A Maioria das Pessoas Vê Seu Vídeo Com o Som Desligado

Ponha as palavras dela na tela. Um depoimento que ninguém consegue ouvir é um depoimento que ninguém recebe.

Pense em onde as pessoas realmente rolam o feed: no ônibus. Na sala de espera. Num escritório aberto. Na cama, ao lado de alguém que dorme. Som desligado, sempre.

O seu depoimento de trinta segundos é uma pessoa falando. Tire o som e vira uma estranha movendo os lábios em silêncio para um telefone. Tudo o que você coletou desaparece.

Legendas não são um extra simpático para acessibilidade. Para esse tipo específico de vídeo, elas são o mecanismo inteiro de entrega.

O número que eu não vou te dar

Você já deve ter visto “85% dos vídeos são assistidos sem som”. Ou 80%. Ou 92%, dependendo de qual blog de marketing você caiu.

Persiga qualquer um desses números e vai encontrar um blog citando um blog que não cita nada. Por isso eu não vou repetir nenhum — um número sem fonte é uma decoração, não um fato, e você também não deveria colocar um assim no seu próprio marketing.

O que você não precisa de estatística nenhuma para perceber: olhe onde você está agora mesmo, e se o seu próprio som está ligado. Depois pense na última vez em que você rolou o feed dentro de um ônibus. O comportamento não está em dúvida; só a casa decimal.

Uma clínica de fisioterapia, trinta segundos, sem som

Imagine um fisioterapeuta filmando um paciente no canto da sala de tratamento. O homem voltou depois de um joelho que o tirou do futebol de várzea por um ano, e ele está genuinamente feliz. Ele fala por trinta segundos — um pouco desconexo, grato, do jeito que as pessoas ficam quando algo realmente funcionou.

Agora assista a esse clipe do jeito que ele será visto de verdade: mudo, folheado com o polegar no sofá às nove da noite. Sem texto, é um homem de meia-idade de polo movendo a boca numa sala cheia de equipamento. Nada ali diz joelho, diz um ano longe do campo, diz obrigado. O único ativo — uma pessoa real dizendo algo real — nunca chega até quem assiste.

Ponha as palavras dele na tela e os mesmos trinta segundos cumprem toda a função em silêncio. Quem assiste lê “não conseguia jogar futebol há um ano”, lê “de volta ao campo em março”, e decide ligar o som para ouvi-lo dizer isso. A legenda comprou a segunda chance. Um paciente falando sobre um resultado que ele sente é uma das coisas mais persuasivas que uma clínica tem — mas só se conseguir chegar até a pessoa com o som desligado.

As legendas são onde a arrumação se infiltra

Agora a parte importante, e o motivo pelo qual este artigo existe.

As legendas são texto. Texto parece editável de um jeito que áudio não parece. Ninguém sonharia em cortar a frase de um cliente no áudio — mas quase todo mundo, diante de uma legenda gerada automaticamente cheia de “ãhn” e frases inacabadas, silenciosamente arruma tudo.

Você corrige a gramática. Apaga o “ãhn”. Junta a frase que ela abandonou com a que ela começou em seguida. Leva dois minutos e fica muito melhor.

E você acabou de reescrever o que ela disse.

As palavras dela vão ao ar exatamente como ela falou — e isso inclui a legenda. Nem arrumada, nem encurtada, nem melhorada. Para quem assiste sem som, a legenda é o depoimento: é a única versão dela que essa pessoa vai receber. Uma legenda arrumada não é um retoque cosmético num depoimento real. Para a maior parte do seu público, é um depoimento fabricado.

Essa é a armadilha que pega justamente quem já entendeu tudo o mais. A legenda é sua; as palavras dela são dela — e a legenda é as palavras dela, não a sua.

Corrija os erros, não corrija a pessoa

Uma única exceção legítima, e é preciso manter essa linha exatamente aqui.

A transcrição automática erra. Ela ouve “balayage” e escreve “balé a idade”. Transforma um nome em algo sem sentido. Estropia uma palavra que nunca encontrou antes.

Corrigir um erro de transcrição é restaurar o que ela disse. Corrigir ela é substituir o que ela disse. O teste é simples: ela reconheceria isso como a frase dela, ou como uma frase melhorada?

• Ela disse “balayage”, a máquina escreveu “balé a idade” → corrija. Isso é um reparo.
• Ela disse “é, ãhn, é sinceramente muito melhor do que — é, do que eu esperava” e você escreveu “É sinceramente muito melhor do que eu esperava” → não faça isso. Isso é uma reescrita, e é a que custa caro.

O som ainda importa: metade vai ligar de novo

Não leia tudo isso como “o som não conta”.

As pessoas interessadas — as que realmente estão pensando em agendar — muitas vezes ligam o som, e é aí que ouvem o que as convence: o calor na voz, a hesitação, o pequeno riso, a entonação real de uma pessoa satisfeita e um pouco constrangida.

A legenda leva ela além da rolagem. A voz fecha o negócio.

É por isso que a qualidade do som ainda é a primeira coisa a acertar no momento da gravação: fique a um braço de distância, desligue o secador, aponte a base do telefone para ela. O som importa mais do que a imagem, e nenhuma legenda salva uma gravação que ninguém aguenta ouvir.

Legenda embutida ou legenda da própria plataforma?

Instagram e TikTok podem gerar legendas para você, do próprio lado deles. É mais rápido e poupa uma etapa. Mas há duas coisas que vale a pena saber antes de depender disso.

Primeiro, quem assiste muitas vezes consegue desligar as legendas da plataforma, e em alguns feeds elas não vêm ativadas por padrão. Legendas embutidas no próprio vídeo — gravadas nos pixels — estão sempre lá, em toda plataforma, para todo mundo que assiste. Nada para ativar, nada de que depender.

Segundo, e este é o que mais importa aqui: as legendas automáticas da plataforma são geradas automaticamente, o que significa que carregam exatamente os mesmos erros — e exatamente a mesma tentação de arrumar — que qualquer outra transcrição. “Balayage” sai como “balé a idade” seja a máquina que digita a sua ou a do Instagram. Então a regra não muda com a ferramenta. Leia o que ela produziu. Corrija os erros. Deixe a pessoa em paz.

E se você publicar o mesmo clipe em várias plataformas, a legenda embutida viaja com ele e fica igual em todo lugar. Legendas de plataforma precisam ser refeitas, e revisadas, em cada uma delas — o que são mais três chances de “melhorar” silenciosamente uma frase que ela nunca disse.

As legendas também mantêm as pessoas assistindo

Há um motivo mais silencioso para legendar, além da pessoa no ônibus. Um vídeo que faz sentido com o som desligado é um vídeo que as pessoas acompanham por mais tempo, porque não rolam para longe no primeiro segundo se perguntando do que se trata. E permanecer é a única coisa que toda plataforma interpreta como “mostre isso para mais gente”.

Então você não está adicionando legendas para agradar um algoritmo. Está adicionando para que um ser humano pare e leia — e o algoritmo só está contando quantos humanos pararam.

Mantenha-as legíveis

Prático, e rápido:

• Grande o suficiente para ler num celular a um braço de distância. Se você tem que apertar os olhos na sua própria tela, ninguém mais vai conseguir ler.
• Alto contraste. Texto branco com contorno escuro sobrevive a qualquer fundo.
• Fora das zonas de perigo. A parte de baixo de um Reel ou de um TikTok fica coberta pela legenda da plataforma, pelo nome de usuário e pelos botões. Um texto posicionado ali fica invisível na plataforma real, mesmo parecendo ótimo no editor.
• Sem karaokê animado palavra por palavra num depoimento. É a linguagem visual de um anúncio produzido, e vai contra a única coisa a favor do seu vídeo, que é o fato de ninguém tê-lo produzido.

Desligue seu próprio som e assista

Antes de publicar, faça isso uma vez: mude o vídeo para mudo e assista como uma pessoa estranha assistiria.

Você consegue acompanhar o que ela está dizendo? O texto é legível, fica tempo suficiente na tela, não está escondido atrás de um botão?

Se sim, você tem um depoimento. Se não, você tem trinta segundos de uma mulher movendo os lábios para um telefone, e tudo o que você fez para conseguir isso foi desperdiçado na última etapa.

E seja qual for o texto da legenda, garanta que é o que ela disse — hesitações incluídas. Essa é a única versão que vale a pena colocar na tela.