Converter JSON para SRT pelos segmentos ou palavra por palavra.
Para converter uma transcrição em JSON para SRT, cole o conteúdo ou arraste o arquivo .json e clique em converter. Lemos os segmentos do Whisper e de outras ferramentas de fala para texto e, quando há tempo por palavra, montamos legendas pelas palavras, em até 2 linhas de 42 caracteres. O SRT sai numerado e em UTF-8.
Segundo arquivo
Por exemplo, o nome do vídeo e a versão para aprovação.
Esse texto não tem tempos. Vamos criar a legenda pelo ritmo de leitura: cada linha ou frase vira um bloco de até 2 linhas.
O JSON traz o tempo de cada palavra. Cortamos em blocos de até 2 linhas de 42 caracteres, no fim das frases e nas pausas.
Relatório da legenda
- Legendas
- Duração
- Palavras
- CPS médio
- CPS máximo
- Com alerta
| # | Tempo | Duração | Texto | Caracteres por linha | CPS | Alertas |
|---|
Como transformar o JSON da transcrição em SRT
- 01
Cole ou arraste o .json
Serve o JSON que ferramentas de transcrição com IA e APIs de fala para texto devolvem, com segmentos de início, fim e texto. Reconhecemos a estrutura sozinhos.
- 02
Escolha segmentos ou palavras
Se o arquivo tem tempo por palavra, a opção de montar as legendas pelas palavras aparece já marcada. Desmarcada, cada segmento vira uma ou mais legendas.
- 03
Confira o relatório e baixe
Veja a velocidade de leitura e as linhas longas de cada legenda, corrija sobreposições se precisar e baixe o SRT em UTF-8.
O que sai do JSON e o que fica para trás
O JSON de uma transcrição guarda muito mais do que uma legenda precisa. Cada segmento traz o texto, o início e o fim em segundos (como 4.3 e 6.1) e uma série de números técnicos: ids dos tokens, probabilidade média, chance de não haver fala, taxa de compressão e a temperatura usada na decodificação. Para o SRT, só interessam o tempo e o texto.
Convertemos os segundos para o formato 00:00:04,300, numeramos as legendas a partir de 1 e tiramos o espaço que costuma abrir cada texto. Os campos técnicos e o idioma detectado ficam de fora, porque o SRT não tem onde guardá-los.
| No JSON | No SRT |
|---|---|
| start e end em segundos | 00:00:04,300 --> 00:00:06,100 |
| text com espaço no começo | Texto aparado, em até 2 linhas |
| words com tempo por palavra | Legendas montadas pelas palavras (opcional) |
| tokens, avg_logprob, temperature | Ignorados |
| no_speech_prob, compression_ratio | Ignorados |
| language | Ignorado: o SRT não guarda idioma |
Segmentos ou palavras: qual dá a melhor legenda?
Os segmentos foram feitos para a transcrição, não para a tela. Um segmento pode cobrir dezenas de segundos de fala e trazer uma frase de 200 caracteres numa linha só. No modo por segmentos, quebramos o texto em linhas de até 42 caracteres e, se não couber em 2 linhas, dividimos o segmento em várias legendas, repartindo o tempo na proporção do texto.
Quando o JSON tem tempo por palavra, a opção de montar pelas palavras já vem marcada, e é ela que dá o melhor resultado. Cada legenda termina depois de um ponto final, de uma interrogação ou de uma exclamação, numa pausa de 0,7 segundo ou mais, ou ao chegar em 7 segundos, sempre dentro de 2 linhas de 42 caracteres. Assim o texto entra e sai da tela junto com a fala.
JSON
{
"language": "pt",
"segments": [{
"start": 0.0, "end": 4.1,
"text": " Bom dia, pessoal. Hoje vamos editar pelo celular.",
"avg_logprob": -0.21,
"words": [
{"word": " Bom", "start": 0.0, "end": 0.3},
{"word": " dia,", "start": 0.3, "end": 0.7},
{"word": " pessoal.", "start": 0.7, "end": 1.4},
{"word": " Hoje", "start": 2.2, "end": 2.5},
{"word": " vamos", "start": 2.5, "end": 2.8},
{"word": " editar", "start": 2.8, "end": 3.3},
{"word": " pelo", "start": 3.3, "end": 3.5},
{"word": " celular.", "start": 3.5, "end": 4.1}
]
}]
}
SRT com a opção marcada (pelas palavras)
1
00:00:00,000 --> 00:00:01,400
Bom dia, pessoal.
2
00:00:02,200 --> 00:00:04,100
Hoje vamos editar pelo celular.
SRT com a opção desmarcada (pelo segmento)
1
00:00:00,000 --> 00:00:04,100
Bom dia, pessoal. Hoje
vamos editar pelo celular. Quais arquivos JSON de transcrição nós lemos
Reconhecemos a estrutura pelo conteúdo, então não importa o nome do arquivo. A codificação (UTF-8, UTF-16 ou Windows-1252) é detectada na leitura. Estas são as estruturas que lemos:
- Uma lista segments com start, end e text em segundos, como o JSON detalhado (verbose_json) do Whisper. Também servem start_time e end_time.
- Palavras com tempo dentro de cada segmento (words ou tokens), como no Whisper com word timestamps e no WhisperX, ou numa lista words ou word_segments no topo.
- Uma lista transcription com offsets em milissegundos, a saída JSON do whisper.cpp.
- Uma lista chunks com o par timestamp, do pipeline de fala do Hugging Face, ou só uma lista de segmentos, sem nada em volta.
Onde usar o SRT gerado a partir do JSON
O SRT é a legenda que quase todo programa aceita: o YouTube Studio importa direto, o Premiere Pro abre em Arquivo > Importar, o DaVinci Resolve traz pelo Media Pool e o CapCut lê o arquivo na parte de legendas.
Antes de baixar, olhe o relatório. Ele mostra a duração, os caracteres por linha e a velocidade de leitura de cada legenda, e aponta o que passa de 17 caracteres por segundo, linhas com mais de 42 caracteres e legendas com mais de 7 segundos, comuns quando o segmento veio comprido. Transcrições às vezes trazem [Música] ou (aplausos): a opção de remover descrições de som limpa isso na mesma conversão.
Mais que converter JSON. Nós transcrevemos o vídeo e entregamos o SRT.
Veja também
Perguntas frequentes
Como converter uma transcrição em JSON para SRT?
Cole o conteúdo do .json ou arraste o arquivo, deixe SRT como saída e clique em converter. Transformamos os segundos em 00:00:04,300, numeramos as legendas e quebramos as linhas em até 42 caracteres. Se o arquivo tiver tempo por palavra, a opção de montar pelas palavras já vem marcada.
Por que as legendas saem longas demais?
Porque os segmentos são pensados para a transcrição e podem durar dezenas de segundos. No modo por segmentos, dividimos o que não cabe em 2 linhas e repartimos o tempo pelo texto. Para legendas que acompanham a fala de perto, gere o JSON com tempo por palavra e use a opção de montar pelas palavras.
Como gerar o JSON com tempo por palavra?
Ative a opção de tempo por palavra (em inglês, word timestamps) na ferramenta ou na API que fez a transcrição. As palavras aparecem numa lista words, no topo do arquivo ou dentro de cada segmento. Lemos os dois jeitos, e a opção de montar as legendas pelas palavras aparece já marcada.
O que acontece com avg_logprob, tokens e no_speech_prob?
São ignorados. Esses campos medem a confiança da transcrição e servem para depurar, mas o SRT só tem número, tempo e texto. O idioma detectado também fica de fora. Se quiser usar a confiança para revisar trechos duvidosos, abra o JSON original num editor de código antes de converter.
Dá para converter o mesmo JSON em VTT, TXT ou CSV?
Dá. O mesmo JSON pode sair em SRT, VTT, TXT, SBV, ASS, TTML ou CSV, e também em Word ou PDF: basta escolher outro formato de saída antes de baixar. O CSV ajuda a revisar o texto numa planilha, e o TXT sem minutagem vira texto corrido.
A transcrição tem [Música] e (aplausos). Dá para tirar?
Dá. Marque a opção de remover descrições de som: apagamos o que estiver entre colchetes ou parênteses e as linhas com ♪, e as legendas que ficarem vazias saem do arquivo. Na mesma conversão, você também pode remover tags de formatação e corrigir legendas sobrepostas.
Meu JSON deu erro ou os tempos saíram errados. Por quê?
Fora do campo offsets, lemos todo tempo em segundos: um JSON com start e end em milissegundos sai com tempos mil vezes maiores. Uma estrutura diferente das que listamos, com as palavras em outros níveis, dá o aviso de que não há legendas. Nesses casos, exporte o SRT direto da ferramenta de origem, se ela tiver a opção.
Fontes
As especificações oficiais que esta ferramenta segue.
Pule o JSON: nós geramos o SRT do seu vídeo. Com falantes e tempo por palavra.
Envie o vídeo ou o link do YouTube. Nós transcrevemos palavra por palavra, em mais de 90 idiomas, e você baixa o SRT, o TXT ou o PDF sem converter nada.
Veja o resultado no seu material antes de cadastrar o cartão.