Legenda SDH e CC: o que significa e qual a diferença

A diferença entre SDH, closed captions e legendas é o público. As legendas são para quem ouve, mas não entende o idioma, então trazem o diálogo, em geral traduzido. As closed captions (CC, em português legendas ocultas) e a SDH (legendas para surdos e ensurdecidos) são para quem não ouve, então acrescentam os sons: música, efeitos e quem está falando.

A SDH e as closed captions diferem sobretudo na forma de entrega, e as legendas forçadas são um quarto tipo, que se liga sozinho. Primeiro, os quatro lado a lado; depois, o que cada um precisa conter.

SDH vs closed captions vs legendas vs legendas forçadas

A coluna que quebra o padrão é a última. As legendas forçadas são escritas para espectadores que ouvem e entendem o idioma principal, e são o único tipo que o espectador nunca precisa ligar.

Os outros três se dividem com clareza por uma única linha. Se a faixa parte do princípio de que o espectador ouve a trilha sonora, é uma legenda. Se ela substitui a trilha sonora, é uma legenda para quem não ouve (caption), seja ela rotulada como CC ou como SDH.

O que uma faixa SDH precisa ter?

Tudo o que um espectador que ouve recebe do áudio e que importa para a história. As diretrizes de acessibilidade do W3C definem as legendas (captions) como uma alternativa em texto “tanto para a fala quanto para as informações de áudio que não são fala e são necessárias para entender o conteúdo da mídia”, e listam efeitos sonoros, música, risos, identificação de quem fala e local como parte disso (WCAG 2.2, Understanding SC 1.2.2).

O guia de estilo de texto temporizado em inglês (EUA) da Netflix transforma isso em regras concretas para a SDH:

1. Efeitos sonoros e nomes de falantes vão entre colchetes, em minúsculas, exceto nomes próprios: [door creaks], [Maya].
2. Identifique só o que a imagem não mostra. A identificação de um falante ou de um efeito sonoro só é usada quando não dá para identificá-lo visualmente.
3. Descreva o som, não a ação. “Descreva os sons e o áudio, em vez de elementos visuais ou ações” — a voz, a velocidade da fala, o volume.
4. Efeitos sonoros relevantes para o enredo são sempre incluídos, a menos que a imagem já os deixe óbvios.
5. Letras de música ficam entre notas musicais, com um espaço de cada lado: ♪ like this ♪.
6. Falantes sem nome recebem rótulos genéricos, como [man] ou [woman], numerados quando há vários.

Em um arquivo de legendas, três legendas SDH ficam assim:

12
00:01:04,200 --> 00:01:06,900
[door creaks open]

13
00:01:07,100 --> 00:01:09,800
[Maya] Is anyone here?

14
00:01:10,400 --> 00:01:13,600
♪ I've been waiting all night ♪

Nada nesse arquivo é tecnicamente especial. É um .srt comum, o mesmo formato de uma legenda traduzida. O que o torna SDH é só o conteúdo: o som entre colchetes, o falante fora da tela identificado pelo nome, a letra marcada como cantada.

O mesmo guia dá à SDH e às legendas traduzidas os mesmos limites de layout: 42 caracteres por linha e até 20 caracteres por segundo para programas adultos e 17 para programas infantis. Outros idiomas definem seus próprios números, e alguns permitem que a SDH corra mais rápido do que as legendas comuns; o guia de velocidade de leitura traz a tabela.

Nos Estados Unidos, as legendas da televisão também têm padrões legais de qualidade. As regras da FCC exigem legendas precisas, sincronizadas, completas e bem posicionadas, e contam ruídos de fundo e outros sons como parte da precisão (guia do consumidor da FCC).

SDH é a mesma coisa que closed captions?

No que dizem, quase. No modo como chegam à tela, não, e é essa diferença que faz os dois nomes sobreviverem.

As closed captions nasceram como uma tecnologia de transmissão. O guia de legendas do Final Cut Pro da Apple descreve o CEA-608 como “um padrão de legendas ocultas para transmissões e vídeos na web”, e ele pode ser levado dentro do próprio arquivo de mídia. O player ou a TV decodifica esses dados de legenda e os desenha com seu próprio renderizador de legendas.

A SDH é o mesmo tipo de conteúdo entregue como uma faixa de legendas comum: um .srt, um .vtt, uma faixa em um .mkv, o stream de legendas de um disco. Ela pode usar as fontes e o posicionamento de qualquer legenda e toca em tudo que toca legendas. É por isso que o mesmo tipo de faixa aparece como “CC” em um serviço de streaming e como “SDH” em outro.

Mais dois termos completam o conjunto, ambos da mesma página do W3C:

• Closed captions “podem ser ligadas e desligadas em alguns players”.
• Legendas abertas (open captions) “não podem ser desligadas” — fazem parte da imagem. As legendas embutidas em um vídeo do TikTok ou do Reels são legendas abertas; hardsub vs softsub explica quando embuti-las.

O W3C também observa que “em alguns países, captions são chamadas de subtitles”. As emissoras britânicas usam subtitles para o que as americanas chamam de captions, e essa é a origem de boa parte da confusão nos resultados de busca.

Como a SDH se chama em outros idiomas

Os termos não se traduzem um a um, então aqui está o que cada rótulo significa no lugar onde você o encontra:

Os serviços de streaming costumam manter a sigla em inglês nos menus, seja qual for o idioma da interface, e é por isso que “SDH” e “CC” são pesquisadas em todos os idiomas desta lista.

O que são legendas forçadas?

As legendas forçadas (forced subtitles) são as que aparecem quando as legendas estão desativadas. Cobrem apenas o que um espectador que entende o idioma principal ainda não conseguiria acompanhar: uma cena em outro idioma, uma placa, uma mensagem de texto na tela de um celular.

A Netflix as chama de narrativas forçadas (forced narratives), e seu guia de estilo em inglês é rigoroso com elas: o texto na tela só é legendado se importar para o enredo, em letras maiúsculas, nunca combinado com diálogo na mesma legenda, e o diálogo estrangeiro só é traduzido se o público devia entendê-lo.

Dentro de um arquivo de vídeo, o que torna uma faixa forçada é um sinalizador. A especificação do Matroska define o sinalizador de faixa forçada (forced) para legendas como o que torna uma faixa elegível para seleção automática quando ela corresponde ao idioma do espectador, “mesmo que as preferências do usuário normalmente não ativassem legendas”, para “faixas que contêm apenas traduções de áudio em idiomas estrangeiros ou de texto na tela”. A mesma especificação tem um sinalizador separado de deficiência auditiva (hearing-impaired) para faixas SDH. No MKVToolNix, os dois são --forced-display-flag e --hearing-impaired-flag; adicionar legendas a um MKV mostra a multiplexação passo a passo e por que uma faixa completa nunca deve receber o sinalizador de forçada.

Qual você deve fazer?

“Vou enviar um vídeo de uma pessoa falando para a câmera ao YouTube.” Uma faixa em estilo SDH no idioma falado. A maior parte é diálogo, mais os poucos sons que importam: [laughs], [upbeat music], uma voz fora da tela.

“Vou traduzir meu vídeo para outros mercados.” Legendas comuns, uma por idioma. Quem lê a faixa em espanhol em geral consegue ouvir a trilha sonora.

“Meu filme tem uma cena em outro idioma.” Uma faixa forçada só para essa cena, mais legendas completas ou SDH para quem as quiser.

“Vou entregar para um serviço de streaming ou uma emissora.” A especificação deles decide, até o estilo dos colchetes. A Netflix publica um guia de estilo de texto temporizado para cada idioma.

“É para TikTok ou Reels.” Legendas abertas, embutidas na imagem. A maior parte do público assiste sem som, então uma indicação sonora curta também se justifica ali.

A transcrição automática produz SDH?

Não, e vale ser preciso sobre o que falta. Modelos de reconhecimento de fala como o Whisper foram feitos para transcrever fala. Eles produzem o diálogo, que é a maior parte de uma faixa SDH, e deixam de fora quase tudo o que a torna SDH.

• Efeitos sonoros. O Whisper não descreve com confiabilidade uma porta, um telefone ou um tiro. Quando ele imprime algo entre colchetes sobre música ou silêncio, trate como um palpite a conferir, não como uma indicação a manter; por que o Whisper inventa texto explica de onde vêm essas linhas.
• Nomes de falantes. O Whisper não sabe quem está falando. Ferramentas de diarização podem separar as vozes em “falante 1” e “falante 2”, mas dar nome a elas, e decidir quando a imagem já mostra quem está falando, é uma questão de julgamento.
• Música. A letra pode ser transcrita, às vezes mal; se uma música merece uma indicação com ♪, um título entre aspas ou nada, é uma decisão editorial.

Então uma transcrição automática é uma legenda de diálogo. Transformá-la em SDH exige uma passada de alguém que assista ao vídeo com o som ligado e acrescente as indicações. Essa passada é mais rápida do que transcrever do zero, mas não é opcional.

Como fazer SDH e legendas a partir de uma só transcrição

O Sablate cobre a parte em que a automação é boa e deixa espaço para a parte em que ela não é. Ele transcreve o diálogo na sua própria máquina, e o editor é o lugar em que você acrescenta [door slams] ou o nome de um falante a qualquer legenda, divide uma legenda que ficou longa demais e arrasta o tempo dela na linha do tempo. O editor avisa quando uma linha passa rápido demais para ser lida, o que pesa ainda mais na SDH, em que as indicações sonoras acrescentam caracteres sem acrescentar tempo.

A partir da mesma transcrição, as traduções são adicionadas como camadas, cada uma com seu próprio estilo e sua própria fonte. Isso cobre os dois lados deste artigo: uma faixa SDH no idioma original e legendas comuns em cada idioma para o qual você traduz. Cada uma é exportada como .srt ou .vtt, como um .mp4 com legendas embutidas para legendas abertas ou, no Pro, como um único .mkv com uma faixa por idioma.

O Sablate não identifica falantes e não define os sinalizadores de forçada nem de deficiência auditiva no .mkv. Para os sinalizadores, o MKVToolNix é a ferramenta certa, e para um trabalho pesado de SDH em dezenas de formatos de legenda, o Subtitle Edit é gratuito:

O plano gratuito cobre vídeos de até dez minutos, três tarefas por mês e uma camada de tradução offline; o Pro custa $29, uma única vez, e a página de preços lista a diferença.

Resumindo

As legendas partem do princípio de que o espectador ouve; as closed captions e a SDH partem do princípio de que ele não ouve e acrescentam os sons e os falantes. CC e SDH trazem o mesmo tipo de conteúdo e diferem na entrega: dados de legenda de transmissão versus uma faixa de legendas comum. As legendas forçadas são a faixa parcial que aparece sozinha, para falas estrangeiras e texto na tela. Se você faz uma única faixa para o seu próprio vídeo, faça SDH no idioma falado e deixe as legendas comuns para as traduções.

Perguntas frequentes

O que significa SDH nas legendas?

SDH significa legendas para surdos e ensurdecidos (subtitles for the deaf and hard of hearing, em inglês). Uma faixa SDH traz o diálogo e os sons que o espectador não ouve: efeitos sonoros entre colchetes, letras de música entre notas musicais e o nome de quem fala fora da tela. Os menus de streaming a listam como opção própria, ao lado das legendas comuns do mesmo idioma.

Qual é a diferença entre closed captions e legendas?

O público. As legendas partem do princípio de que o espectador consegue ouvir e costumam traduzir o diálogo para outro idioma. As closed captions (legendas ocultas) partem do princípio de que ele não consegue, ficam no idioma falado e acrescentam efeitos sonoros, música e identificação de quem fala. As duas podem ser ligadas e desligadas; as legendas que não dá para desligar se chamam legendas abertas (open captions).

SDH é a mesma coisa que closed captions?

Quase, no conteúdo; não, na entrega. As duas descrevem sons e identificam falantes para espectadores surdos e com deficiência auditiva. Closed captions, em sentido estrito, são um formato de transmissão, como os dados de legenda CEA-608 levados no sinal de vídeo. A SDH viaja como uma faixa de legendas comum, então toca em qualquer lugar que toque legendas e usa as fontes e o posicionamento das legendas.

O que são legendas forçadas?

As legendas forçadas aparecem mesmo com as legendas desativadas. Elas traduzem apenas o que o público deveria entender, mas não consegue, como uma fala em língua estrangeira ou uma placa na tela. A Netflix as chama de forced narratives. Em um arquivo MKV, um sinalizador de faixa forçada manda o player exibir essa faixa automaticamente quando ela corresponde ao idioma do áudio.

Devo fazer SDH ou legendas comuns para o meu vídeo?

Para uma faixa no idioma falado, faça SDH. Espectadores surdos precisam das indicações sonoras, quem assiste no mudo também se beneficia delas, e o WCAG define as legendas como algo que cobre o áudio que não é fala, além do diálogo. Legendas comuns são a escolha certa para traduções voltadas a espectadores que ouvem, mas não entendem o idioma original.

A IA consegue gerar legendas SDH automaticamente?

Só a parte do diálogo. Reconhecimento de fala como o Whisper transcreve o que as pessoas dizem, que é a maior parte de uma faixa SDH, mas não descreve com confiabilidade efeitos sonoros, não marca música nem nomeia quem fala. Essas indicações ainda dependem de uma pessoa que assista ao vídeo e acrescente descrições entre colchetes, como porta batendo e o nome de quem fala fora da tela.