O WebVTT transformou as legendas da web em um arquivo de texto que os navegadores podiam controlar

Quando o vídeo passou a fazer parte do HTML, as legendas não podiam continuar como arquivos auxiliares específicos de cada player. O WebVTT deu à web um arquivo de legendas com aparência de texto, que usava marcações de tempo em milissegundos para os cues e se encaixava diretamente no modelo de mídia do navegador.

O rascunho do W3C define o WebVTT como o formato Web Video Text Tracks para recursos externos de faixas de texto conectados ao elemento track do HTML. O MDN descreve o formato como texto simples, em UTF-8, com o tipo MIME text/vtt e a extensão .vtt.

A jogada de adoção foi unir formato e elemento. Um vídeo pode referenciar vários arquivos de faixa para legendas, subtítulos, capítulos ou metadados, e o MDN indica tanto o WebVTT quanto o track como amplamente disponíveis nos navegadores desde julho de 2015.

Tornar o texto cronometrado nativo e legível

O texto simples tornou as legendas fáceis de criar, revisar e comparar por diff.

O suporte nativo ao track deu a cada elemento de vídeo um local comum para anexar texto cronometrado.

Os cues abrangeram primeiro as legendas, mas também capítulos e metadados sincronizados.

Os ganchos de CSS e JavaScript permitiram que os navegadores padronizassem a exibição sem congelar todas as escolhas de apresentação.

Um formato da web se difunde quando os autores podem editá-lo à mão, os servidores podem servi-lo como texto e os navegadores ainda conseguem transformá-lo em um recurso nativo programável.

Em meados de 2015, o WebVTT e o elemento track do HTML já estavam amplamente disponíveis nos navegadores. O formato se tornou o arquivo auxiliar padrão de legendas na web para áudio e vídeo nativos, ferramentas de acessibilidade e experimentos com metadados de mídia.