---
title: "O que é um arquivo de legenda SRT? Formato, tempos e WebVTT"
description: "Um arquivo SRT traz legendas numeradas com início e fim em texto puro. O formato, a diferença para o WebVTT e como gerar SRT com uma API de speech-to-text."
url: https://broadrouter.com/pt/glossary/srt-subtitles/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/srt-subtitles/) (atualizado em 2026-11-15).

# Legendas SRT (arquivo .srt)

Atualizado em 2026-11-15

SRT (SubRip) é um formato de legenda em texto puro. Cada legenda tem um número sequencial, um tempo de início e fim escrito como hh:mm:ss,mmm --> hh:mm:ss,mmm, uma ou mais linhas de texto e uma linha em branco. WebVTT é o formato web parecido usado pelo vídeo em HTML.

Também chamado de: arquivo SRT, legenda SRT, arquivo de legenda, formato SRT, SRT, SRT file, SubRip, WebVTT, subtitle file

Um arquivo de legenda é uma transcrição com um relógio acoplado. Conseguir o texto é a metade fácil; os tempos são a metade difícil.

## Como funciona

Um arquivo SRT é texto puro. Cada bloco de legenda tem quatro partes:

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص
```

A descrição do formato da Library of Congress dá o formato do tempo como horas:minutos:segundos,milissegundos, com “two hyphens (—) and a right-pointing angle bracket (>)” (tradução: dois hífens (—) e um sinal de maior (>)) entre início e fim, e uma linha em branco depois de cada bloco. Ela chama o SRT de “a very simple text format, but not well standardized” (tradução: um formato de texto muito simples, mas pouco padronizado), sem padrão de codificação de caracteres. A extensão é `.srt`.

O WebVTT, formato do W3C para trilhas de texto de vídeo em HTML, é quase igual. A especificação exige uma primeira linha `WEBVTT`, ponto antes dos milissegundos (`00:00:10.700`), codificação UTF-8 e o media type `text/vtt`. Em 15 de novembro de 2026, ele é uma Candidate Recommendation Draft do W3C.

## Por que isso importa

-   **Os tempos vêm da API ou de você.** Algumas APIs de speech-to-text devolvem [timestamps](https://broadrouter.com/pt/glossary/timestamps-asr/) por palavra ou por segmento, ou um arquivo pronto. A referência de transcrição da OpenAI lista `srt` e `vtt` entre os valores de `response_format`, mas diz que o formato depende do modelo e que `gpt-4o-transcribe` e `gpt-4o-mini-transcribe` devolvem só `json`.
-   **Layout do árabe.** O SRT não tem marcação de direção, então é o player que decide como exibir texto e pontuação da direita para a esquerda. Veja [texto RTL](https://broadrouter.com/pt/glossary/rtl-text/).
-   **Regras de legibilidade.** Tamanho da linha, linhas por legenda e velocidade de leitura são definidos por guias de estilo, não pelo formato.

## Na BroadNet Inference

O endpoint de transcrição da BroadNet devolve texto sem timestamps, então não consegue gerar SRT diretamente. A abordagem que funciona, testada em [legendas em árabe (SRT) com uma API de speech-to-text](https://broadrouter.com/pt/blog/arabic-subtitles-srt-api/):

1.  Encontre as pausas com o `silencedetect` do FFmpeg (ou com um [VAD](https://broadrouter.com/pt/glossary/vad/)).
2.  Corte cada trecho de fala, com no máximo uns 12 segundos, em WAV mono de 16 kHz.
3.  Transcreva cada trecho com `language=ar` no [BroadNet Transcribe Arabic](https://broadrouter.com/pt/models/cohere-transcribe-arabic/).
4.  Use o início e o fim de cada trecho como tempos da legenda, dividindo-os entre as linhas na proporção do tamanho do texto.
5.  Escreva os blocos SRT numerados.

As bordas dos trechos são tão precisas quanto a sua detecção de pausas; os tempos dentro de um trecho são estimativas. Isso serve para palestras e podcasts, não para dramaturgia com sincronia labial. Para tempos precisos por quadro, use um provedor que documente timestamps por palavra. Trechos curtos também significam mais requisições, então fique de olho no limite do pagamento por uso de 30 requisições por minuto. A [ferramenta para dividir áudio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) escreve os comandos do FFmpeg.

## Erros comuns

-   **Pontos em vez de vírgulas nos tempos do SRT**, ou o contrário no WebVTT. Muitos players rejeitam o formato errado.
-   **Falta de linhas em branco** entre os blocos, o que junta as legendas.

## Perguntas frequentes

### Qual a diferença entre SRT e WebVTT?

Arquivos WebVTT começam com a linha WEBVTT, usam ponto antes dos milissegundos (00:00:10.700), precisam ser UTF-8 e usam o media type text/vtt. O SRT usa vírgula (00:00:10,700) e, segundo a Library of Congress, não tem padrão de codificação de caracteres.

### A BroadNet consegue devolver um arquivo SRT?

Não. A resposta de transcrição documentada pela BroadNet é um JSON com um único campo text e sem timestamps. Você monta os tempos das legendas, por exemplo a partir dos offsets dos trechos de áudio.

### Que codificação usar em um arquivo SRT em árabe?

Use UTF-8 e teste nos players que o seu público usa. O SRT não tem padrão de codificação, então algumas ferramentas mais antigas adivinham a codificação pelos bytes.

## Veja também

-   [Timestamps (speech-to-text)](https://broadrouter.com/pt/glossary/timestamps-asr/) (termo)
-   [Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/) (termo)
-   [Voice activity detection (VAD)](https://broadrouter.com/pt/glossary/vad/) (termo)
-   [Texto RTL (da direita para a esquerda)](https://broadrouter.com/pt/glossary/rtl-text/) (termo)
-   [WAV (arquivo de áudio WAV)](https://broadrouter.com/pt/glossary/wav/) (termo)
-   [API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/) (guia)
-   [Legendas em árabe (SRT) com uma API de fala para texto: o que precisa](https://broadrouter.com/pt/blog/arabic-subtitles-srt-api/) (artigo)
-   [Transcrever áudio longo acima de 25 MB: dividir, enviar e juntar](https://broadrouter.com/pt/blog/transcribe-long-audio-files-api/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-srt-subtitles&utm_content=page-cta) ·

**Fontes**

-   [Library of Congress, Sustainability of Digital Formats: SubRip (SRT) fdd000569 (conferido em 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [W3C, WebVTT: The Web Video Text Tracks Format, Candidate Recommendation Draft (conferido em 2026-11-15)](https://www.w3.org/TR/webvtt1/)
-   [Referência da API da OpenAI, criar transcrição: opções de response\_format por modelo (conferido em 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Referência da API da BroadNet Inference: resposta de transcrição {"text": ...} (conferido em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-srt-subtitles&utm_content=sources)
