Conversor online gratuito de VTT para M4A

Um arquivo VTT contém legendas com marcações de tempo, não som, portanto não pode ser transformado em uma gravação de áudio apenas mudando seu formato. Se um player ou dispositivo precisa de um M4A, a conversão pode gerar uma narração falada a partir das legendas.

O que o VTT contém

WebVTT (.vtt) armazena texto de legendas, a marcação de tempo das falas e informações opcionais sobre os falantes ou a formatação. Editores de vídeo, ferramentas de legendagem e plataformas de streaming criam ou exportam arquivos VTT; eles geralmente são fornecidos junto com o vídeo quando as legendas precisam ser exibidas separadamente.

Para que serve o M4A

M4A é um contêiner de arquivo de áudio comumente usado para som codificado em AAC. Ele é compatível com muitos celulares, players de mídia e aplicativos de edição. Como o VTT não contém faixa de áudio, um M4A criado a partir dele contém fala sintetizada, e não som recuperado ou extraído.

Converter as legendas para M4A

Online no 101convert.com

1. Envie o arquivo VTT na página do conversor. Você pode adicionar vários arquivos em lote; a página mostra o limite de tamanho por arquivo.
2. Antes de converter, escolha o idioma da voz, a velocidade de leitura e as opções de tempo das legendas, conforme necessário.
3. Inicie a conversão e baixe o arquivo M4A resultante.

Offline com ferramentas para desktop

Para um fluxo de trabalho offline, use o pacote de código aberto para Python webvtt-py para extrair o texto das legendas, o eSpeak NG para sintetizar a fala e o FFmpeg para codificar o áudio como M4A. Essas ferramentas estão disponíveis para Linux, Windows e macOS.

1. Instale Python, eSpeak NG e FFmpeg e, em seguida, instale o analisador de VTT: python -m pip install webvtt-py.
2. Salve este script como make_text.py na mesma pasta que captions.vtt. Ele combina as falas na ordem em que aparecem no arquivo e remove tags simples em linha.

import html
import re
from pathlib import Path
import webvtt

cues = webvtt.read("captions.vtt")
lines = []
for cue in cues:
    text = re.sub(r"<[^>]*>", "", cue.text)
    lines.append(html.unescape(text.replace("\n", " ")))
Path("narration.txt").write_text("\n".join(lines), encoding="utf-8")

3. Execute o script, sintetize a fala em WAV e, em seguida, codifique o áudio como AAC em um contêiner M4A:

python make_text.py
espeak-ng -v en -s 160 -f narration.txt -w narration.wav
ffmpeg -i narration.wav -c:a aac -b:a 128k narrated.m4a

Substitua en por um código de voz do eSpeak NG disponível no seu sistema. Esse fluxo de trabalho básico lê as falas em ordem; ele não preserva as marcações de tempo originais.

Qualidade e tempo

O som do M4A depende da voz sintetizada selecionada e da taxa de bits AAC; aumentar a taxa de bits não torna a voz em si mais natural. A marcação de tempo das falas só é relevante se a ferramenta de conversão a usar para programar a fala; nos comandos offline acima, as legendas se transformam em uma narração contínua.