Um arquivo SRT é um arquivo de texto com as legendas de um vídeo: blocos numerados, cada um com um início, um fim e o texto que aparece na tela. O VTT (WebVTT) guarda a mesma coisa de outro jeito. Escolha o VTT para um vídeo na sua própria página web, porque o elemento <track> do HTML lê arquivos WebVTT. Para um editor, um player ou uma plataforma de vídeo, escolha um formato que a própria página de ajuda dele cite; a do YouTube cita os dois. Na dúvida, baixe os dois: eles saem das mesmas legendas.

As mesmas legendas nos dois formatos

Em 26 de setembro de 2026, passamos um trecho de teste de 3,5 segundos pelo gerador de legendas: uma frase em inglês do corpus LibriSpeech (CC BY 4.0), “Concorde returned to its place amidst the tents.” A página criou uma legenda, nós a dividimos no editor depois de “place” e baixamos os dois arquivos. Aqui estão eles, byte a byte, fora a marca invisível no começo do arquivo SRT (explicada abaixo).

O arquivo SRT:

1
00:00:00,570 --> 00:00:02,344
Concorde returned to its place

2
00:00:02,344 --> 00:00:03,350
amidst the tents.

O arquivo VTT:

WEBVTT

00:00:00.570 --> 00:00:02.344
Concorde returned to its place

00:00:02.344 --> 00:00:03.350
amidst the tents.

Mesmas legendas, mesmos tempos, mesmo texto. Quatro detalhes mudam.

As diferenças, linha por linha

  1. O cabeçalho. Um arquivo VTT precisa começar com a linha WEBVTT; é a única parte obrigatória do formato (referência de WebVTT da MDN, em inglês). O SRT não tem cabeçalho: o arquivo começa direto na primeira legenda.
  2. Os números. No SRT, cada legenda começa com o seu número, contando a partir de 1. No VTT, uma linha acima dos tempos é um nome opcional para a legenda, então o nosso arquivo a deixa de fora.
  3. O formato dos tempos. O SRT separa os milissegundos com vírgula (00:00:02,344), e o VTT com ponto (00:00:02.344). O VTT também permite tirar as horas (00:02.344); os nossos arquivos sempre as escrevem. É por isso que renomear um .srt para .vtt não converte o arquivo: falta o cabeçalho e todas as vírgulas estão erradas.
  4. Comentários, posição e estilo. O VTT tem blocos de comentário que começam com NOTE, ajustes opcionais depois dos tempos para posicionar uma legenda na tela e blocos STYLE que dão estilo às legendas com CSS (tudo na referência da MDN acima). O SRT não tem comentários nem uma especificação oficial de estilo. Alguns arquivos SRT trazem as tags <i> e <b>, e mostrá-las como itálico e negrito depende do programa: a página de ajuda do YouTube, por exemplo, diz que não reconhece nenhuma marcação de estilo em arquivos SubRip.

Mais dois detalhes que não aparecem acima:

  • A codificação do texto. Um arquivo VTT precisa estar codificado em UTF-8, segundo a referência da MDN. Nada no arquivo SRT acima diz qual é a codificação dele: ele começa pela primeira legenda. Então o programa precisa adivinhar, e um palpite errado pode transformar acentos e cedilhas em símbolos estranhos. Por isso os nossos arquivos SRT começam com uma marca de ordem de bytes UTF-8, três bytes invisíveis que avisam o programa de que o arquivo é UTF-8; os nossos arquivos VTT não precisam dela.
  • Os caracteres especiais. O VTT exige que & e < sejam escritos como &amp; e &lt; (e recomenda &gt; para >); o nosso gerador faz os três por você. O SRT não tem essa regra, então, se você digitar <i> numa legenda, o arquivo SRT mantém do jeito que você digitou, e um programa que lê tags em SRT pode mostrar em itálico o texto que vem depois.

Os nossos arquivos trazem só as legendas, sem ajustes de posição nem de estilo. O único acréscimo fica no VTT: se o processo parar antes do fim do seu arquivo, o arquivo VTT traz uma NOTE, que os players não mostram, dizendo onde as legendas terminam. O SRT não tem como dizer isso e traz só as legendas.

Qual baixar

  • Um vídeo na sua própria página web: VTT. O elemento <track> do HTML lê arquivos WebVTT (MDN, o elemento track, em inglês). O nosso teste automático carrega o nosso VTT no leitor <track> do próprio Chromium e recebe as mesmas legendas de volta.
  • YouTube: qualquer um dos dois. A página de ajuda do YouTube sobre os arquivos de legenda compatíveis inclui SubRip (.srt) e WebVTT (.vtt). É a documentação do YouTube; ainda não testamos um envio nós mesmos.
  • Um editor de vídeo ou um player no computador: veja na ajuda do programa quais formatos ele importa e baixe um dos que ela cita. Ainda não testamos programas específicos, então este guia não os lista.
  • Na dúvida: baixe os dois. São arquivos de texto pequenos com as mesmas legendas.

Um arquivo TXT é outra coisa: uma transcrição sem tempos de legenda, que um player não consegue mostrar como legenda. Este site só escreve SRT e VTT.

Legenda ou legenda para surdos?

As diretrizes de acessibilidade do W3C definem as captions, as legendas para surdos e ensurdecidos, como uma versão em texto da fala e dos sons necessários para entender o conteúdo, como quem está falando ou sons importantes. As legendas, no sentido estrito, são as palavras ditas.

O SRT e o VTT podem trazer qualquer um dos dois; a diferença está no texto. O nosso gerador escreve as palavras ditas, no idioma falado, sem nomes de quem fala nem descrição de sons. Se você precisa de legendas para surdos, acrescente isso no editor antes de baixar: uma legenda pode ter [porta batendo] ou MARIA: Você vem? como qualquer outro texto. O VTT também tem uma tag de voz, <v Maria>, que dá nome a uma voz; a MDN a descreve como um jeito de dar estilo com CSS ao texto dessa pessoa. O nosso editor escreve texto simples, então digite o nome como texto.

O tamanho da linha fica a cargo de quem cria o arquivo

Nenhum dos dois formatos limita o tamanho de uma legenda. O nosso gerador cria legendas de no máximo duas linhas de 42 colunas (um caractere largo, como em chinês ou japonês, conta como dois) e no máximo 7 segundos, e deixa uma legenda pelo menos 1 segundo na tela quando a próxima permite. Duas linhas de 42 caracteres também é o limite do guia de estilo de legendas em inglês da Netflix. Por que uma legenda tem no máximo duas linhas explica os limites e quando as suas próprias edições passam deles.

Os tempos vêm da estimativa do modelo de reconhecimento de fala de quando as palavras dele começam e terminam ou, quando ele não dá tempos de palavra que combinem com o texto, de uma repartição do tempo do segmento conforme o texto; como as palavras viram legendas com tempos explica os dois casos. O tempo do meio no exemplo acima, 00:00:02,344, vem da divisão: o editor repartiu o tempo da legenda entre as duas partes conforme o texto de cada uma. Ainda não medimos o quanto os tempos acertam, então assista ao seu vídeo com as legendas antes de publicar e, se uma legenda aparecer adiantada ou atrasada, edite as legendas antes de baixar: mova um início ou um fim em 0,1 segundo, divida uma legenda longa ou junte duas curtas.

Como abrir e conferir um arquivo de legenda

Os dois são arquivos de texto simples. Qualquer editor de texto abre. Quatro coisas para conferir:

  • A primeira linha. Um arquivo VTT precisa dizer WEBVTT. Um arquivo SRT começa com 1.
  • Os acentos. Se letras como ã ou ç aparecerem quebradas, o programa leu o arquivo com a codificação errada. Abra de novo como UTF-8.
  • Caracteres estranhos no começo. Se um programa mostrar  antes do 1, ele leu o arquivo numa codificação de um byte por caractere: são os três bytes da marca de ordem de bytes, e todas as letras acentuadas são lidas errado do mesmo jeito. Feche o arquivo sem salvar e abra de novo com a codificação em UTF-8, como na conferência anterior; salvar a partir dessa leitura errada gravaria os caracteres errados no arquivo.
  • Depois de editar à mão: no SRT, deixe uma linha em branco entre as legendas e os números em ordem; no VTT, deixe a linha em branco depois de WEBVTT.

Pronto para criar um? Crie um arquivo SRT ou VTT do seu vídeo no navegador. O arquivo fica no seu dispositivo, e você confere cada legenda sobre a imagem antes de baixar.