Vídeo e legendas · Kit de ferramentas de legendas
A história do SubRip: como a saída de uma ferramenta de extração DVD se tornou .srt
· Fundo
legendas Srt formatos de arquivo códigos de tempo
SRT tem o nome de um programa, não de um padrão. Esta postagem mostra como a saída OCR do SubRip se tornou o formato de legenda mais comum na web, por que não tem especificação formal e o que isso significa para compatibilidade hoje.
Por que o formato tem o nome de um programa? – o quebra-cabeça cotidiano por trás do nome SubRip
As letras SRT são um marcador de linhagem e não o nome de um comitê de padrões. Eles se referem ao SubRip, o software associado à transformação de legendas de discos em texto cronometrado. Essa origem ajuda a explicar por que o formato parece o resultado prático de um utilitário: blocos numerados compactos, legíveis em um editor comum, sem um grande modelo de metadados ao seu redor.
Os detalhes históricos são menos importantes para a compatibilidade diária do que a consequência: SRT propagação através do uso e implementação. O repositório, portanto, trata-o como um formato convencional cujos dialetos do mundo real precisam de entrada tolerante, e não como uma gramática cuja cada variação aceita pode ser citada a partir de uma especificação governante.
SubRip the program — uma ferramenta para extrair legendas DVD como texto usando reconhecimento de caracteres
DVD os fluxos de legendas são baseados em imagens e não em linhas de texto comuns, portanto, a extração de palavras editáveis requer reconhecimento de caracteres ou correção manual. O SubRip está associado a esse fluxo de trabalho de extração e sua saída de texto emparelha o diálogo reconhecido com o tempo necessário para exibi-lo. Este artigo não atribui data de lançamento, autor ou histórico de versão porque esses detalhes não são estabelecidos pelas fontes do repositório usadas aqui.
O reconhecimento de caracteres também explica por que um SRT pode ser estruturalmente perfeito enquanto suas palavras permanecem erradas. ToolAcre analisa os limites da sugestão e pode remover a marcação, mas não executa o reconhecimento óptico nem corrige a transcrição. A origem histórica e a transformação atual são tarefas distintas.
O formato de saída – índice, linha de timecode, texto, linha em branco e por que essa simplicidade se espalhou
O formato de saída familiar tem quatro partes: um índice numérico, uma linha contendo carimbos de data e hora de início e fim separados por uma seta, uma ou mais linhas de texto e uma linha em branco finalizando o bloco. Seu ponto forte é a inspecionabilidade. Uma pessoa pode encontrar a sugestão 40, ler seu tempo e editar suas palavras sem software especializado, enquanto um analisador pode dividir o mesmo documento em blocos.
ToolAcre não confia no índice como identidade. Ele procura a seta em cada bloco, os números analisados com êxito se auto-intitulam e une cada linha posterior como texto de sinalização. Na serialização, ele emite índices SRT contiguamente de um, que repara duplicatas e lacunas em vez de preservá-las como artefatos históricos.
Nenhum padrão, apenas convenção – como a falta de uma especificação levou a dialetos e à tolerância específica do jogador
Sem uma especificação formal SRT que rege cada produtor e player, a convenção se torna a camada de compatibilidade. Os arquivos aparecem com vírgula ou frações de ponto final, horas omitidas, marcas de ordem de byte, finais de linha mistos, índices ausentes e blocos malformados. Diferentes players toleram diferentes subconjuntos, portanto, um arquivo funcionando em um aplicativo é uma evidência sobre esse aplicativo, e não uma prova de validade universal.
O analisador responde aceitando variações comuns e inequívocas e relatando falhas que não consegue interpretar com segurança. Ele aceita separador de milissegundos e horas opcionais, remove uma marca inicial, normaliza finais de linha e procura a linha de carimbo de data/hora. Ele rejeita minutos ou segundos acima de 59 em vez de mover silenciosamente uma sugestão e grava BAD_TIMESTAMP ou NO_TIMESTAMP em vez de abortar o arquivo inteiro.
A vírgula no timecode — um pequeno detalhe com um grande legado
A convenção SRT escreve uma vírgula antes dos três dígitos de milissegundos, como em 00:01:02,500. Essa pontuação é visualmente pequena, mas operacionalmente importante porque o WebVTT escreve um ponto final. Renomear a extensão não altera nenhum caractere, e um consumidor estrito pode, portanto, recusar um arquivo cujos tempos estão numericamente corretos, mas gramaticalmente errados para o formato declarado.
ToolAcre é tolerante na leitura e rigoroso na escrita. Uma fonte de separador misto pode ser analisada, mas a saída SRT sempre recebe uma vírgula e a saída WebVTT um ponto. A entrada fracionária menor que três dígitos é preenchida à direita, então .5 significa cinco décimos de segundo em vez de cinco milissegundos.
SRT hoje — o formato de troca de fato para jogadores, plataformas e editores
SRT continua útil como uma representação de troca compacta porque seu conteúdo essencial é fácil de ser mapeado pelos jogadores, plataformas e editores: ordem das dicas, tempos decorridos e texto. “De fato” é o qualificador importante. Um destino pode impor os seus próprios limites ou tolerar a marcação de forma diferente, e a extensão por si só não diz nada sobre codificação, integridade da legenda ou qualidade editorial.
Use SRT como um arquivo de troca, não como prova de que cada recurso sobreviveu a outro formato. Nem todas as configurações, comentários, regiões e blocos de estilo do WebVTT possuem SRT equivalentes. O conversor ignora os blocos NOTE, STYLE e REGION e preserva as configurações de cue mesmo ao escrever SRT, onde elas não têm efeito definido.
Conclusão: simples, onipresente, não especificado - como o Subtitle Toolkit lida com as variações de SRT ao converter e limpar
SRT perdurou porque a representação central é simples o suficiente para inspecionar e implementar, mas essa mesma história liderada por convenções produziu variações que nenhuma leitura estrita pode capturar. O Subtitle Toolkit lida com o meio-termo prático: aceitar carimbo de data / hora comum e variações de formato de arquivo, identificar blocos inseguros e, em seguida, escrever um formulário SRT ou WebVTT previsível.
Carregue o original em vez de uma cópia que outro conversor já normalizou, leia a lista de problemas e compare a contagem de sugestões antes de exportar. Uma sugestão malformada ignorada não é reparada pela serialização limpa; é omitido e relatado, o que é mais honesto do que adivinhar num momento em que a fonte não declarou com segurança.