Um vídeo falado é consumido em silêncio com muito mais frequência do que imagina quem o fez. Ele roda num trem com os fones esquecidos em casa, num escritório aberto, na cama ao lado de alguém dormindo, num feed que toca sozinho no mudo e nunca é ativado. Os números exatos variam por plataforma e por ano, mas toda pesquisa que já olhou para isso aterrissa no mesmo território: uma grande parte do consumo em feeds — em muitos contextos, a maioria — acontece com o som desligado. Some os espectadores surdos ou com perda auditiva, para quem as legendas não são uma preferência e sim o canal inteiro, e a conclusão fica difícil de evitar. Para uma parte real e considerável do seu público, as legendas não são um acessório do vídeo. Elas são o áudio do vídeo, entregue na única forma que chega até essas pessoas. Um vídeo falado sem legendas é, para elas, um filme mudo que esqueceu os letreiros.
Depois vem o segundo público: as pessoas que entendem o seu idioma melhor por escrito do que de ouvido. Escutar é a habilidade linguística mais difícil que existe — anda na velocidade de quem fala, no sotaque de quem fala, com as sílabas engolidas de quem fala — e centenas de milhões de pessoas leem com fluência um idioma que mal conseguem acompanhar de ouvido. Uma legenda remove o sotaque e metade do problema de velocidade de uma vez só. E atrás delas está o público que não lê o seu idioma de jeito nenhum: para essas pessoas, uma trilha traduzida é a diferença entre assistir e continuar rolando. A economia aqui pende inteira para o seu lado. O vídeo em si custou caro: o pensar, o roteiro, a luz, os takes. Uma segunda trilha de legendas custa quase nada perto disso, e alarga o público sem regravar uma palavra — a sua voz, o seu rosto e a sua entrega ficam exatamente como estavam.
A réplica óbvia é que as plataformas já geram legendas automaticamente, e geram — a partir apenas do áudio. O reconhecedor nunca viu o seu roteiro. Ele não sabe que o nome do seu produto tem uma maiúscula no meio, que o sobrenome da sua cofundadora não é uma palavra comum, que o jargão da sua área é jargão e não um erro de audição. Então ele escreve tudo foneticamente, escolhe o homófono errado com confiança total, espalha a pontuação por estatística e quebra as linhas onde o modelo por acaso respira. Quando a plataforma depois traduz automaticamente essas legendas automáticas, os erros se multiplicam: os espectadores do segundo idioma recebem a tradução de uma transcrição errada, a dois passos de qualquer coisa que você disse. E eles não culpam a plataforma. Um erro por escrito fica na tela, legível e atribuível, ao lado do seu rosto. Uma palavra mastigada passa em um segundo; um nome mutilado numa legenda é um print.
Esse é o argumento para enviar a sua própria trilha, e ele começa pela origem do texto. No Talk2Camera, o texto das legendas vem do seu roteiro de verdade ou do reconhecimento feito no próprio aparelho — e quando você lê o roteiro que escreveu, as legendas herdam a grafia dele. Os nomes saem do jeito que você os escreveu: a capitalização estranha do seu produto, o sobrenome do seu colega, o termo técnico que o legendador automático nunca encontrou. Essa única propriedade — as legendas sabem o que você quis dizer — remove a classe inteira de erros que torna as legendas automáticas constrangedoras. Ela também põe as quebras de linha sob o seu controle, e não sob o do modelo, o que importa mais do que parece: uma legenda que quebra no meio de um nome, ou que abandona uma preposição no fim da linha, é lida duas vezes — e uma legenda lida duas vezes já fracassou no seu único trabalho, que é ser invisível.
Para o segundo idioma, o Talk2Camera traduz as suas legendas para outra língua como uma trilha de legendas adicional, e o detalhe que sustenta o recurso é o tempo. A tradução mantém a sua sincronização original, linha por linha: a linha traduzida aparece exatamente quando você fala a original. Parece um tecnicismo até você assistir a uma trilha que deriva. As suas mãos apontam para a coisa que você está nomeando dois segundos depois de o leitor já ter ficado sabendo, o seu rosto reage a uma piada que a legenda ainda não contou, e a pessoa na tela vai se descolando aos poucos das palavras que correm embaixo dela. A correspondência linha a linha tem um segundo benefício, mais discreto: ela torna a revisão possível. Qualquer pessoa que leia o idioma de destino pode colocar as duas trilhas lado a lado e conferir linha contra linha — sem vasculhar a linha do tempo, sem adivinhar qual frase corresponde a qual.
A entrega é uma escolha entre dois recipientes, e o app aceita os dois. As legendas podem ser queimadas na imagem, que é a resposta certa para os feeds que ignoram arquivos anexos: o texto queimado está sempre visível, sobrevive a qualquer player e a qualquer reenvio, e cobra em troca a possibilidade de desligá-lo ou de oferecer mais de um idioma. Ou podem viajar como arquivos .srt para as plataformas que aceitam legendas como arquivo separado: ali elas continuam podendo ser ligadas e desligadas, continuam pesquisáveis, e o espectador escolhe o idioma que quiser — o original e a tradução podem seguir viagem juntos. A regra prática: queime para o vídeo vertical curto, envie o .srt onde a plataforma o respeite, e faça as duas coisas quando um vídeo morar em mais de um lugar. Seja qual for o veículo, a conclusão permanece. O espectador que lê não é um caso raro. Pelo que dizem os números, ele pode ser a sua maioria — e merece coisa melhor do que um palpite fonético sobre o seu próprio nome.