Subtítulos automáticos

Subtitular la voz y elegir cómo mostrar el texto

Genera subtítulos automáticos a partir de la voz de un video. Puedes descargar una pista SRT o VTT, o incrustar el texto en un MP4 con tamaño, colores y posición elegidos. La transcripción conserva el idioma hablado; revisa palabras y tiempos antes de compartir el resultado.

Coste: Gratis dentro de la cuota disponible. Se aplican límites de uso; consulta la guía de abajo.

Cómo añadir subtítulos automáticos al video

Sube un video con audio
Pulsa Sube un vídeo para agregar subtítulos o arrastra un MP4, MOV, MKV, WebM, AVI, M4V, MPEG/MPG u OGV de hasta 200 MB a la vista previa. Necesita una pista de audio con voz. También puedes elegir un video ya cargado en Subidas.
Indica el idioma hablado
En Subtítulos, Idioma empieza en Auto para que el modelo detecte el idioma. También puedes seleccionar es para español u otro código disponible. Esta herramienta transcribe lo que se dice, sin traducirlo a otro idioma.
Elige la salida
En Salida, Incrustar crea un MP4 con el texto dentro de la imagen. SRT y VTT crean un archivo separado con tiempos y texto, sin modificar el video. Se obtiene una salida por trabajo.
Configura los bloques y el estilo
En Estilo, Palabras/línea limita las palabras de cada bloque para todas las salidas. Al incrustar, ajusta también Tamaño de fuente, Texto, Fondo, Opacidad del fondo y Arriba, Centro o Abajo. La frase de muestra permite comprobar la presentación.
Genera y comprueba el resultado
Pulsa Generate captions, el botón que aparece en inglés. Reproduce el MP4 resultante para revisar nombres, términos y sincronización; después pulsa Descargar. El resultado se añade a Subidas. Continue editing permite seguir trabajando y Restablecer recupera los ajustes iniciales.

Cuándo elegir Incrustar, SRT o VTT

Las tres opciones parten de la misma transcripción. Cambia dónde queda el texto y cómo podrás modificarlo después.

Incrustar: texto permanente en la imagen

El subtítulo forma parte de los fotogramas; no requiere cargar otra pista ni puede desactivarse. Sirve para clips que se reproducen sin sonido. Para corregir o traducir el texto después, tendrás que volver a generar el video. Se codifica de nuevo toda la imagen.

SRT: archivo separado con bloques numerados

Contiene texto y intervalos como 00:00:04,250 --> 00:00:06,900. Puedes corregirlo con un editor de texto e importarlo en un reproductor, editor de video o plataforma que admita SRT. Comprueba el formato aceptado por tu destino; no conserva los colores ni el tamaño elegidos aquí.

VTT: pista de subtítulos para la web

WebVTT se usa en pistas track de reproductores HTML5. Contiene los mismos bloques que SRT, con cabecera WEBVTT y puntos en lugar de comas en los tiempos. Los espectadores pueden activar o desactivar la pista si el reproductor ofrece esa opción.

Qué cambia cada ajuste

Idioma y Palabras/línea afectan a todas las salidas. Tamaño, colores, opacidad y posición se aplican al MP4 con texto incrustado.

Idioma: El valor inicial es Auto, que detecta el idioma. Puedes elegir en, de, es, fr, it, pt, ja o zh: inglés, alemán, español, francés, italiano, portugués, japonés y chino. El código orienta al modelo sobre el idioma esperado. Para otros idiomas o si dudas, usa Auto.
Salida: Incrustar, predeterminado, SRT o VTT. Elige un archivo separado si quieres corregir palabras después sin volver a codificar la imagen; incrusta cuando el texto deba permanecer visible.
Tamaño de fuente: De 10 a 72, en pasos de 1; predeterminado 20. Es un tamaño relativo a la altura del video, no una medida fija en píxeles. El mismo número produce proporciones parecidas a distintas resoluciones.
Palabras/línea: De 2 a 16, en pasos de 1; predeterminado 8. Limita las palabras de un bloque de subtítulos, que puede ocupar varias líneas. Los bloques largos se dividen y el tiempo se reparte según las palabras. En japonés y chino sin espacios, el modelo usa este ajuste para acortar las frases; la longitud varía más.
Texto: El selector fija el color de las letras. Empieza en blanco, #ffffff; el video incrustado utiliza el color elegido. Selecciona un color que se distinga del fondo del texto.
Fondo y Opacidad del fondo: El color de la caja empieza en negro, #000000. Su opacidad va del 0% al 100%, en pasos de 1, y comienza en 70%. Puedes usar el deslizador o el campo numérico. Menor opacidad deja ver más imagen detrás; el MP4 utiliza los valores elegidos.
Arriba, Centro y Abajo: Sitúan el texto centrado horizontalmente en la parte superior, central o inferior. Abajo es la posición inicial. Elige Arriba si la parte inferior ya contiene nombres, precios u otros rótulos que necesitas conservar visibles.

Tamaño del texto en videos horizontales y verticales

El tamaño se calcula respecto a la altura. Con el valor 20, una línea ocupa aproximadamente el 7%: unos 50 px en 1280×720, 75 px en 1920×1080 y 133 px en un video vertical de 1080×1920. Son referencias aproximadas, no la altura exacta de cada letra.

En vertical, ocho palabras con tamaño 20 pueden ocupar varias líneas y tapar una parte considerable de la zona inferior. Prueba un tamaño de 12 a 14 y 4 o 5 palabras por bloque como punto de partida; comprueba que se lea sin cubrir el contenido importante.

La frase de muestra escala con el video para que puedas juzgar el tamaño y los saltos de línea antes de pulsar Generate captions. Después revisa el resultado completo, porque la longitud de los subtítulos reales cambia.

Cómo se reconoce la voz y se crea el resultado

En nuestro servidor, FFmpeg extrae el audio a un WAV mono de 16 kHz. Solo ese audio se envía a la API de Google Gemini para obtener palabras y tiempos; las imágenes del video no se envían al proveedor. Los archivos temporales de audio y subtítulos se borran al finalizar el trabajo.

Los tiempos son estimaciones del modelo. Se mantienen dentro de la duración del video, se ajustan los bloques que se solapan y se dividen los largos según Palabras/línea. Revisa nombres, palabras ocultas por música e intervenciones simultáneas; el comienzo o el final de una frase puede necesitar una corrección.

Al incrustar, FFmpeg crea un MP4 H.264 de 8 bits a CRF 22, con audio AAC a 192 kbps. Mantiene resolución y frecuencia de fotogramas, con una pista de video y una de audio. Vuelve a codificar la imagen y puede perder detalle fino. Una grabación HDR de 10 bits también cambia de representación; revisa el aspecto del resultado.

Formatos, límites y conservación

Entrada: MP4, MOV, MKV, WebM, AVI, M4V, MPEG/MPG y OGV con audio
Salida: MP4 con texto incrustado, SRT o VTT; una salida por trabajo
Nombre de archivo: Para entrevista.mov: entrevista_captioned.mp4, entrevista.srt o entrevista.vtt
Tamaño y cantidad: Un video de hasta 200 MB por trabajo
Procesamiento: En nuestros servidores con FFmpeg; hasta 15 min por trabajo, incluida la transcripción y la incrustación
Reconocimiento de voz: Google Gemini recibe el audio extraído; no las imágenes
Marca de agua: Ninguna
Conservación: Subidas y resultados se borran tras 48 horas para invitados y 30 días con cuenta gratuita. Los planes de pago pueden conservarlos más tiempo

Preguntas sobre el subtitulado automático

¿Puedo generar subtítulos automáticos gratis?

Sí. No consume créditos, puedes usarlo sin cuenta y el video no lleva marca de agua. Hay límites diarios y horarios de uso que dependen de tu sesión y plan; no significan generaciones ilimitadas.

¿Puedo traducir los subtítulos a otro idioma?

Aquí se transcribe el idioma hablado. Para traducir y corregir texto o tiempos antes de incrustarlos, usa Video a subtítulos, que también crea SRT y VTT.

¿Por qué hay palabras incorrectas o pequeños desfases?

El modelo estima texto y tiempos. Música, voces simultáneas, acentos y nombres poco comunes pueden causar errores. Comprueba Idioma. Para corregir una frase, exporta SRT y edita su bloque numerado, intervalo y texto con un editor de texto.

¿Se envía todo mi video a la IA?

No. Solo el audio extraído va a Google Gemini. Las imágenes permanecen en nuestro servidor. La subida y el resultado se conservan según tu cuenta: 48 horas como invitado o 30 días con cuenta gratuita.

¿Por qué ha fallado la generación?

Puede faltar audio o voz inteligible, como en música sin habla. Los trabajos también tienen un límite de 15 min de procesamiento. Para trabajar con la parte que necesitas de una grabación larga, prepárala con Cortar video antes de subtitularla.

¿Por qué el MP4 pesa distinto del original?

Incrustar vuelve a codificar el video; el tamaño depende del contenido y de los ajustes del codificador. Una grabación de bitrate alto puede reducirse y una ya muy comprimida puede crecer. Si necesitas ajustar el peso del resultado, usa Comprimir video.