na primeira linha e a onomatopeia na seguinte, ambos em minúsculas.
| Situação | Como escrever (exemplo nosso) | Origem da regra |
|---|---|---|
| Som necessário, fonte fora da imagem | [telefone tocando] | DCMP: colchetes, minúsculas, fonte indicada |
| Som curto e súbito | [porta bate] | DCMP: presente, terceira pessoa para som abrupto (adaptado) |
| Som que dura | [chuva caindo] | DCMP: forma contínua (adaptado) |
| Música essencial | [piano, andamento lento] | DCMP: colchetes e descrição objetiva |
| Música de fundo com menos de 5 segundos | sem legenda | DCMP |
| Falante conhecido, posição não indicável | (Marta) em linha própria | DCMP |
| Falante desconhecido | (narrador) ou (falante 1) | DCMP: “narrator”, “speaker #1” |
| Dois falantes na mesma legenda | - Quem chegou? / - Foi o Rui. | Netflix para o português: hífen e espaço, um falante por linha |
| Fala traduzida de outro idioma | [em espanhol] | Netflix para o português, no SDH |
Uma ressalva sobre estilo. O DCMP pede itálico para efeitos fora de cena, e o guia da Netflix para o português do Brasil pede itálico para vozes em off. Só que a página de formatos do YouTube diz que o SRT não tem marcação de estilo e que o VTT limita o estilo a negrito, itálico e sublinhado. Por isso, não dependa do itálico. Deixe a informação no próprio texto, em colchetes ou com o nome, para que ela não se perca se o estilo sumir.
Quando identificar o falante
O DCMP trata a identificação dos falantes, dentro e fora da cena, como vital para a clareza. A primeira ferramenta é a posição: quando dá, a legenda fica sob quem fala. O nome só entra quando a posição não resolve.
O guia fixa três regras. A pessoa só ganha nome na legenda depois de se apresentar na fala ou em texto ou gráfico na tela. Se o nome é conhecido e a posição não pode ser indicada, ele aparece entre parênteses, em linha própria. Se o nome é desconhecido, a legenda usa a mesma informação que teria quem ouve, em linguagem inclusiva e sem marcar gênero. Os exemplos do guia são “(speaker #1)” e “(narrator)”. Para quem fala fora de cena, de posição conhecida, a legenda vai para a direita ou a esquerda da tela, perto de onde se presume que a pessoa esteja.
Dois falantes na mesma legenda são um ponto de divergência. O guia da Netflix para o português separa as falas com hífen e espaço e admite um falante por linha. O DCMP, na regra de posicionamento, rejeita o hífen como forma de identificar falantes e propõe pôr cada legenda sob o seu falante ou alternar os tempos. Escolha uma das duas e mantenha. Os casos de fala simultânea ficam em sobreposição de falas.
(Marta)
Já cheguei! Cadê o Rui?
[porta bate]
- Aqui na cozinha.
- Ele já pôs a mesa?
No exemplo, o nome entra uma vez, quando a posição não basta. O som da porta tem aviso próprio. A última troca usa a convenção do hífen com espaço, como a Netflix indica para o português. Para ver como isso serve a quem não ouve, leia legendas para quem não ouve.
Música e letras
O DCMP diz que a música instrumental ou de fundo só é legendada quando é essencial para entender o programa. Ela vai entre colchetes, com intérprete ou compositor e título quando possível. Música de fundo com menos de 5 segundos não é legendada. Se o clima da música importa, a descrição precisa ser objetiva, sem adjetivos subjetivos como “linda” ou “agradável”. O guia também prevê um ícone de música no canto superior direito para a música não essencial, sem sacrificar o diálogo.
Para letras, as fontes divergem. O DCMP pede a letra de forma literal, com artista e título entre colchetes quando o tempo permitir. O guia da Netflix para o português só legenda músicas importantes para a trama, desde que os direitos estejam liberados, e não transcreve no SDH letras de músicas em língua estrangeira. Para um vídeo seu com música de outra pessoa ao fundo, a sugestão é escrever “[música ao fundo]” e deixar a letra de fora, porque ela é obra de terceiros. Para vídeos caseiros, veja também como legendar vídeos de família.
Sons que não precisam de legenda
O DCMP diz que sons de fundo entram só se forem essenciais e que música curta não entra. Dessa lógica sai uma lista de candidatos a ficar de fora: ruído de ambiente constante, um som que já aparece na imagem de forma óbvia e uma música de poucos segundos.
Atenção a um detalhe. Quando a fonte do som está visível, o DCMP dispensa só o nome da fonte, e não a descrição do efeito. Se o cachorro aparece na tela, escreva “[latindo]”, e não “[cachorro latindo]”. Silêncio entra apenas quando faz parte do sentido, como uma pausa longa que o espectador que ouve sentiria. Essa última é uma sugestão nossa.
Erros comuns
- Marcar cada ruído. A causa é querer completude. Marque só o som necessário para entender.
- Escrever o som no passado. A causa é descrever como quem narra depois. O DCMP pede o presente.
- Chamar a pessoa pelo nome cedo demais. A causa é conhecer o elenco melhor que o espectador. Espere o nome surgir na fala ou na tela.
- Depender do itálico. A causa é supor que o formato guarda o estilo. Deixe a informação no texto.
- Usar adjetivos para a música. A causa é opinião no lugar de descrição. Descreva o andamento ou o instrumento.
- Copiar letra de música de terceiros. A causa é seguir a regra de um guia sem pensar no vídeo. Indique a música e deixe a letra de fora.
Perguntas frequentes
Uso colchetes ou parênteses?
As fontes consultadas usam os dois, para fins diferentes. O DCMP põe sons entre colchetes e nomes de falante entre parênteses. A Netflix usa colchetes no SDH para o idioma de um trecho traduzido. Combine uma convenção e use-a do começo ao fim.
Preciso identificar o falante num vídeo com uma pessoa só?
Não, se ela aparece e é a única voz. O DCMP descreve a legenda sob o falante como forma de identificá-lo. Identifique quando houver voz fora de cena, narrador ou várias pessoas.
E se eu não souber o nome de quem fala?
Use uma descrição neutra, como “(narrador)” ou “(falante 1)”, seguindo os exemplos do DCMP. Quando o nome for dito em cena ou aparecer na tela, passe a usá-lo.
Como marcar uma fala em outro idioma?
O guia da Netflix para o português adota “[em <língua>]” no SDH, para trecho estrangeiro que ganha tradução. Em vídeo seu, escreva “[em espanhol]”, por exemplo, antes da fala traduzida.
Fontes
- DCMP (Described and Captioned Media Program). Captioning Key - Sound Effects and Music. Consultado em 19 de novembro de 2026.
- DCMP (Described and Captioned Media Program). Captioning Key - Speaker Identification. Consultado em 19 de novembro de 2026.
- DCMP (Described and Captioned Media Program). Captioning Key - Text. Consultado em 19 de novembro de 2026.
- Netflix (Partner Help Center). Portuguese (Brazil) Timed Text Style Guide. Consultado em 19 de novembro de 2026.
- Google (Ajuda do YouTube). Supported subtitle and closed caption files - YouTube Help. Consultado em 19 de novembro de 2026.
Continue lendo
- Legendas para quem não ouve: o que precisa ter O que uma legenda precisa ter para ser acessível a quem não ouve: fala completa, quem fala, sons relevantes, sincronia e o que pede o critério WCAG 1.2.2.
- Diálogos e falas sobrepostas em legendas Como legendar duas pessoas falando ao mesmo tempo e como mostrar um diálogo: uma linha por falante, blocos em sequência e correção de tempos que se cruzam.
- Pontuação em legendas: reticências, hífen e aspas Como pontuar legendas: reticências, hífen em diálogo, aspas, itálico e maiúsculas, com a regra de cada diretriz (Netflix, DCMP) e o que fazer quando elas discordam.
- Legenda, legenda oculta e transcrição: as diferenças Entenda a diferença entre legenda, legenda oculta (closed caption) e transcrição: o que cada uma contém, onde aparece, para quem serve e qual escolher.
- Como legendar vídeos de família Como legendar vídeos de família: falas de avós e crianças, risos e sons, parentes que falam outro idioma, cuidados de privacidade e como guardar vídeo e legenda.