Conversor online gratuito de DFXP para LRC

O que é o formato DFXP

DFXP, também chamado de TTML ou Timed Text, é um formato de legendas e closed captions baseado em XML. Ele armazena texto, horários de início e término, estilos, regiões, informações do locutor e outros dados de apresentação para vídeos na web, fluxos de trabalho de transmissão, plataformas de legendagem e software de legendas. Você pode encontrar arquivos terminados em .dfxp ou arquivos XML cujo elemento raiz identifica um documento TTML.

DFXP foi desenvolvido para legendas cronometradas, não especificamente para letras de músicas. Um elemento de parágrafo como <p begin="00:00:12.500" end="00:00:15.000"> normalmente representa uma linha de legenda.

O que é o formato LRC

LRC é um formato de letras de músicas em texto simples compatível com muitos music players, programas de karaokê, dispositivos portáteis e bibliotecas de mídia. Cada linha da letra começa com um timestamp, como [00:12.50]First lyric line; o timestamp especifica quando o player exibe essa linha.

LRC é menor e mais fácil de editar que DFXP porque geralmente mantém apenas o texto da letra e os horários de início das linhas. Tags de metadados opcionais, como [ar:Artist], [ti:Title] e [al:Album], são compatíveis com muitos players, mas não são obrigatórias.

Como converter DFXP em LRC

Use 101convert.com

1. Abra o conversor de DFXP para LRC em 101convert.com.
2. Envie o arquivo .dfxp.
3. Inicie a conversão e baixe o arquivo .lrc resultante.
4. Abra o arquivo de saída em um editor de texto e verifique se os timestamps aparecem como [mm:ss.xx] e se as linhas da letra estão na ordem correta.

Essa opção funciona sem instalar software. Ela é mais adequada quando o arquivo DFXP usa cronometragens comuns em nível de parágrafo.

Converta localmente com Python

O script a seguir extrai cada parágrafo DFXP cronometrado, remove a marcação XML e grava uma linha LRC usando o horário begin do parágrafo.

import re
import sys
from xml.etree import ElementTree as ET

def local(name):
    return name.rsplit('}', 1)[-1]

def seconds(value):
    value = value.strip()
    if ':' in value:
        parts = value.split(':')
        if len(parts) == 3:
            h, m, s = parts
            return int(h) * 3600 + int(m) * 60 + float(s)
        if len(parts) == 2:
            m, s = parts
            return int(m) * 60 + float(s)
    match = re.fullmatch(r'([0-9.]+)(ms|s|m|h)', value)
    if not match:
        raise ValueError(f'Unsupported time: {value}')
    number, unit = match.groups()
    factor = {'ms': 0.001, 's': 1, 'm': 60, 'h': 3600}[unit]
    return float(number) * factor

root = ET.parse(sys.argv[1]).getroot()
lines = []
for element in root.iter():
    if local(element.tag) != 'p':
        continue
    begin = next((v for k, v in element.attrib.items()
                  if local(k) == 'begin'), None)
    lyric = ' '.join(''.join(element.itertext()).split())
    if begin and lyric:
        lines.append((seconds(begin), lyric))

for start, lyric in sorted(lines):
    centiseconds = round(start * 100)
    minutes, remainder = divmod(centiseconds, 6000)
    seconds_part, hundredths = divmod(remainder, 100)
    print(f'[{minutes:02d}:{seconds_part:02d}.{hundredths:02d}]{lyric}')

Salve-o como dfxp_to_lrc.py e execute python dfxp_to_lrc.py captions.dfxp > lyrics.lrc. Salve a saída como UTF-8 para que caracteres acentuados e letras que não usam o alfabeto latino permaneçam intactos.

Limitações de qualidade e compatibilidade

LRC normalmente armazena o horário de início de uma linha, enquanto DFXP pode armazenar os horários de início e término. Portanto, a conversão descarta os horários de término. Estilos DFXP, posição na tela, cores, rótulos de locutores, regiões e metadados específicos de legendas também não têm um equivalente padrão no LRC básico.

Se o arquivo DFXP contiver cronometragens em elementos span aninhados, em vez de elementos de parágrafo, um conversor simples de parágrafos poderá mesclar vários segmentos cronometrados em uma única linha. A cronometragem de karaokê palavra por palavra exige um formato enhanced-LRC, que normalmente usa tags como <00:12.50>, mas o suporte dos players varia. Expressões de tempo DFXP que usam contagens de frames ou ticks também podem exigir uma taxa de frames ou de ticks conhecida antes de poderem ser convertidas com precisão.