CapCutLegendas que realmente podem ser lidas verticalmente: caracteres por linha, CPS e duração mínima por cue
Equipa de AiToolsForAppsRedigido com assistência de IA18 min de leituraEm resumo
- A IA já não falha em o que é dito, falha em como é fragmentado: a transcrição acerta as palavras e deixa linhas quilométricas, cues de meio segundo e blocos de três linhas sobre o rosto.
- As Diretrizes de Legendas da BBC (versão 1.2.5, março de 2026) estabelecem o equivalente vertical: o que são 37 caracteres por linha em um 16:9 são cerca de 25 caracteres em um 9:16.
- Velocidade de leitura: a BBC recomenda 160-180 palavras por minuto e um mínimo de 0,3 segundos por palavra; Netflix aceita até 20 CPS em adultos e 17 CPS em conteúdo infantil. Para vertical, 12-17 CPS é a faixa confortável.
- Duração por cue: a Netflix exige um mínimo de 20 quadros (4/5 de segundo) e um espaço mínimo de 2 quadros; a BBC pede que, se houver pausa, o espaço seja de um segundo no mínimo.
- Desde 28 de junho de 2025 a Lei Europeia de Acessibilidade é aplicável, e na Espanha a transpõe a Lei 11/2023: as legendas deixaram de ser um extra de marketing.
Se você edita vídeo vertical, 2026 lhe deu a parte fácil da legendagem e deixou intacta a difícil. A transcrição automática já é boa; o fracionamento continua sendo uma profissão. Este artigo reúne as regras de legibilidade que usam emissoras e plataformas, traduz para o formato 9:16 e explica como revisar um .srt antes de importá-lo para seu editor. No final, você verá onde se encaixa aiCapCut, a ferramenta da AiToolsForApps para gerar e re-fracionar legendas SRT para vídeo vertical sem tocar na linha do tempo.

As legendas automáticas acertam as palavras e falham no fracionamento
O reconhecimento de voz resolve a transcrição; o fracionamento —onde começa e termina cada cue, onde se parte a linha, quanto tempo fica na tela— é uma decisão editorial que nenhum motor toma por você. Por isso, uma legenda automática pode ter 100% das palavras corretas e ainda ser ilegível.
Os três erros que aparecem repetidamente em vertical:
- Linhas muito longas. O motor fraciona por pausa de áudio, não por largura da caixa. Em 9:16, uma frase que cabia folgadamente em horizontal transborda ou se reduz a um corpo de letra ilegível.
- Cues muito curtos. Uma muletilha isolada ("já", "vale") gera um cue de 300 milissegundos que pisca e não dá tempo nem de fixar a vista.
- Três ou quatro linhas empilhadas. O bloco cresce para cima e acaba cobrindo exatamente o que o espectador precisa ver: a boca de quem fala.
A guia da BBC diz isso sem rodeios em sua seção de posição: em vídeos verticais, é conveniente elevar um pouco as legendas, mas mantendo-as no terço inferior, "porque os rostos costumam estar na metade superior da tela e colocar as legendas na parte inferior dificulta ler o texto e ver a pessoa que fala".

Em vertical cabem cerca de 25 caracteres por linha, não 37 nem 42
A BBC dá a equivalência exata: "o equivalente a 37 caracteres em uma região de 75% da largura de um vídeo 16:9 são 25 caracteres em uma região de 90% da largura de um vídeo 9:16". Ou seja, o formato vertical remove cerca de um terço do texto por linha em relação ao padrão de transmissão.
De onde vêm os números que circulam:
- 37 caracteres é um limite de teletexto: dos 40 bytes disponíveis por linha, pelo menos 3 são gastos em códigos de controle, então ficam 37 posições úteis. É um número de infraestrutura, não de fisiologia.
- 42 caracteres por linha é o limite do English Timed Text Style Guide da Netflix, pensado para tela grande e fonte proporcional.
- 25 caracteres é a tradução honesta desses limites para 9:16, segundo a própria BBC.
A mesma guia avisa sobre algo que convém não esquecer: controlar o comprimento apenas com um contador de caracteres "é um método grosseiro que não leva em conta a largura de cada letra nem a fonte". Uma linha de 30 caracteres cheia de emes e ves duplas ocupa mais do que uma de 34 com íes e eles. O contador é um bom guardrail, não uma garantia: verifique o resultado na tela.
Na prática, para vídeo vertical de redes funciona bem fixar o máximo entre 28 e 34 caracteres por linha e reduzir para 18-22 se você for usar legendas de uma única linha tipo karaokê.
Duas linhas é o teto prático em redes, embora a BBC permita três na vertical
Aqui há uma divergência real que convém conhecer. A seção 3.3 do guia da BBC recomenda um máximo de duas linhas para vídeo paisagem ou quadrado (16:9, 4:3, 1:1) e de três linhas para vídeo vertical (9:16), aproveitando que a moldura é mais alta. Em vídeo social, no entanto, a terceira linha quase sempre sai cara.
O motivo é que em um 9:16 de redes a altura útil não é a altura do arquivo: a interface do aplicativo, o texto da descrição, os botões laterais e a barra inferior consomem uma parte da moldura, e o bloco de legendas cresce para cima, em direção ao rosto. A própria BBC ressalta sua permissão: podem ser usadas linhas extras "se você tiver a confiança de que não está ocultando informações importantes da imagem", e na seção sobre legendas acumulativas insiste em não usá-las se forem cobrir bocas ou outros elementos visuais relevantes.
A conclusão operacional: coloque o limite em 2 linhas e trate a terceira como uma exceção justificada, não como um recurso por padrão. Se não couber em duas linhas de 30 caracteres, o problema não é o número de linhas: é que esse cue deveria ser dois cues.
Para a quebra de linha, a BBC pede para quebrar em pontos lógicos —idealmente em um sinal de pontuação— e, se não houver outra opção, evitar separar artigo e substantivo, preposição e seu sintagma, conjunção e a frase que introduz, pronome e verbo, ou as partes de um verbo composto. Partir uma palavra ao meio é o pior que você pode fazer à leitura.
12-17 CPS é a faixa confortável de velocidade de leitura na vertical
A velocidade de leitura é medida em caracteres por segundo (CPS): você divide os caracteres de um cue pela sua duração. Se um cue de 45 caracteres dura 2 segundos, vai a 22,5 CPS e é rápido demais para lê-lo todo olhando também a imagem.
As referências publicadas:
| Referência | Velocidade | Documento e data |
|---|---|---|
| BBC | 160-180 palavras/minuto; mínimo ~0,3 s por palavra (1,2 s para uma legenda de 4 palavras) | Subtitle Guidelines v1.2.5, março de 2026 |
| Netflix (adultos) | Até 20 CPS | English Timed Text Style Guide |
| Netflix (infantil) | Até 17 CPS | English Timed Text Style Guide |
Esses limites foram pensados para alguém sentado em frente a uma tela, com a atenção voltada para o filme. O vídeo vertical é consumido em pé, em movimento, com a tela a meio metro e competindo com o resto do feed. Por isso, a recomendação sensata para 9:16 é ficar claramente abaixo do limite da Netflix: entre 12 e 17 CPS, com 15 como ponto de partida e 12 se seu público for amplo ou o vocabulário for técnico.
Cuidado com como o parâmetro se comporta: os CPS não alongam o áudio, decidem quanto texto pode ir dentro de um cue. Baixar de 17 para 12 CPS não desacelera o vídeo; obriga a cortar antes e a gerar mais cues.
Cada cue precisa de um mínimo, um máximo e um espaço limpo
Três parâmetros temporais decidem se uma legenda é lida ou pisca: a duração mínima por cue, a máxima e o espaço entre cues consecutivos. As duas referências mais citadas não coincidem, e a diferença tem explicação.

| Parâmetro | BBC (Subtitle Guidelines v1.2.5, março 2026) | Netflix (Subtitle Timing Guidelines) | Valor de partida na vertical |
|---|---|---|---|
| Duração mínima por cue | ~0,3 s por palavra (1,2 s para 4 palavras) | 20 quadros, ou seja, 4/5 de segundo | 0,8-1 s |
| Duração máxima por cue | Não fixa um teto numérico; pede que a legenda não fique na tela além do final da fala, porque é relida | Não fixa teto; pede "bom senso" para que não se eternize | 4-6 s |
| Espaço entre cues | Se houver pausa, mínimo 1 s, preferivelmente 1,5 s | Mínimo 2 quadros; os espaços de 3 a 11 quadros são fechados para 2; ou 2 quadros ou meio segundo ou mais | 0,05-0,1 s entre cues encadeados |
| Entrada em relação ao áudio | Deve coincidir com o início da fala | No primeiro quadro de áudio ou a 1-2 quadros dele | Primeiro quadro de áudio |
| Saída em relação ao áudio | Coincide aproximadamente com o final do segmento de fala | Idealmente pelo menos meio segundo após o fim do áudio | Fim da fala + margem curta |
A aparente contradição do espaço se entende lendo a letra miúda. A Netflix regula o espaço técnico entre cues encadeados: dois quadros, para que o olho note a mudança sem que a tela pisque; e proíbe expressamente os espaços intermediários (3-11 quadros), que são os que produzem o efeito nervoso. A BBC regula o espaço editorial: se houver uma pausa real no discurso e você decidir deixar a tela limpa, essa pausa deve durar pelo menos um segundo, porque "qualquer coisa mais curta produz um efeito muito entrecortado".
Traduzido para seu .srt: entre cues que vão seguidos, deixe um espaço pequeno e constante (da ordem de 50-100 ms). Se você vai deixar um silêncio visível, que seja longo de verdade.
A BBC acrescenta uma regra que é frequentemente esquecida: mantenha as durações consistentes. Se a uma legenda de certa extensão você dá 3 segundos, não dê 4 à seguinte de extensão parecida. A irregularidade cansa mais do que a velocidade.
Em 9:16 a legenda vai no terço inferior, não embaixo de tudo
A posição é o outro fator de legibilidade, e em vertical muda em relação ao padrão de televisão. O guia da BBC recomenda, para 9:16, elevar o bloco um pouco acima da borda inferior, mas mantê-lo no terço inferior da tela: embaixo de tudo, a interface cobre, e muito acima cobre o rosto.

O tamanho também é diferente. A BBC define a altura da linha em 7-8 % da altura do vídeo para 16:9, 4:3 e 1:1, e em 3,9-4,5 % para 9:16. Faz sentido: em vertical a altura do enquadramento é muito maior em proporção, então uma porcentagem mais baixa dá um corpo de letra comparável.
Duas consequências práticas:
- Deixe margem lateral e margem inferior. O guia online da BBC fala de ocupar até 90 % da largura em 9:16; os 10 % restantes são seu colchão contra as bordas.
- Verifique a área que cobre cada rede. Os botões laterais, a descrição e a barra de navegação de cada aplicativo cobrem partes diferentes do enquadramento. O que é lido perfeitamente na sua pré-visualização pode ficar meio oculto no feed.
Como revisar e re-cortar um .srt antes de importá-lo
Um .srt é texto simples e pode ser auditado antes de tocar o editor. A ordem de revisão que funciona é: primeiro a validade do arquivo, depois a legibilidade de cada cue, e só no final o estilo.
Um cue bem formado tem esta aparência:
12
00:00:21,480 --> 00:00:24,120
O que a IA não decide por você
é onde cortar a frase.
Revisão de formato (o que quebra a importação):
- Numeração correlativa a partir de 1, sem saltos.
- Milissegundos separados por vírgula, não por ponto:
00:00:21,480. O ponto é de WebVTT, não de SRT. - Quebras de linha consistentes (CRLF) e uma linha em branco entre cues.
- Tempos estritamente crescentes e sem sobreposições: o fim de um cue nunca pode ser posterior ao início do seguinte.
Revisão de legibilidade (o que quebra a leitura):
- Nenhum cue acima do seu máximo de caracteres por linha.
- Nenhum cue com mais de 2 linhas.
- Nenhum cue acima do seu limite de CPS:
caracteres ÷ (fim − início). - Nenhum cue abaixo da duração mínima nem acima da máxima.
- Espaços entre cues encadeados pequenos e constantes.
- Cortes de linha em pontos lógicos, sem separar artigo e substantivo nem dividir palavras.
Revisão editorial (o que diferencia uma boa legenda):
- Cada cue, idealmente, uma frase ou uma unidade de sentido completa.
- Edite em vez de transcrever literalmente quando não cabe: retire muletilhas, repetições e falsos arranques.
- Verifique nomes próprios, cifras e tecnicismos, que são justamente onde o reconhecimento de voz se engana.
O truque operacional é não reescrever à mão: volte a cortar. Se você conservar as marcas de tempo palavra por palavra da transcrição, mudar o máximo de caracteres ou os CPS e regenerar o arquivo leva segundos; corrigir cue a cue leva uma tarde.
O que muda (e o que não) com a IA do CapCut de novembro de 2026
A atualidade reforça o argumento em vez de desmontá-lo: a IA automatizou a transcrição, não o critério. No dia 11 de novembro de 2026, foi lançada a versão 20.1.0 do CapCut para Android, e a própria página do CapCut sobre a última versão do APK descreve uma ferramenta de voz para texto com IA que "transcreve automaticamente a fala em legendas precisas".
Nesse mesmo dia, na México Tech Week 2026, a ByteDance apresentou o CapCut PC com Omni Agent, um agente de desktop que coordena fluxos completos de produção a partir de uma ideia, com subagentes como Video Studio e Design Studio e um EditPilot que transforma instruções em linguagem natural em edições multicamadas na linha do tempo, segundo a crônica do evento publicada por La Crónica de Hoy no dia 11 de novembro de 2026. A própria apresentação enquadrava a IA como "motor de escalonamento" e o julgamento humano como "controle estratégico".
É exatamente a divisão de tarefas deste artigo. A máquina te dá as palavras e as marcas de tempo. O máximo de caracteres, o número de linhas, os CPS, a duração mínima e o espaço você decide, porque dependem do público, do idioma e do enquadramento. Dito de forma curta: a transcrição já é grátis; o corte continua sendo seu.
Os subtítulos já são uma obrigação legal, não apenas uma boa prática
Desde 28 de junho de 2025 é aplicável a Diretiva (UE) 2019/882, a Lei Europeia de Acessibilidade, que estende requisitos de acessibilidade a produtos e serviços digitais de consumo. Na Espanha, a transposição é feita pela Lei 11/2023, de 8 de maio, publicada no BOE, cujas obrigações são exigíveis desde essa mesma data; as microempresas ficam isentas do dever de cumprimento.
O marco técnico de referência para demonstrar conformidade é a norma harmonizada EN 301 549, que é a que traduz "acessível" em requisitos verificáveis.
A isso se soma o argumento de alcance, que está documentado há anos: em um estudo da Verizon Media e Publicis Media com 5.616 adultos americanos de 18 a 54 anos, realizado em abril de 2019 e coletado pela Forbes em 31 de julho de 2019, 69% declarava assistir vídeo sem som em espaços públicos e 80% afirmava ser mais propenso a terminar um vídeo se tivesse legendas. São dados de 2019 e dos EUA, é conveniente lê-los como ordem de magnitude, não como uma medição de sua audiência.
A consequência é dupla: uma legenda ilegível não apenas incomoda, como também infringe o espírito da norma. E a legibilidade não é declarada: é medida com os parâmetros deste artigo.
Não existe um padrão oficial de legendagem para vídeo vertical
Até hoje não há uma norma específica de legendagem para 9:16 comparável às diretrizes de difusão. O mais próximo é a adaptação dos padrões existentes que a BBC faz em sua versão 1.2.5 e o trabalho do setor de localização.
Já em novembro de 2019, Belén Agulló García apontava em uma análise publicada pela Nimdzi que "ainda não há um padrão de caracteres por linha em vídeos verticais" e propunha partir do limite da BBC, manter uma ou duas linhas no máximo, estabelecer uma zona segura para que o texto não seja cortado em telas diferentes e editar o texto — removendo repetições e muletillas — em vez de transcrever literalmente quando o espaço é limitado.
Sete anos depois, o diagnóstico continua válido, com uma diferença: a BBC já incorpora uma orientação explícita para 9:16 (tamanho, posição e número de linhas). Enquanto não houver mais, a prática razoável é a que resume esta tabela:
| Parâmetro | Valor de trabalho em 9:16 | Origem |
|---|---|---|
| Caracteres por linha | 28-34 (18-22 em uma única linha) | Equivalência BBC de 37 → 25 caracteres, ajustada à fonte de redes |
| Linhas por cue | 2 como teto | BBC permite 3 em 9:16; reduzido a 2 pela interface e pela face |
| Velocidade de leitura | 12-17 CPS | Abaixo dos 20 CPS da Netflix para adultos |
| Duração mínima | 0,8-1 s | BBC ~0,3 s/palavra; Netflix 20 quadros |
| Duração máxima | 4-6 s | Evitar a releitura que a BBC alerta |
| Espaço entre cues | 0,05-0,1 s encadeados; ≥1 s se for pausa real | Netflix 2 quadros; BBC 1 s mínimo em pausa |
| Posição | Terço inferior, elevado em relação à borda | BBC, seção de posição vertical |
| Altura da linha | 3,9-4,5 % da altura do vídeo | BBC, tamanho de fonte de autoria |
Perguntas frequentes
Quantos caracteres por linha deve ter um subtítulo em vídeo vertical?
Entre 28 e 34 caracteres funciona bem em 9:16. A referência é a equivalência da BBC: 37 caracteres em um 16:9 correspondem a uns 25 em um 9:16 ao 90 % de largura. Se você usar subtítulos de uma única linha grandes, reduza para 18-22.
O que são os CPS em subtítulos e qual é o valor correto?
CPS são os caracteres por segundo que o espectador tem que ler: caracteres do cue dividido pela sua duração. A Netflix admite até 20 CPS em conteúdo para adultos e 17 em infantil; para vídeo vertical de redes, 12-17 CPS é a faixa confortável, com 15 como ponto de partida.
Quanto deve durar como mínimo um subtítulo?
A Netflix exige um mínimo de 20 quadros, ou seja, 4/5 de segundo. A BBC o propõe por palavras: cerca de 0,3 segundos por palavra, 1,2 segundos para um subtítulo de quatro palavras. Em vertical, 0,8-1 segundo é um mínimo sensato.
Os subtítulos podem ter três linhas em vídeo vertical?
A BBC permite: recomenda um máximo de duas linhas em 16:9, 4:3 e 1:1, e de três em 9:16. Em vídeo social, no entanto, a terceira linha costuma cobrir o rosto ou colidir com a interface do aplicativo, então o teto prático são duas linhas.
Que espaço deve ser deixado entre dois subtítulos?
Duas regras distintas. Para cues encadeados, a Netflix pede um mínimo de dois quadros e proíbe os espaços intermediários de 3 a 11 quadros; na prática, 50-100 milissegundos constantes. Se houver uma pausa real na fala, a BBC pede pelo menos um segundo, preferencialmente um segundo e meio.
Por que meu .srt não é importado no editor?
Quase sempre é o formato do arquivo: milissegundos com ponto em vez de vírgula, numeração com quebras, cues sobrepostos ou quebras de linha inconsistentes. Valide a numeração a partir de 1, o separador decimal (vírgula), os tempos crescentes sem sobreposições e a linha em branco entre cues.
Serve com os subtítulos automáticos do aplicativo de edição?
Para as palavras, normalmente sim. Para o corte, não: o reconhecimento de voz corta por pausas de áudio, não por largura da caixa nem por velocidade de leitura. O eficiente é ficar com a transcrição e voltar a cortá-la com seus próprios parâmetros.
Os subtítulos são obrigatórios por lei?
Para produtos e serviços digitais incluídos em seu âmbito, sim desde 28 de junho de 2025, pela Lei Europeia de Acessibilidade (Diretiva (UE) 2019/882) e, na Espanha, pela Lei 11/2023. As microempresas ficam fora dessa obrigação. O critério técnico de conformidade é a norma EN 301 549.
Coloque as regras antes de importar, não depois
O subtítulo que se lê não é o que tem as melhores palavras: é o que tem o corte correto. Defina seus valores —máximo de caracteres, duas linhas, CPS, duração mínima e máxima, espaço— antes de gerar o arquivo, e revise o .srt como um dado, não como um texto.
Essa é a parte que aiCapCut, de AiToolsForApps, converte em um formulário: você cola seu roteiro ou sobe o áudio, escolhe os parâmetros de corte e leva um .srt validado, com suas variantes .vtt e .txt, pronto para importar. Traz presets pensados para formato vertical e permite re-cortar o mesmo material com outros valores sem regenerar nada, que é exatamente o que economiza a tarde de correções. Não renderiza vídeo nem toca sua linha do tempo: te dá o arquivo. Você pode testar a ferramenta de legendas SRT e plano de montagem para vídeo vertical sem se registrar. aiCapCut é uma ferramenta independente e não está afiliada ao CapCut nem ao ByteDance.
Gere seu .srt com suas próprias regras de divisão — caracteres por linha, CPS, duração mínima e espaço — e faça o download validado em .srt, .vtt e .txt. Sem registro para começar.
Gere seu .srt com suas próprias regras de divisão — caracteres por linha, CPS, duração mínima e espaço — e faça o download validado em .srt, .vtt e .txt. Sem registro para começar.Continue lendo
Ver todos os artigos →
Como escrever o briefing de montagem que um editor de IA realmente entende: planos, durações e entradas de texto

Geode quebrado no Geometry Dash 2.2091: quais mods não funcionam e como continuar criando

DLS 27 em dezembro de 2026: o que está confirmado, o que não está e o que acontece ao teu clube, ao teu plantel e aos teus equipamentos ao atualizar
