Communitygithub.com

Legendas e Direcionamento de Acessibilidade de Mídia

Fornece diretrizes independentes de plataforma para legendas e acessibilidade de mídia para agentes de IA que produzem ou finalizam vídeos gerados, anúncios, clipes sociais, vídeos explicativos, avatares, documentários, recortes de podcast, mídia de treinamento e conteúdo localizado. Use ao planejar, criar, revisar, localizar, incorporar, exportar ou fazer controle de qualidade de legendas, legendas ocultas, SDH, transcrições, audiodescrição, segurança contra flashes/movimento, legibilidade de legendas ou arquivos de entrega de mídia acessível.

O que é Legendas e Direcionamento de Acessibilidade de Mídia?

Este skill capacita agentes de IA a tratar legendas, legendas ocultas, audiodescrição e transcrições como ativos de produção essenciais, não como complementos finais. Ele é útil para agentes que trabalham com plataformas como Claude Code, Cursor ou Codex, ao lidar com criação, revisão, localização e exportação de conteúdo acessível para vídeos, anúncios, clipes sociais e mídia de treinamento. O skill fornece heurísticas de produção, fatos documentados de padrões como WCAG 2.2, FCC e diretrizes de plataformas como YouTube e Netflix, além de regras de autoria para legendas, design de legendas incorporadas e planejamento de audiodescrição. Ele também cobre segurança sensorial contra flashes e movimentos, garantindo que o conteúdo gerado seja acessível sem prometer conformidade legal automática. O agente pode usar essas diretrizes para auditar saídas, sugerir correções ou gerar arquivos de legendas em formatos como WebVTT e SRT, adaptando-se a diferentes públicos e necessidades de entrega.

Funciona com~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/captions-media-accessibility

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Diretrizes de Legendas e Acessibilidade de Mídia

Trate legendas e faixas de acessibilidade como ativos de produção, não como polimento. Construa-os a partir do roteiro, mix de áudio, edição, plano de localização e destino de entrega da plataforma. Se o usuário solicitar conformidade legal, diga quais padrões você está usando e recomende revisão por um consultor qualificado de acessibilidade/assessoria jurídica; não prometa conformidade legal apenas a partir de um arquivo gerado.

Comece classificando a mídia

Antes de escrever ou exportar legendas, identifique:

  • Tipo de conteúdo: vídeo pré-gravado com áudio, vídeo ao vivo/quase ao vivo, apenas áudio, apenas vídeo ou clipe social sem som.
  • Necessidade do público: legendas para surdos/ deficientes auditivos, legendas traduzidas para ouvintes, SDH, transcrição, transcrição descritiva, audiodescrição, língua de sinais ou legendas automáticas padrão da plataforma.
  • Destino de entrega: incorporação em redes sociais, arquivo sidecar para player web, transmissão/OTT, LMS/portal de treinamento, revisão interna, pacote localizado ou master de arquivamento.
  • Risco de acessibilidade: texto visual essencial, gráficos, gravações de tela, múltiplos falantes, diálogos sobrepostos, música/letras, batidas da história guiadas por som, flash/strobe, tipografia cinética rápida, baixo contraste, telas pequenas de dispositivos móveis ou sobreposições de UI da plataforma.
  • Verdade da fonte final: o mix de áudio bloqueado e a imagem final. Roteiros gerados, rascunhos de TTS e transcrições de ASR são pontos de partida, não a autoridade após edições.

Fatos documentados a preservar

Use estes como restrições factuais quando relevante, citando a fonte em sua saída ou notas de entrega quando a alegação for importante.

  • WCAG 2.2 exige legendas para áudio pré-gravado em mídia sincronizada no Nível A (SC 1.2.2), legendas para áudio sincronizado ao vivo no Nível AA (SC 1.2.4) e audiodescrição para vídeo pré-gravado no Nível AA (SC 1.2.5). O Nível A da WCAG permite audiodescrição ou uma alternativa de mídia para vídeo sincronizado pré-gravado sob SC 1.2.3. Fonte: W3C WCAG 2.2, verificado em 10/07/2026.
  • A orientação de flash da WCAG 2.2 afirma que o conteúdo não deve piscar mais de três vezes em qualquer período de um segundo, a menos que esteja abaixo dos limites gerais/vermelhos. Fonte: W3C Understanding SC 2.3.1, verificado em 10/07/2026.
  • O contraste mínimo da WCAG para texto é 4,5:1, com 3:1 para texto em grande escala. Este é um critério para texto na web; legendas incorporadas são pixels de vídeo, mas use-o como alvo mínimo de design para legibilidade de legendas, a menos que uma especificação/plataforma mais rigorosa se aplique. Fonte: W3C WCAG 2.2 SC 1.4.3, verificado em 10/07/2026.
  • Section508.gov distingue legendas ocultas, legendas abertas, legendas traduzidas e transcrições: legendas ocultas podem ser ativadas/desativadas; legendas abertas são permanentes no vídeo; legendas traduzidas geralmente traduzem diálogo para públicos ouvintes e normalmente não incluem identificação de falantes ou áudio não falado; transcrições não são codificadas por tempo. Fonte: Diretrizes de mídia sincronizada do Section508.gov, verificado em 10/07/2026.
  • As regras de qualidade de legendas da FCC dos EUA para programação de televisão coberta definem qualidade em torno de precisão, sincronia, completude e posicionamento; as legendas devem incluir informações não verbais relevantes, ser legíveis e evitar bloquear conteúdo visual essencial. Fonte: 47 CFR Sec. 79.1 via Legal Information Institute/eCFR, verificado em 10/07/2026. Este skill não determina se um projeto específico é coberto pelas regras da FCC.
  • A Ajuda do YouTube lista SRT e SBV/SubViewer como formatos básicos e WebVTT/TTML/SAMI/RealText como formatos avançados; arquivos SRT/SBV básicos devem ser UTF-8 simples e o YouTube observa que o suporte a estilo é limitado. Fonte: Ajuda do YouTube, verificado em 10/07/2026.
  • A Ajuda do Vimeo afirma que o Vimeo suporta SRT e WebVTT para legendas/legendas traduzidas, recomenda WebVTT e exige codificação UTF-8 para caracteres especiais. Fonte: Ajuda do Vimeo, verificado em 10/07/2026.
  • WebVTT é um formato de texto cronometrado UTF-8 usado com faixas de mídia; começa com WEBVTT, contém dicas cronometradas e pode ser usado para legendas, legendas traduzidas, descrições, capítulos ou metadados, dependendo do suporte do player. Fontes: W3C/MDN e documentação WebVTT da Biblioteca do Congresso, verificado em 10/07/2026.
  • A sintaxe WebVTT do W3C exige UTF-8, uma assinatura de arquivo WEBVTT, tempos de dica com milissegundos de período, tempos de início de dica ordenados e tempos de término maiores que os tempos de início. A sobreposição de dicas é permitida pelo formato para legendas/legendas traduzidas, mas muitos fluxos de trabalho de entrega de legendas ainda rejeitam ou sinalizam sobreposições. Fonte: Rascunho de Candidatura a Recomendação WebVTT do W3C, verificado em 11/07/2026.
  • SRT é uma convenção sidecar de texto simples amplamente usada, mas levemente padronizada, composta por blocos repetidos: contador numérico, linha de tempo de início/término, texto da legenda e um separador de linha em branco. A prática comum de entrega usa tempo HH:MM:SS,mmm --> HH:MM:SS,mmm e UTF-8 para upload em plataformas modernas, mesmo que arquivos SRT legados possam usar outras codificações. Fonte: Descrição do formato SRT da Biblioteca do Congresso mais diretrizes de plataforma já citadas aqui, verificado em 11/07/2026.
  • As diretrizes de texto cronometrado da Netflix são específicas da plataforma, não uma lei universal. Suas orientações públicas de ajuda ao parceiro incluem máximos de 2 linhas, guias de estilo específicos de idioma, durações mínimas/máximas de eventos em requisitos gerais e convenções SDH de inglês dos EUA para identificação de falantes/efeitos sonoros entre colchetes. Fonte: Central de Ajuda ao Parceiro da Netflix, verificado em 10/07/2026.

Heurísticas de produção a aplicar

Estes são padrões de ofício. Substitua-os por um guia de estilo formal do cliente, especificação de emissora, convenção de legenda específica de idioma ou erro de validação de plataforma.

  • Prefira um arquivo de legenda sidecar para acessibilidade sempre que a plataforma suportar. Adicione legendas incorporadas/abertas apenas quando a plataforma, a compra de anúncio ou a experiência do usuário exigirem texto sempre visível.
  • Se estiver incorporando legendas para redes sociais, ainda mantenha um sidecar/master de transcrição editável. Legendas incorporadas não podem ser alternadas, reestilizadas, pesquisadas, traduzidas ou usadas de forma confiável por tecnologia assistiva.
  • Use legendas editadas para mídia pré-gravada. Legendas automáticas são úteis para alinhamento de rascunho, mas o trabalho final precisa de revisão humana/agente contra áudio, identidade do falante, pontuação, efeitos sonoros, nomes próprios e tempo.
  • Mantenha as dicas legíveis: geralmente 1-2 linhas, comprimentos de linha equilibrados, quebras de frase naturais e tempo de tela suficiente para ler sem pressa. Se o texto estiver muito denso, edite apenas redundância não essencial, preservando o significado e o vocabulário chave.
  • Cronometre as dicas para o áudio que representam: apareça perto do início da fala/som, desapareça perto do seu fim, evite dicas sobrepostas e evite que as legendas liderem piadas, revelações ou instruções críticas de segurança antes de serem ouvidas.
  • Reposicione legendas quando cobrirem rostos, terços inferiores, UI de produto, gráficos, legendas já na imagem, superposições legais ou controles de plataforma.
  • Em vídeo gerado, reduza o trabalho de legenda projetando o roteiro e a edição para acessibilidade: menos vozes concorrentes, texto legível na tela, informações visuais descritas na narração quando possível e pausas para audiodescrição onde necessário.

Autoria de legendas e SDH

Crie um master de legenda a partir destas entradas:

  • vídeo e áudio bloqueados;
  • roteiro de narração/diálogo final ou transcrição;
  • lista de falantes com nomes, títulos, papéis, pronúncias e quando os nomes são revelados pela primeira vez;
  • glossário para nomes de produtos, nomes próprios, siglas, termos técnicos, frases legais e nomes inventados/gerados;
  • folha de dicas de música e status de letras;
  • lista de texto na tela, chamadas de gráficos/dados e quaisquer batidas de história apenas visuais;
  • formato(s) alvo, política de taxa de quadros/ timecode, tag de idioma/localidade e guia de estilo.

Para cada dica de legenda:

  • Inclua palavras faladas em ordem. Não parafraseie, a menos que restrições de legibilidade/tempo exijam compressão e o padrão escolhido a permita.
  • Preserve significado, tom e vocabulário essencial. Mantenha gírias intencionais, erros gramaticais, repetições ou hesitações quando forem importantes para caracterização, humor, segurança ou instrução.
  • Use pontuação para esclarecer significado, não para decorar.
  • Identifique falantes quando o espectador não puder inferir com segurança quem está falando pela posição ou imagem. Use nomes conhecidos somente após o conteúdo os revelar; caso contrário, use descritores neutros como [narrador], [voz fora da tela], [mulher 1] ou rótulos aprovados pelo cliente.
  • Inclua áudio não falado quando afetar significado, humor, segurança, história ou instrução: [alarme dispara], [música suave de piano], [plateia ri], [porta destranca]. Não legende todos os sons incidentais.
  • Legende letras quando as letras forem audíveis e importantes, sujeito a direitos/instruções do cliente. Se as letras não estiverem sendo legendadas, identifique a música quando afetar a experiência.
  • Evite expor informações não disponíveis para espectadores ouvintes naquele momento. Não nomeie um falante misterioso, revele um twist ou explique uma causa oculta cedo.
  • Evite descrições visuais dentro de legendas, a menos que estejam representando som ou identificação de falante. O acesso visual pertence à narração, descrição integrada, audiodescrição ou transcrição descritiva.

Quebras de linha:

  • Quebre nos limites de frase, oração ou sintagma.
  • Evite separar artigos de substantivos, adjetivos/modificadores de substantivos, nomes próprios, verbos auxiliares de verbos principais, preposições de seus objetos ou um pronome sujeito de seu verbo.
  • Não coloque o final de uma frase e o início de outra na mesma linha quando uma divisão mais limpa estiver disponível.
  • Mantenha dicas de dois falantes raras; quando inevitável, torne os falantes visualmente distintos com uma convenção consistente suportada pelo formato/plataforma alvo.

Tempo:

  • Alinhe legendas ao áudio final, não ao tempo do roteiro.
  • Não deixe legendas persistirem muito além da fala, a menos que seja necessário para legibilidade e não enganoso.
  • Use lacunas quando melhorarem a legibilidade, mas evite cintilação desnecessária de lacunas muito curtas.
  • Se um falante for interrompido, use pontuação que torne a interrupção compreensível.
  • Para avisos rápidos, instruções de segurança ou texto legal, recuse entrega ilegível em vez de esconder o problema em legendas minúsculas.

Design de legendas incorporadas/abertas

A incorporação é tipografia sobre imagens em movimento. Projete como uma UI legível:

  • Use alto contraste contra todos os quadros representativos. Adicione uma caixa semi-opaca, sombra, contorno ou gradiente quando os fundos variarem.
  • Mantenha o texto grande o suficiente para a menor tela e caminho de compressão esperados. Visualize no tamanho de um telefone, não apenas em um monitor de desktop.
  • Deixe margens para UI da plataforma: legendas, handles, botões de reação, barras de progresso, terços inferiores e áreas seguras diferem por plataforma e orientação.
  • Evite colocar legendas sobre rostos, bocas em trabalho de sincronia labial/avatar, produtos sendo demonstrados, gráficos, legendas já presentes e intérpretes de língua de sinais.
  • Mantenha animações contidas. Legendas palavra por palavra cinéticas podem ajudar na retenção em redes sociais, mas não substituem legendas acessíveis se omitirem palavras, se moverem muito rápido, faltarem contraste ou não puderem ser desligadas.
  • Não use apenas cor para distinguir falantes ou significado. Combine cor com rótulos, posicionamento ou outras pistas não cromáticas.

Transcrições e transcrições descritivas

Forneça uma transcrição quando o usuário solicitar, quando a mídia for apenas áudio, quando fluxos de treinamento/pesquisa/revisão se beneficiarem dela ou quando requisitos de acessibilidade exigirem uma alternativa de mídia baseada em tempo.

Transcrição básica:

  • Inclua fala, nomes de falantes, áudio não falado significativo e notas de música/letras.
  • Corrija erros óbvios de ASR, pontuação e nomes próprios.
  • Adicione cabeçalhos ou timestamps quando úteis para navegação.

Transcrição descritiva:

  • Inclua a transcrição básica mais informações visuais essenciais: texto na tela, gráficos, ações, mudanças de cena, demonstrações, gestos e piadas/instruções apenas visuais.
  • Use a mesma fonte da verdade que legendas e audiodescrição.
  • Prefira descrições concisas que permitam a um leitor entender o conteúdo sem ver ou ouvir o vídeo.

Planejamento de audiodescrição

Planeje a audiodescrição antes do bloqueio da imagem, quando possível. A solução mais barata e limpa para muitos vídeos explicativos, demonstrações e treinamentos é a descrição integrada: escreva a narração principal para que naturalmente diga informações visuais essenciais.

Escolha o método:

  • Descrição integrada: melhor para novos vídeos explicativos, treinamentos, demonstrações de tela, passos por produtos e mídia educacional onde a narração pode mencionar o que é visualmente importante.
  • Faixa de audiodescrição separada: melhor quando o mix original deve permanecer inalterado e o player/plataforma suporta uma faixa de áudio descrita alternativa.
  • Exportação alternativa de vídeo descrito: melhor quando a plataforma não suporta audiodescrição selecionável pelo usuário, mas pode hospedar uma segunda versão.
  • Arquivo de descrição de texto cronometrado: possível onde o player suporta descrições a partir de texto; verifique o suporte de reprodução.
  • Transcrição descritiva: útil para amplo acesso e exigida em alguns contextos da WCAG, mas nem sempre um substituto para audiodescrição sincronizada no nível de conformidade solicitado.

O que descrever:

  • Ações essenciais, identidades, mudanças de cena, cenários, gráficos, diagramas, operações de tela, texto na tela, estados de produto, gestos e causa/efeito apenas visual.
  • Descreva do geral para o específico ao orientar um espectador.
  • Priorize o que é necessário para acompanhar, entender e apreciar o conteúdo. Não preencha todas as pausas.
  • Use presente, voz ativa, linguagem objetiva e vocabulário adequado ao público.
  • Evite interpretar emoção ou intenção quando um fato visível for suficiente. Prefira "Maya cerra os punhos" a "Maya está furiosa", a menos que a emoção seja declarada de outra forma ou inconfundível e relevante.
  • Coloque a descrição antes ou durante o momento visual relevante, quando possível, não depois que o espectador precisar dela.
  • Evite falar sobre diálogo ou áudio essencial para compreensão, a menos que necessário.

Segurança contra flashes, movimento e sensorial

Execute uma verificação de segurança sensorial para gráficos em movimento gerados, edições de glitch, relâmpagos, alarmes, flashes de câmera, strobes, cortes rápidos, cintilação de padrão de alto contraste, flashes vermelhos e tipografia cinética agressiva.

  • Evite flashes acima do limite de três flashes por segundo da WCAG...

[...truncado para tradução]

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

Habilidades Relacionadas