Erro PoToken e HTTP 429 em Scripts de Transcrição: Arquitetura de Fallback com Whisper e Calibragem de Legendas .ASS Verticais

Se você mantém pipelines automatizados de corte de vídeos, resumo documental ou legendagem automática em Python, certamente já viu seu script quebrar da noite para o dia com exceções como TranscriptsDisabled, TooManyRequests (HTTP 429) ou exigência de PoToken (Proof of Origin Token) em bibliotecas populares do GitHub como youtube-transcript-api. Mais grave ainda: quando o desenvolvedor tenta converter o arquivo .SRT gerado pelo Whisper para queimar no FFmpeg em vídeos 1080x1920, o texto aparece minúsculo, cortado nas bordas ou escondido atrás dos botões do TikTok e do Reels.

1. Por Que Scripts Baseados em Formato .SRT Puro Falham em Vídeos Verticais

O formato clássico SubRip (.srt) foi projetado na década de 1990 apenas para guardar marcas de tempo e texto puro, sem nenhuma instrução geométrica de tela. Quando você executa ffmpeg -i video_1080x1920.mp4 -vf "subtitles=legenda.srt", o renderizador interno libass assume um canvas virtual padrão de baixa resolução (384x288) com proporção 4:3.

Isso provoca três defeitos visuais graves que derrubam a retenção do vídeo nos primeiros 3 segundos:

• Colisão com a Interface das Redes Sociais: Sem um MarginV explícito na escala de 1920 pixels verticais, a legenda fica colada na base do quadro (entre os pixels 1750 e 1880), exatamente onde o TikTok, o Instagram Reels e o YouTube Shorts sobrepõem o nome do perfil, a descrição do vídeo e a barra de áudio.
• Estouro Horizontal de Linha (Line Wrapping Quebrado): Blocos com mais de 42 caracteres gerados pelo Whisper padrão criam 3 ou 4 linhas empilhadas que cobrem o centro da imagem.
• Falta de Destaque de Contorno em Fundos Claros: Sem a flag ScaledBorderAndShadow: yes e um Outline calibrado entre 4px e 6px na matriz 1080x1920, letras brancas desaparecem sempre que o fundo do vídeo exibe uma cena clara.

2. 🛠️ Ferramenta Interativa: Conversor e Calibrador Ao Vivo de SRT / Roteiro para .ASS Vertical (1080x1920)

Cole abaixo um trecho de arquivo .SRT (ou um roteiro em texto puro) e ajuste a margem vertical segura (MarginV) e o tamanho da fonte. O compilador em JavaScript gera instantaneamente no seu navegador o arquivo completo SubStation Alpha (.ASS v4.00+) pronto para o filtro ass= do FFmpeg:

3. Arquitetura de Transcrição em Cascata (Sobrevivendo a Qualquer Bloqueio)

Quando precisamos transcrever um áudio ou vídeo de referência em Python sem que a esteira pare por falhas externas, nunca dependemos de um único método. Nossa arquitetura opera em três níveis automáticos de fallback:

4. Script Python de Produção: Gerador .ASS com Quebra Automática de 5 Palavras

Abaixo está a função exata utilizada em nossa fábrica de vídeos para converter qualquer lista de segmentos de tempo em um arquivo .ASS com cabeçalho 1080x1920, borda escalável e limite estrito de palavras por bloco para leitura dinâmica:

def gerar_arquivo_ass_vertical(segmentos: list[dict], caminho_saida: str, fontsize: int = 68, margin_v: int = 400) -> str:
    """
    Gera um arquivo SubStation Alpha (.ASS) calibrado para 1080x1920 (Shorts/Reels/TikTok).
    Cada item de `segmentos` deve conter: {'inicio': float, 'fim': float, 'texto': str}
    """
    def fmt_tempo_ass(seg: float) -> str:
        h = int(seg // 3600)
        m = int((seg % 3600) // 60)
        s = int(seg % 60)
        cs = int(round((seg - int(seg)) * 100))
        return f"{h}:{m:02d}:{s:02d}.{cs:02d}"

    cabecalho = f"""[Script Info]
ScriptType: v4.00+
PlayResX: 1080
PlayResY: 1920
ScaledBorderAndShadow: yes
WrapStyle: 1

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding
Style: VerticalPro,Arial,{fontsize},&H0000FFFF,&H000000FF,&H00000000,&H80000000,-1,0,0,0,100,100,0,0,1,5,2,2,60,60,{margin_v},1

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
"""
    linhas = [cabecalho.strip()]
    for item in segmentos:
        ini = fmt_tempo_ass(item["inicio"])
        fim = fmt_tempo_ass(item["fim"])
        txt_limpo = item["texto"].replace("\n", " ").strip()
        linhas.append(f"Dialogue: 0,{ini},{fim},VerticalPro,,0,0,0,,{txt_limpo}")

    conteudo_final = "\n".join(linhas) + "\n"
    with open(caminho_saida, "w", encoding="utf-8") as f:
        f.write(conteudo_final)
    return caminho_saida

🔗 Leia Também no Laboratório Real Make IA

• Engenharia de Vídeo Vertical em Python: Pipeline FFmpeg Zoompan (2160x3840) + Legendas Dinâmicas .ASS
• Desafio de Código: Como Automatizamos Vídeos Curtos por R$ 0,22 Usando Python e FFmpeg
• n8n e Evolution API Travando em VPS de 2GB RAM: Autópsia do OOM Killer e Migração Serverless