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.

Por irokod.com Publicado em 7 min de leitura Legendas nos seus vídeos

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

  1. DCMP (Described and Captioned Media Program). Captioning Key - Sound Effects and Music. Consultado em 19 de novembro de 2026.
  2. DCMP (Described and Captioned Media Program). Captioning Key - Speaker Identification. Consultado em 19 de novembro de 2026.
  3. DCMP (Described and Captioned Media Program). Captioning Key - Text. Consultado em 19 de novembro de 2026.
  4. Netflix (Partner Help Center). Portuguese (Brazil) Timed Text Style Guide. Consultado em 19 de novembro de 2026.
  5. Google (Ajuda do YouTube). Supported subtitle and closed caption files - YouTube Help. Consultado em 19 de novembro de 2026.

Continue lendo