Napisy można dostarczyć na dwa sposoby i różnią się one bardziej, niż wyglądają. Napisy wypalone to piksele: słowa są rysowane w obrazie przy eksporcie, więc pojawiają się w każdym odtwarzaczu, w każdym osadzeniu, dokładnie w wybranym rozmiarze i miejscu — i nigdy już nie da się ich zmienić, ukryć ani przetłumaczyć. Plik .srt to przeciwieństwo: czysty tekst ze znacznikami czasu, niesiony obok wideo, renderowany przez to, co akurat je odtwarza. Odtwarzacz decyduje o kroju pisma; widz decyduje, czy napisy w ogóle są włączone. Żadna z opcji nie jest po prostu lepsza. Pytanie brzmi, kto ma mieć kontrolę po publikacji: Ty, na zawsze, w zamian za elastyczność — czy widz, w zamian za zaufanie, że platforma w ogóle pokaże ścieżkę.
Większość przypadków rozstrzyga to, co platformy z nimi robią. YouTube traktuje wgrany plik napisów pierwszorzędnie: widz je włącza, powiększa, tłumaczy maszynowo, a tekst daje się przeszukiwać — czego napis wypalony nie potrafi nigdy, bo dla wyszukiwarki piksele nie są słowami. LinkedIn również przyjmuje plik napisów do wgranych wideo. Pionowe feedy to drugi świat: TikTok i Instagram startują bez dźwięku, ich własne narzędzia do napisów bywają różne i nikt nie gwarantuje, że osobna ścieżka wyświetli się tak, jak było zamierzone — dlatego tam królują napisy wypalone i dlatego tam pasują. Praktyczna odpowiedź brzmi więc zwykle: jedno i drugie. Wypal napisy dla pionowych feedów, a YouTube daj czyste wideo plus .srt, żeby widz zachował swoje ustawienia.
Dostępność przemawia za plikiem. Osoba niesłysząca z własnymi preferencjami — większy tekst, wyższy kontrast — może je zastosować do ścieżki, ale nie do pikseli; narzędzia osoby niewidomej mogą ścieżkę odczytać na głos; a każdy może ją maszynowo przetłumaczyć. Tekst wypalony zostaje na zawsze w rozmiarze, który tamtego dnia wydawał się właściwy, a na małym ekranie może nie być czytelny dla nikogo. Późniejsza edycja wskazuje w tę samą stronę: literówka w pliku .srt to poprawka tekstu; literówka wypalona oznacza ponowny eksport i ponowne wgranie całego wideo, a na większości platform — utratę komentarzy i licznika wyświetleń. Jeśli wypalasz, rób korektę jak do druku — bo to jest druk.
Niezależnie od formy, napisy są tylko tak dobre jak ich słowa i ich zegary. Talk2Camera bierze słowa ze scenariusza, który faktycznie czytasz — nazwiska, żargon i wszystko, czego rozpoznawanie mowy nigdy nie słyszało, wychodzą zapisane tak, jak w scenariuszu, a nie tak, jak zgadła transkrypcja. Scenariusz jest zapisywany obok nagrania, więc działa to także wtedy, gdy otwierasz ujęcie po tygodniu, a nie tylko w minutach po nagraniu. Synchronizacja przeżywa też montaż: wytnij fragment, a oś czasu się domyka i napisy przestawiają się razem z nią, więc wyeksportowany plik .srt opisuje wideo, które naprawdę publikujesz. Oba eksporty powstają z tych samych napisów — wypalonych w obrazie dla pionowych feedów albo osobnego pliku .srt dla platform, które na niego zasługują.