Converter legendas JSON3 do YouTube para SRT, VTT ou LRC

Ao baixar legendas do YouTube, o formato mais próximo do original é o JSON3: o formato timedtext estruturado usado internamente pelo YouTube. Ele preserva milissegundos, deslocamentos por palavra e segmentos de texto. O problema é que quase nada fora do YouTube lê JSON3. Este guia mostra como extrair essas legendas e convertê-las em segundos para SRT, VTT ou LRC.

O que é o formato JSON3

JSON3 é o formato timedtext baseado em JSON usado pelo YouTube para armazenar e entregar legendas. Cada legenda é um evento com início em milissegundos (tStartMs), duração (dDurationMs) e um ou mais segmentos de texto (segs). Os segmentos podem incluir um deslocamento por palavra (tOffsetMs), útil para sincronização estilo karaokê.

Por ser JSON estruturado, ele guarda mais informações de tempo do que os formatos aceitos pelos reprodutores comuns. Isso o torna o melhor formato intermediário quando a fidelidade importa, e o pior formato para entregar direto a um player. A solução é simples: baixe em JSON3 e converta depois.

Como baixar legendas do YouTube em JSON3

Opção 1: yt-dlp (recomendado)

A forma mais confiável é o yt-dlp. Para baixar apenas as legendas automáticas em inglês, sem o vídeo:

yt-dlp --write-auto-subs --sub-lang en --sub-format json3 --skip-download "https://www.youtube.com/watch?v=VIDEO_ID"

Será criado um arquivo .json3 na pasta atual. Se existir uma trilha editada por pessoas, prefira --write-subs, porque costuma ser mais precisa.

Opção 2: API timedtext do YouTube

O endpoint timedtext pode devolver JSON3 diretamente. Substitua o ID do vídeo e o código de idioma:

https://www.youtube.com/api/timedtext?v=VIDEO_ID&lang=pt&fmt=json3

O navegador exibirá o conteúdo JSON3. Legendas automáticas podem exigir parâmetros extras e o YouTube às vezes restringe esse endpoint.

Opção 3: extensão de navegador

Algumas extensões adicionam um botão de download no YouTube e exportam JSON3 ou VTT. São práticas para usos pontuais, mas dão menos controle sobre idiomas e formato de saída do que o yt-dlp.

Por que converter JSON3

Nenhum player padrão, editor de vídeo ou aplicativo de letras lê JSON3. Cada destino tem uma vantagem clara:

• SRT oferece compatibilidade universal em players, TVs, celulares e editores.
• VTT é o padrão W3C para legendas em vídeo HTML5.
• LRC é ideal para letras sincronizadas em players de música.

Fluxo de conversão

1. Baixe o JSON3. Use yt-dlp ou a API timedtext.
2. Escolha o conversor. Conforme o destino, use JSON to SRT, JSON to VTT ou JSON to LRC.
3. Envie e converta. Todo o processo roda no navegador e o arquivo não sai do seu computador.
4. Baixe e confira. Abra o resultado em um editor de texto ou reproduza com o vídeo para validar a sincronização.

O que acontece com os tempos

O JSON3 tem a informação temporal mais rica, portanto parte dela é simplificada na conversão:

• Deslocamentos por palavra são agrupados nas horas de início e fim de cada legenda.
• Milissegundos continuam presentes em SRT e VTT; no LRC são arredondados para centésimos.
• Horas de fim permanecem em SRT e VTT, mas o LRC guarda apenas os inícios.

Na prática, essas perdas não prejudicam a legibilidade e as horas de início e fim continuam precisas.

Problemas comuns e soluções

• JSON3 vazio ou muito pequeno. Talvez não exista trilha no idioma pedido. Troque o valor de --sub-lang ou verifique o botão CC.
• Legendas automáticas fora de sincronia. São aproximadas, principalmente em vídeos longos. Prefira trilhas editadas quando existirem.
• Caracteres especiais incorretos. JSON3 é UTF-8; confirme se a aplicação de destino também lê UTF-8.
• Vários idiomas baixados. Limite a trilha com --sub-lang.

Privacidade e segurança

Legendas podem conter conteúdo sensível. Ao baixar com uma ferramenta local e converter no navegador, todo o fluxo permanece no seu dispositivo, sem uploads nem servidores terceiros.

Pronto para converter

O JSON3 captura as legendas do YouTube com alta fidelidade. Converter para SRT, VTT ou LRC torna esse material útil em players, editores e aplicativos de música em poucos segundos.