Generador de subtítulos gratis

Ejemplo práctico

Suelta una entrevista de 4:30, interview.mp4. El chip del archivo muestra el nombre, su tamaño y 4:30, y aparece un pequeño reproductor. En la página en español «Idioma hablado» empieza en español, «Subtítulos en» en «Idioma original» y «Longitud de los subtítulos» en «Estándar (TV)», con la indicación «Hasta dos líneas de 42 caracteres, como los subtítulos de TV y streaming.» Cuando el navegador ejecuta el modelo Preciso en el procesador, la página dice «Duración 4:30. En un portátil típico esto tarda unos 5:15; en teléfonos es más lento.» Pulsa «Generar subtítulos». La barra dice «Preparando el audio...», después «Descargando el modelo de habla...» (solo en la primera visita), después «Transcribiendo...» con una cuenta atrás de «quedan unos 2:10», y después «Construyendo subtítulos...». La lista tiene el encabezado «Subtítulos (58)». Haz clic en un tiempo para saltar a ese punto, haz clic en el texto para corregirlo y después pulsa «Descargar SRT». El archivo se llama interview.srt.

Qué ajustes usar y los límites

• Indica el idioma hablado cuando lo sepas. El menú «Idioma hablado» empieza en el idioma de la página que estás leyendo, si el modelo de habla lo conoce, así que en esta página empieza en español. Un vídeo en otro idioma necesita que se elija su idioma, o «Detectar automáticamente». Indicar el idioma es la opción más segura, porque la detección puede etiquetar mal los tramos silenciosos. Si fijas «Subtítulos en» en «Inglés (traducido)», el menú empieza en cambio en «Detectar automáticamente», porque quien traduce al inglés probablemente no está oyendo inglés.
• Ajusta la longitud de los subtítulos al lugar donde se reproducirá el vídeo. «Longitud de los subtítulos» ofrece «Corta (redes sociales)», «Estándar (TV)» y «Larga (frases completas)». Corta muestra una línea corta cada vez, de hasta 3 segundos, para vídeos verticales de móvil. Estándar permite hasta dos líneas de 42 caracteres. Larga da una o dos frases completas por subtítulo, lo que conviene a discursos y charlas. Cuando aparecen los subtítulos, el mismo menú está encima de la lista. Cambiarlo reconstruye la lista a partir del reconocimiento ya hecho, así que no se vuelve a escuchar nada, pero reemplaza las ediciones que hayas hecho.
• Abre «Más» para elegir Precisa o Rápida y para enumerar nombres. «Precisión» ofrece «Precisa» (el modelo base de Whisper) y «Rápida» (el modelo tiny, más pequeño). Con el modelo en el procesador las descargas son de 77,1 MB y 42,7 MB, y la estimación predeterminada de la herramienta para Rápida es la mitad del tiempo por minuto de audio. Los teléfonos empiezan en Rápida, los demás dispositivos en Precisa. «Nombres o palabras especiales» admite una lista separada por comas como «Kayla, Nathan, Rotorua». Tras el reconocimiento, una palabra oída de 4 a 6 letras que difiera en una letra de un nombre de la lista, o de 7 o más letras y difiera en dos, se reescribe para que coincida. No puede reparar un número equivocado de palabras, así que comprueba igualmente los nombres.
• Elige la salida en inglés, o traduce después. «Subtítulos en» ofrece «Idioma original» e «Inglés (traducido)». La segunda hace que el modelo de habla traduzca al inglés mientras escucha, sin descargas adicionales, y funciona en teléfonos. Conviene a idiomas muy hablados como español, francés, alemán, portugués e italiano y es más burda para otros; Rápida traduce notablemente peor que Precisa. La elección se mantiene en la dirección de la página como #to=en, y los archivos traducidos se llaman como talk.en.srt. Los navegadores con traductor integrado, como un Chrome reciente en un ordenador, muestran además un menú «Traducir subtítulos a» y un botón «Traducir» bajo los subtítulos.
• Planifica según la duración del archivo y tu dispositivo. Un ordenador subtitula hasta 5:00:00 de un archivo y un teléfono hasta 1:30:00; un archivo más largo muestra «Este archivo dura 6:10:00. Este dispositivo puede subtitular los primeros 5:00:00; para el resto, corta primero el archivo en partes.» La primera estimación de tiempo supone que un teléfono es 3,5 veces más lento que un ordenador, y después la herramienta recuerda la velocidad real de tu dispositivo tras una ejecución más larga. Antes de la primera descarga, un teléfono muestra «En un celular esto será lento: cuenta con varios minutos y deja esta pestaña abierta.» «Cancelar» detiene la ejecución y conserva los subtítulos hechos hasta ese momento.
• Edita la lista y guarda SRT, VTT o un vídeo con los subtítulos incrustados. Haz clic en el tiempo de un subtítulo para reproducir desde ahí, haz clic en su texto para editarlo y pulsa ✕ para borrarlo. Una nota cuenta las líneas que «parecían errores de reconocimiento» y se omitieron. «Descargar SRT» y «Descargar VTT» guardan archivos de texto. «Descargar vídeo con subtítulos» los dibuja en un MP4 H.264 con audio AAC a 160 kbps, con un nombre como interview_captions.mp4; «Posición», «Tamaño» y «Caja detrás del texto» cambian el aspecto, y la vista previa coincide. Los archivos de audio solo obtienen SRT y VTT. El botón de incrustar está desactivado para un archivo de más de unos 2 GB, de 1 GB en un ordenador que indica 4 GB de memoria o menos, o de 400 MB en un teléfono.

Problemas comunes y cómo solucionarlos

Dice «No se pudo descargar el modelo de habla. Comprueba tu conexión e inténtalo de nuevo.» y «Reintentar» falla enseguida.

La descarga del modelo falló o se detuvo a medias. Comprueba tu conexión y pulsa «Reintentar». Con una conexión lenta o inestable, elige «Rápida» en «Más», que es una descarga más pequeña (42,7 MB en el procesador). Un almacenamiento del navegador lleno recibe en cambio su propio mensaje: «El almacenamiento de tu navegador está lleno, así que no se pudo guardar el modelo.» La herramienta se detiene antes de descargar si el espacio libre es inferior a 1,2 veces el tamaño del modelo (92,5 MB para Precisa en el procesador, 51,2 MB para Rápida). Libera espacio en el dispositivo, o borra los datos guardados de los sitios que no necesites en los ajustes del navegador, y vuelve a intentarlo, o elige «Rápida», que necesita menos espacio.

Dice «No se encontró habla en este archivo. Si hay personas hablando, elige su idioma e inténtalo de nuevo.»

El reconocimiento terminó sin nada tras quitar la herramienta las líneas que parecían errores de reconocimiento, como repeticiones, texto sobre música o silencio, y líneas sueltas como «Gracias por ver». Un archivo solo de música o silencioso acaba así. Si alguien sí habla, la causa habitual es el idioma: el menú empieza en el idioma de la página, no en la detección, así que un vídeo en francés necesita que se elija «Francés» o «Detectar automáticamente». Cámbialo y vuelve a pulsar «Generar subtítulos».

Dice «La subtitulación falló. Prueba con el ajuste de precisión Rápida o con un archivo más corto.» o, a mitad de camino, «La subtitulación se detuvo en 12:40 por un error. Los subtítulos hechos hasta ahora están abajo.»

Algo falló tras cargar el modelo, como que el dispositivo se quedara sin memoria o que el proceso dejara de responder. Una ventana de audio tiene unos 2 minutos para dar señales de vida (5 minutos la primera, que inicia el motor), y un proceso perdido se reintenta una vez. Rápida tiene un pico de memoria declarado menor, 190 MB frente a 320 MB de Precisa. Elígela en «Más», prueba con un archivo más corto o cierra pestañas. Con el segundo mensaje se conservan los subtítulos hechos hasta ahora, así que aún puedes descargarlos.

Dice «La fuente del vídeo no puede dibujar estos caracteres: 日本語. Descarga SRT o VTT en su lugar y deja que el reproductor los muestre.»

Incrustar usa tres fuentes servidas desde este sitio que cubren texto latino, griego, cirílico, vietnamita, árabe y hebreo. Los caracteres de otras escrituras, como el japonés o el devanagari, quedarían en blanco, así que el botón de incrustar se desactiva antes de empezar ningún trabajo. «Descargar SRT» y «Descargar VTT» siguen funcionando, y un reproductor multimedia dibuja los subtítulos con sus propias fuentes. Si las propias fuentes no se cargan, ves «No se pudieron cargar las fuentes de los subtítulos. Comprueba tu conexión e inténtalo de nuevo.»

Dice «No se pudo leer este archivo. Prueba a convertirlo primero a MP4 o MP3.» o «Este archivo no tiene pista de audio, así que no hay nada que subtitular.»

La herramienta decodifica el primer tramo de audio antes de pedir el modelo, así que un archivo ilegible no cuesta ninguna descarga del modelo. El primer mensaje significa que el decodificador no pudo leer el audio: convierte el archivo a MP4 o MP3 y añádelo de nuevo. El segundo significa que el archivo no tiene sonido. Si el decodificador se queda sin memoria, ves en su lugar «El navegador se quedó sin memoria al procesar este archivo: es demasiado grande para este dispositivo. Prueba con un fragmento más corto, un archivo más pequeño o un ordenador de escritorio.»

Cómo se compara

Esta herramienta convierte el habla en subtítulos con tiempos en tu dispositivo con Whisper (base o tiny), y después guarda SRT, VTT o un MP4 con los subtítulos incrustados. Tiene una lista de texto, no una línea de tiempo con forma de onda; «¿Necesitas ajustar los tiempos? Abrir en el Editor de subtítulos» envía allí el SRT en una pestaña nueva. Para una transcripción simple, Audio a texto encaja mejor. No indica quién está hablando, y el aspecto incrustado solo tiene posición, tamaño y una caja detrás del texto blanco. Como se ejecuta en el navegador, no se sube nada, pero es más lenta que un servidor: la estimación predeterminada en un ordenador es aproximadamente la duración del vídeo para Precisa y la mitad para Rápida, más 45 segundos para empezar. El reconocimiento comete errores, así que lee los subtítulos antes de publicarlos.