Transcrição descritiva de vídeo: como reunir fala e informação visual

Uma transcrição descritiva reúne em texto as falas, os sons relevantes e as informações visuais necessárias para compreender um vídeo. Ela precisa corresponder à edição publicada. Copiar apenas a fala pode deixar de fora o nome de uma opção, um resultado mostrado na tela ou a ação que a pessoa deve acompanhar.

O guia de acessibilidade no treinamento corporativo considera o percurso completo. Aqui, aprofundamos a preparação da transcrição. O roteiro de revisão de legendas SRT trata de outra entrega: os trechos sincronizados com a reprodução. Uma faixa de legendas pode ser ponto de partida, mas não comprova que o texto descreve a informação visual necessária.

O texto precisa representar o vídeo que será consultado

Identifique título, edição, idioma e destino. Trabalhe com o vídeo final ou com uma versão controlada. Um roteiro de gravação pode ter falas que foram cortadas e uma transcrição automática pode conter palavras que não foram ditas. Registre a origem do texto antes da revisão.

A W3C distingue transcrição básica e descritiva: a segunda inclui também a informação visual necessária à compreensão. No planejamento editorial, isso significa perguntar o que fica faltando para quem acompanha o texto sem ver a imagem. A transcrição é um recurso do conjunto de acesso; sua presença não certifica a acessibilidade completa da aula.

Não transforme a transcrição num novo tutorial que ensina algo diferente do vídeo. Se a gravação omite uma condição importante ou mostra uma orientação errada, registre a necessidade de corrigir o conteúdo. Uma explicação adicional pode ser útil, mas deve ficar identificada e não ser atribuída à fala original.

Exemplo: quando “esta opção” depende da imagem

Exemplo fictício: uma videoaula demonstra uma tela de pedido. A instrutora diz “Para retirar o pedido, selecione esta opção” e marca “Retirada no local”. Depois, fala “Agora continue”, aciona “Continuar” e a tela passa a mostrar “Revisar pedido”. Falas, ações e interface foram inventadas para este exercício, sem gravação correspondente.

Fala do trecho 1 fictício

Instrutora: “Para retirar o pedido, selecione esta opção.” A fala não nomeia sozinha a escolha demonstrada.

Informação visual definida no exercício

Seção “Forma de recebimento”: “Retirada no local” marcada e “Entrega no endereço” não marcada. Tela didática sem controles funcionais.

Descrição que complementa a fala

É marcada a opção “Retirada no local”. O cenário não tem gravação correspondente e não demonstra envio, pagamento ou conclusão do pedido.

Descrição da figura

No trecho 1 fictício, a instrutora diz para retirar o pedido, selecione esta opção. A tela didática mostra a seção forma de recebimento, com retirada no local marcada e entrega no endereço não marcada. Setas ligam fala e informação visual à descrição de que é marcada a opção retirada no local. Não há vídeo correspondente ou controles funcionais. A figura não afirma envio, pagamento ou conclusão do pedido.

Trecho 1
Instrutora: “Para retirar o pedido, selecione esta opção.”
[Informação visual: na seção “Forma de recebimento”, aparecem “Retirada no local” e “Entrega no endereço”. A instrutora marca “Retirada no local”.]

Trecho 2
Instrutora: “Agora continue.”
[Informação visual: ela aciona “Continuar”. A tela seguinte mostra o título “Revisar pedido”.]

O trecho não afirma que o pedido foi enviado, pago ou concluído. Ele registra a passagem que foi definida no exemplo. “Revisar pedido” é o título da próxima tela, sem evidência de uma transação finalizada. A precisão evita acrescentar um resultado que o vídeo não demonstra.

Na demonstração real, confira cada nome na interface correspondente. Se o vídeo mostrar outro estado, a descrição precisa acompanhá-lo. Os colchetes do modelo separam a fala da informação visual; são uma convenção editorial deste exemplo, sem significar que todo documento deve usar o mesmo formato.

Revise a fala e os sons sem completar por suposição

A orientação da W3C sobre transcrever áudio destaca precisão e revisão do texto automático. Confira nomes, números, negações e identificação de quem fala quando isso muda a compreensão. Um trecho incerto precisa de conferência, não de uma palavra inventada para tornar a frase fluida.

Ao ouvir um som, avalie o que ele comunica no conteúdo. Um alerta pode ser relevante; um ruído sem função pode não precisar de descrição. Não acrescente “confirmação de envio” apenas porque há um sinal curto. Confira se a gravação e a tela demonstram essa confirmação.

Distingua o que é dito, o que é visto e o que seria uma interpretação sua. No cenário fictício, “marca Retirada no local” descreve uma ação. “Escolhe a melhor opção para o cliente” introduz um julgamento que o exemplo não sustenta. A descrição deve preservar a informação necessária sem inventar motivação.

Selecione o que a imagem acrescenta à compreensão

Não descreva indiscriminadamente cada objeto do cenário. Concentre-se no que participa do significado. Em uma aula de produto, uma característica visível pode ser essencial; em outra, a cor de uma parede pode não mudar a compreensão. A escolha depende da tarefa, não de uma lista fixa de detalhes.

Quando houver um gráfico complexo, talvez seja necessário preparar uma explicação textual e dados de consulta próprios. Mantenha clara a relação com o vídeo. Não invente valores para completar uma imagem que não permite leitura e não apresente uma estimativa como dado mostrado.

Organize a consulta e confira a publicação

A orientação de transcrições da W3C recomenda tornar o texto fácil de encontrar a partir da mídia. Na página, ofereça o próprio conteúdo ou um link identificado perto do vídeo, conforme o ambiente. Títulos e marcas de tempo podem ajudar a localizar assuntos, quando forem úteis à consulta.

Confira no computador e no celular se o texto abre, mantém sua estrutura e corresponde à versão indicada. Se houver navegação entre transcrição e vídeo, teste a interação disponível. Um texto consultável não oferece automaticamente sincronização interativa ou uma faixa sonora de descrição.

Vídeo, edição e idioma:
Origem do texto e responsável:
Falas e termos conferidos:
Sons relevantes e falantes identificados:
Informação visual necessária acrescentada:
Trechos incertos e responsável pela confirmação:
Explicações adicionais identificadas como tais:
Local da transcrição e ligação com o vídeo:
Conferência no computador e no celular:
Pendências e nova revisão se a edição mudar:

Peça também uma revisão de compreensão adequada ao público e encaminhe os requisitos de acessibilidade aos profissionais pertinentes. Registre o que foi conferido e as limitações. Se a edição mudar, volte aos trechos afetados e à coerência do conjunto.

Perguntas frequentes sobre transcrição descritiva

Transcrição descritiva e legenda são a mesma entrega?

Não. A legenda acompanha a reprodução em trechos sincronizados. A transcrição é texto consultável e, quando descritiva, inclui informação visual necessária à compreensão.

Posso usar o roteiro de gravação como versão final?

Somente depois de compará-lo com a edição publicada. Cortes, mudanças de fala e ações demonstradas podem tornar o roteiro diferente do vídeo.

Preciso descrever todo objeto que aparece?

Não. Selecione o que participa da compreensão do conteúdo e da tarefa. Não invente detalhes, intenções ou resultados que a gravação não demonstra.

O exemplo do artigo foi testado com um vídeo real?

Não. Falas, tela e ações são fictícias, sem gravação correspondente. O modelo ensina a separar fala e informação visual, sem comprovar uma revisão audiovisual real.

Para organizar materiais e responsabilidades da produção, converse conosco sobre o conteúdo do treinamento. Podemos ajudar a definir o escopo e os profissionais necessários à revisão dos recursos de acesso.