Dobre praktyki tworzenia napisów: jak robić napisy, które da się przeczytać

Napisy działają tylko wtedy, gdy da się je przeczytać w czasie, przez jaki są na ekranie, i nadal widzieć, co dzieje się w kadrze. Nadawcy telewizyjni i serwisy streamingowe zamienili to w precyzyjne reguły. Wideo w mediach społecznościowych zmienia część warunków – ekran jest wysoki i mały, oprawa głośniejsza, a widz przewija – ale te reguły wciąż są dobrym punktem wyjścia i większość z nich przenosi się wprost.

Wytyczne, które warto znać

Cztery źródła wracają raz po raz. Liczby w tym poradniku pochodzą z ich aktualnych wersji. Tam, gdzie się różnią, zwykle wynika to z tego, że pisano je dla innych ekranów i innej publiczności.

• BBC Subtitle Guidelines (wersja 1.2.5, marzec 2026) obejmują wideo telewizyjne i internetowe, a także zawierają osobne wskazówki dla wideo pionowego 9:16.
• English (USA) Timed Text Style Guide Netflixa ustala zasady dla napisów i SDH dostarczanych do Netflixa.
• DCMP Captioning Key, przygotowany przez amerykański Described and Captioned Media Program, powstał z myślą o materiałach edukacyjnych.
• WCAG 2.2 wymaga napisów dla wcześniej nagranego wideo (kryterium sukcesu 1.2.2), ale nie określa długości wiersza, tempa ani stylu.

Długość wiersza

Długie wiersze każą oku pokonać większy dystans i zasłaniają więcej obrazu. BBC ogranicza napisy telewizyjne do 37 znaków w wierszu – to ograniczenie odziedziczone po telegazecie. W wideo internetowym limit wyznacza zamiast tego szerokość: 68% szerokości poziomego wideo 16:9 albo 90% pionowego wideo 9:16. Angielski przewodnik Netflixa dopuszcza do 42 znaków w wierszu.

Wideo pionowe jest wąskie, więc w czytelnym rozmiarze mieści się o wiele mniej znaków. BBC podaje przydatne przeliczenie: 37 znaków w obszarze o szerokości 75% kadru 16:9 odpowiada 25 znakom na 90% szerokości kadru 9:16. W TikToku, rolkach i Shorts traktuj 25 znaków w wierszu jako górną granicę, a jeśli twój styl napisów ma duże, grube litery – zejdź jeszcze niżej.

Liczba wierszy w napisie

Netflix dopuszcza maksymalnie dwa wiersze, a DCMP Captioning Key woli nie więcej niż dwa. BBC zaleca dwa wiersze dla wideo poziomego, 4:3 i kwadratowego oraz do trzech dla pionowego 9:16, gdzie każdy wiersz jest krótszy. Przy gęstym montażu pionowym jeden wiersz – albo dwa krótkie – odsłania więcej obrazu i daje widzowi mniej do przyswojenia naraz.

Tempo czytania

Tempo czytania mierzy się w słowach na minutę (wpm) albo w znakach na sekundę (cps). Oto, na co pozwalają poszczególne wytyczne:

Żeby sprawdzić napis, podziel liczbę jego znaków przez czas, przez jaki jest na ekranie. Napis o 38 znakach wyświetlany przez 1,5 sekundy to około 25 znaków na sekundę – szybciej, niż Netflix dopuszcza w programach dla dorosłych. Pokaż go dłużej, jeśli mowa na to pozwala, albo podziel na dwa napisy.

Najtrudniejszy przypadek w wideo społecznościowym to szybko mówiący. BBC zauważa, że widzowie zwykle wolą napisy dosłowne, a w mediach społecznościowych dokładne sformułowania mówiącego często są całą solą. Zamiast przepisywać czyjeś słowa, podziel je na więcej krótszych napisów zsynchronizowanych z mową. Skracaj tylko wtedy, gdy słów naprawdę nie da się przeczytać na czas – i nigdy w sposób, który zmienia sens.

Czas i długość napisu

• Zacznij razem z mową. Wytyczne BBC mówią, że napis ma pojawiać się w momencie, w którym zaczyna się wypowiedź, a opóźnienie względem mowy trzeba ograniczać do minimum.
• Minimalny czas. Netflix ustala minimum na pięć szóstych sekundy (20 klatek przy 24 klatkach na sekundę). DCMP Captioning Key podaje 40 klatek – 1 sekundę i 10 klatek. BBC sugeruje, żeby celować w około 0,3 s na słowo, więc czterowyrazowy napis zostaje na ekranie przez mniej więcej 1,2 sekundy.
• Maksymalny czas. Netflix ogranicza jeden napis do 7 sekund, a DCMP do 6. Napis, który zostaje na ekranie długo po tym, jak słowa się skończyły, przestaje pasować do tego, co widz słyszy.
• Cięcia montażowe. BBC odradza napisy, które przechodzą przez cięcie: podziel zdanie albo zacznij nowy napis dokładnie na cięciu. Przy szybkim montażu w mediach społecznościowych trudno trzymać się tego rygorystycznie, ale unikaj napisu, który mignie na kilka klatek tuż przed cięciem.

Gdzie dzielić wiersze

Dziel wiersze tam, gdzie mówiący naturalnie zrobiłby pauzę, najlepiej po znaku interpunkcyjnym. BBC wymienia połączenia, które powinny zostać w jednym wierszu:

• przedimek i rzeczownik – w językach, które mają przedimki (the table, a book);
• przyimek i wyrażenie, które po nim następuje (na stole);
• spójnik i zdanie, które wprowadza (i te książki);
• zaimek i czasownik (oni przyjdą);
• części czasownika złożonego (będzie musiał zrobić).

Angielski przewodnik Netflixa każe dzielić po znakach interpunkcyjnych, a przed spójnikami i przyimkami, oraz nie rozdzielać imienia od nazwiska, przymiotnika od rzeczownika ani podmiotu od orzeczenia. DCMP Captioning Key również odradza dzielenie imienia i nazwiska oraz oddzielanie tytułu od nazwiska, do którego należy.

Niezręcznie   W marcu wydaliśmy nową
              aplikację.

Lepiej        W marcu wydaliśmy
              nową aplikację.

Podział wierszy nie jest jednak najważniejszy. BBC pisze, że gdy dobre podziały wierszy kolidują z dobrze zredagowanym tekstem i dobrymi czasami, ważniejsze są tekst i czas.

Umieszczenie napisów w wideo pionowym

Klasyczne napisy siedzą na dole, na środku kadru, i przesuwają się, gdy miałyby zasłonić coś ważnego. DCMP każe przenosić napisy na górę, gdy zasłoniłyby twarz mówiącego albo istotny tekst w kadrze, a Netflix umieszcza napisy tam, gdzie łatwiej je przeczytać, kiedy w obrazie pojawia się tekst.

Platformy pionowe dokładają kolejną przeszkodę: własny interfejs aplikacji. W TikToku, rolkach i Shorts nazwa twórcy i opis posta siedzą na dole wideo, a przyciski polubienia, komentarza i udostępniania biegną wzdłuż prawej krawędzi.

• Podnieś napisy. BBC zauważa, że w wideo pionowym często umieszcza się napisy nieco wyżej – zwykle wciąż w dolnej jednej trzeciej – bo twarze zazwyczaj znajdują się w górnej połowie kadru.
• Zostaw margines po prawej, żeby słowa nie chowały się pod przyciskami, i wyśrodkuj wiersze.
• Nie zasłaniaj ust ani tekstu w kadrze. Lepiej przesunąć napis, niż pozwolić mu zachodzić na ujęcie produktu albo planszę tytułową.
• Sprawdź na telefonie. Układ aplikacji się zmienia i różni się między urządzeniami, więc zamiast ufać sztywnemu szablonowi, obejrzyj testowy materiał na prawdziwym ekranie.

Kontrast, obrys i rozmiar

Napisy muszą być czytelne na każdym kadrze – od ciemnego pokoju po białą ścianę za mówiącym. Są trzy sprawdzone sposoby, żeby to osiągnąć:

• Tło pod tekstem. Domyślne rozwiązanie BBC to biały tekst na czarnym tle. DCMP Captioning Key woli tło półprzezroczyste, dzięki czemu tekst pozostaje czytelny także na jasnych ujęciach.
• Obrys lub cień. DCMP zaleca białe, bezszeryfowe znaki o średniej grubości, z cieniem rzucanym lub konturowym. W wyrazistych stylach społecznościowych tę samą rolę pełni mocny, ciemny obrys.
• Zmierzony kontrast. Minimalny współczynnik kontrastu tekstu według WCAG to 4,5:1 (kryterium sukcesu 1.4.3). Napisano go z myślą o tekście na stronach internetowych, a nie w wideo, ale to sensowny punkt odniesienia dla napisów na ich tle lub obrysie.

Jeśli chodzi o rozmiar, BBC określa wielkość napisów przez wysokość wiersza jako część wysokości obrazu: 7–8% dla wideo poziomego, 4:3 i kwadratowego oraz 3,9–4,5% dla wideo pionowego 9:16. Style napisów w mediach społecznościowych bywają większe i grubsze. To też działa, o ile wiersze są na tyle krótkie, żeby się zmieścić, a tekst nie zasłania tematu ujęcia.

Na koniec wielkość liter. DCMP woli zapis małymi i wielkimi literami, bo jest czytelniejszy, a wersaliki zostawia na krzyk. W krótkich formach wideo style pisane samymi wersalikami są częste; jeśli wybierzesz taki, tym bardziej skracaj napisy.

Mówiący, dźwięki i muzyka

Widzowie, którzy nie słyszą dźwięku – bo są niesłyszący lub słabosłyszący albo po prostu przewijają z wyciszonym dźwiękiem – potrzebują czegoś więcej niż samych dialogów.

• Zmiana mówiącego. Pokaż wyraźnie, że zaczyna mówić ktoś inny. BBC używa małego zestawu kolorów tekstu na czarnym tle – białego, żółtego, cyjanowego i zielonego – i pilnuje, żeby kolor każdej osoby był stały. Angielski przewodnik Netflixa dodaje oznaczenie mówiącego w nawiasie kwadratowym tylko wtedy, gdy widz nie widzi, kto mówi. DCMP woli umieszczać napis pod osobą, która mówi, a imię w nawiasie okrągłym dodaje dopiero wtedy, gdy sama pozycja nie wystarcza.
• Efekty dźwiękowe. Opisuj dźwięki, które są ważne dla opowieści albo dla żartu. Konwencje się różnią: BBC zapisuje etykiety dźwięków białymi wersalikami jako krótkie frazy z podmiotem i orzeczeniem, na przykład SKRZYPIĄ DESKI PODŁOGI; Netflix używa nawiasów kwadratowych i małych liter, jak [trzaskają drzwi]; DCMP umieszcza opisy w nawiasach kwadratowych i nazywa źródło dźwięku.
• Muzyka. DCMP ujmuje śpiewane słowa w symbole nut (♪). Przy muzyce w tle wystarczy krótki opis nastroju w nawiasie kwadratowym, jeśli nastrój ma znaczenie.
• Wybierz jedną konwencję i trzymaj się jej. Spójność w obrębie jednego wideo znaczy więcej niż to, który system wybierzesz.

Poprawność: nazwy, liczby i żargon

Automatyczne rozpoznawanie mowy daje szybki pierwszy szkic i popełnia przewidywalne błędy. Centrum pomocy YouTube ostrzega, że automatyczne napisy mogą przekręcić wypowiedź z powodu złej wymowy, akcentu, dialektu lub hałasu w tle. Te rzeczy sprawdzaj ręcznie za każdym razem:

• Nazwiska i nazwy osób, marek, produktów i miejsc, łącznie z zapisem wielkimi literami.
• Liczby, ceny, daty i jednostki. Wybierz jeden sposób zapisu liczb i stosuj go konsekwentnie. DCMP zapisuje słownie liczby od jednego do dziesięciu, a powyżej dziesięciu używa cyfr.
• Żargon i skróty z twojej branży, których ogólny model może nie znać.
• Słowa, które brzmią tak samo – na przykład morze i może, hart i chart, lód i lud.
• Przerywniki i urwane początki. Zdecyduj, czy zostawiasz „yyy” i powtórzone słowa. Usunięcie ich poprawia tempo czytania, zostawienie – zachowuje ton wypowiedzi. Nigdy nie usuwaj słowa, jeśli zmienia to sens.

Poprawka powinna zająć chwilę. W AutoCap każde słowo ma własny czas początku i końca, więc możesz poprawić źle usłyszane nazwisko, podzielić długi wiersz albo przesunąć pojedyncze słowo, nie zmieniając czasów wszystkiego dookoła.

Style słowo po słowie i karaoke

Napisy słowo po słowie pokazują naraz jedno lub kilka słów albo odsłaniają wiersz słowo po słowie. Style karaoke pokazują cały wiersz i wyróżniają każde słowo w momencie, w którym pada. Obydwa są częste w krótkich formach wideo, bo ruch przyciąga wzrok. Zmieniają też sposób czytania:

• Mniej tekstu naraz to brak czytania do przodu. Gdy na ekranie jest cały wiersz, widz może objąć wzrokiem frazę i wrócić do obrazu. Kiedy słowa pojawiają się pojedynczo, może czytać tylko w tempie mówiącego, a jego wzrok zostaje na tekście.
• Wytyczne telewizyjne traktują to jako wyjątek. BBC pisze, że napisy kumulacyjne – w których część napisu pojawia się po reszcie – powinny być stosowane tylko wtedy, gdy jest po temu dobry powód, na przykład efekt dramatyczny albo rytm piosenki.
• Animacja rywalizuje ze słowami. Podskok albo zmiana koloru przy każdym słowie to więcej do przetworzenia niż spokojny wiersz z jednym wyróżnieniem.

Sięgaj po nie w krótkich, mocnych klipach, w hookach w pierwszych sekundach i przy wyróżnianiu kluczowego słowa. Przy poradnikach, wywiadach, długich wyjaśnieniach i szybkiej mowie przejdź na spokojniejszy styl. Wyróżnienie w stylu karaoke to często najlepszy kompromis: cała fraza pozostaje czytelna, a aktywne słowo jest oznaczone. Działa to tylko wtedy, gdy wyróżnienie trafia w słowo dokładnie w chwili, w której pada – i dlatego czas każdego słowa ma znaczenie, bo wyróżnienie o pół sekundy za wcześnie wygląda jak błąd. Różne podejścia porównasz w galerii stylów napisów.

Lista kontrolna

1. Jeden lub dwa wiersze na napis; do trzech krótkich wierszy w wideo pionowym.
2. Około 25 znaków w wierszu lub mniej w wideo pionowym; nie więcej niż 37–42 w wideo poziomym.
3. Tempo czytania nie szybsze niż około 20 znaków na sekundę (17 w treściach dla dzieci) albo 160–180 słów na minutę.
4. Żaden napis nie zostaje na ekranie krócej niż około sekundy ani dłużej niż 6–7 sekund.
5. Napisy zaczynają się razem z mową i nie przechodzą przez cięcia montażowe.
6. Wiersze dzielone na naturalnych frazach, nigdy w środku nazwiska ani pary przymiotnik–rzeczownik.
7. Napisy z dala od twarzy, tekstu w kadrze i przycisków aplikacji, sprawdzone na telefonie.
8. Wysoki kontrast dzięki tłu, obrysowi lub cieniowi, sprawdzony na jasnych i ciemnych kadrach.
9. Zmiany mówiących i ważne dźwięki oznaczone w jeden, spójny sposób.
10. Nazwy, liczby i żargon sprawdzone przez człowieka.
11. Animacja słowo po słowie zarezerwowana dla krótkich klipów.

O tym, kiedy wtapiać napisy w obraz, a kiedy publikować plik napisów, przeczytasz w tekście napisy otwarte a zamknięte.