Conversor de JSON para SRT

O que é um conversor de JSON para SRT?

Serviços de transcrição como OpenAI Whisper, AWS Transcribe e Google Cloud Speech-to-Text muitas vezes geram arquivos JSON em vez de legendas prontas. Esses arquivos podem conter tempos, palavras, frases, alternativas e dados de falantes. O conversor lê essa estrutura, extrai início, fim e texto e cria um arquivo SubRip padrão no formato SRT.

Como converter JSON em SRT?

Um JSON bruto não pode ser enviado diretamente ao YouTube nem importado com segurança para Adobe Premiere, DaVinci Resolve ou Final Cut Pro. Primeiro ele precisa virar uma faixa linear de legendas: número sequencial, tempo inicial, tempo final e texto visível. A ferramenta faz essa etapa automaticamente.

• Enviar JSON: carregue uma transcrição do Whisper, AWS, Google ou outro sistema de fala para texto.
• Reconhecer o esquema: o conversor procura segmentos, listas de palavras, tempos de início/fim, campos de texto e campos de falante opcionais.
• Exportar SRT: os segmentos encontrados são ordenados, numerados e salvos como um arquivo .srt compatível.

Exemplos: entrada JSON para saída SRT

Esta página mostra estruturas reais de API, não apenas um conversor simples de um único formato. Assim você vê rapidamente se seu JSON é parecido e por que ele pode gerar um SRT válido.

JSON do Whisper para SRT

Exportações do Whisper normalmente incluem um array segments. Cada item costuma ter start, end e text, uma estrutura ideal para criar blocos SRT.

{
  "segments": [
    { "start": 0.00, "end": 2.40, "text": "Bem-vindo ao vídeo." },
    { "start": 2.40, "end": 5.10, "text": "Hoje mostramos o fluxo de trabalho." }
  ]
}

1
00:00:00,000 --> 00:00:02,400
Bem-vindo ao vídeo.

2
00:00:02,400 --> 00:00:05,100
Hoje mostramos o fluxo de trabalho.

JSON do AWS Transcribe para SRT

O AWS Transcribe geralmente retorna palavras e pontuação separadas em results.items. A ferramenta agrupa esses dados em blocos de legenda legíveis e pode manter rótulos de falante quando existirem.

{
  "results": {
    "items": [
      { "type": "pronunciation", "start_time": "0.00", "end_time": "0.55", "alternatives": [{ "content": "Olá" }], "speaker_label": "spk_0" },
      { "type": "pronunciation", "start_time": "0.56", "end_time": "1.10", "alternatives": [{ "content": "Maik" }], "speaker_label": "spk_0" },
      { "type": "punctuation", "alternatives": [{ "content": "." }] }
    ]
  }
}

1
00:00:00,000 --> 00:00:01,100
spk_0: Olá Maik.

JSON do Google Speech-to-Text para SRT

O Google Speech-to-Text costuma armazenar palavras em results[].alternatives[].words[]. Os tempos de início e fim geralmente aparecem em segundos com sufixo s, por exemplo 1.200s.

{
  "results": [
    {
      "alternatives": [
        {
          "words": [
            { "startTime": "0s", "endTime": "0.700s", "word": "Isso", "speakerTag": 1 },
            { "startTime": "0.700s", "endTime": "1.400s", "word": "funciona", "speakerTag": 1 }
          ]
        }
      ]
    }
  ]
}

1
00:00:00,000 --> 00:00:01,400
Speaker 1: Isso funciona

Campos aceitos e detecção automática de esquema

JSON é um formato de dados, não um formato de legenda. Por isso, fornecedores diferentes usam nomes de campos diferentes. O conversor verifica variações comuns e também pode procurar em arrays aninhados quando o arquivo não segue exatamente o modelo do Whisper, AWS ou Google.

Rótulos de falante em arquivos SRT

Muitos serviços de transcrição entregam informações de falante em campos como speaker, speaker_label, speakerTag ou semelhantes. Ao ativar “incluir rótulos de falante”, o conversor escreve essa informação diretamente no texto da legenda.

O formato SRT não tem um campo técnico próprio para falantes. Na prática, os falantes são salvos como prefixo de texto. Isso ajuda em entrevistas, podcasts, reuniões, cursos e gravações de suporte.

1
00:00:00,000 --> 00:00:02,200
Speaker 1: Bem-vindo à conversa.

2
00:00:02,300 --> 00:00:04,800
Speaker 2: Obrigado pelo convite.

Provedores e estruturas JSON típicas

A tabela abaixo mostra as estruturas que a ferramenta reconhece diretamente. Além disso, ela tenta detectar arrays genéricos com início, fim e texto.

Meus dados JSON estão seguros?

Sim. A conversão roda localmente com JavaScript no seu navegador. O arquivo JSON não é enviado para nenhum servidor. Isso é importante porque transcrições frequentemente contêm reuniões internas, material de clientes, roteiros em rascunho ou vídeos ainda não publicados.

Limites da detecção automática de JSON

A ferramenta só consegue criar segmentos quando o JSON contém informações de tempo úteis. Um JSON apenas com texto, sem início e fim, não pode ser convertido com confiabilidade para SRT, pois SRT exige timestamps. Se o arquivo tiver apenas texto, use um conversor TXT para SRT ou sincronize o texto depois no Studio.