Video a Subtítulos
De la voz del video a subtítulos editables
Transcribe la voz de un video, revisa los tiempos y descarga subtítulos SRT o VTT. También puedes traducirlos o incrustarlos en un MP4. La herramienta reconoce el audio; no extrae pistas de subtítulos existentes ni lee texto de la imagen.
Coste: Gratis dentro de la cuota disponible. Se aplican límites de uso; consulta la guía de abajo.
Cómo generar y revisar los subtítulos
Selecciona un video con voz
Sube un MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG u OGV de hasta 200 MB, o selecciónalo en Subidas. Necesita una pista de audio con habla. Si solo necesitas un fragmento de una grabación larga, prepáralo con Cortar video.
Elige modelo e idioma
En Modelo de IA está seleccionado Whisper 1 · word timing. Idioma del video empieza en Auto-detect. Puedes indicar el idioma esperado para una grabación corta o con acento marcado; selecciona Spanish para español.
Decide traducción y archivos
Usa Traducir subtítulos a si quieres otro idioma. En Archivos de subtítulos, elige SRT + VTT, SRT o VTT. Exportar primero recuerda que la incrustación es un paso posterior.
Genera la transcripción
Pulsa Generar subtítulos. El modelo elegido procesa la voz y devuelve bloques con texto, inicio y fin. Aparecen bajo la vista previa, en Subtítulos generados.
Comprueba texto y sincronización
Pulsa el número de un bloque para saltar a su inicio y usa Reproducir o Pausar. Lee los subtítulos sobre la imagen y corrige nombres, palabras o tiempos en Timeline editor.
Guarda la versión revisada
Descargar SRT y Descargar VTT guardan
subtitles.srtysubtitles.vttcon tus cambios. Copiar texto copia la transcripción sin tiempos. Incrustar en el video crea un MP4 con esos bloques dibujados en la imagen; luego pulsa Descargar.
Modelo, idiomas y estilo de incrustación
- Modelo de IA
- Whisper 1 · word timing, predeterminado, devuelve tiempos por palabra. Gemini 3.5 Flash Lite · cue timing y Gemini 3.6 Flash · cue timing devuelven frases con inicio y fin. Al dividir una frase, los tiempos de sus partes se estiman según el número de palabras; revisa su sincronización.
- Idioma del video
- Auto-detect, predeterminado, o English, Spanish, French, German, Italian, Portuguese, Russian, Japanese, Chinese y Arabic. Los nombres aparecen en inglés. Esta opción indica qué idioma se espera, sin traducirlo. Para otros idiomas hablados, deja la detección automática.
- Traducir subtítulos a
- No translation, predeterminado, o uno de 15 idiomas: los diez anteriores más Hindi, Korean, Dutch, Polish y Turkish. Conserva los tiempos de cada bloque; si la traducción supera 10 palabras u 84 caracteres, se divide y reparte el tiempo por palabras. Si el destino coincide con el idioma detectado, no traduce. Revisa la velocidad de lectura después.
- Archivos de subtítulos
- SRT + VTT, predeterminado, SRT o VTT determinan los archivos guardados en el gestor de archivos compartido y los botones de descarga disponibles. Son archivos de texto UTF-8; el estilo visual no se guarda en ellos.
- Estilo incrustado
- Solo afecta a Incrustar en el video. Predeterminado usa texto blanco; Texto en negrita, blanco en negrita; Texto grande aumenta el tamaño un 10%; Texto amarillo, amarillo en negrita.
- Tamaño de fuente
- Pequeño, Predeterminado, Grande o XL. Empieza en Predeterminado. Son tamaños relativos a la resolución del video, no valores fijos en píxeles; más abajo se indican ejemplos.
Editar bloques y comprobar los tiempos
La comprobación muestra Timing QA passed, Timing valid con avisos o Timing needs attention. Al lado aparecen el número de bloques y solapamientos, la duración máxima, la velocidad de lectura más alta y los fps.
- Start y End
- Son inicio y fin en segundos, con tres decimales:
12.500. Acepta punto o coma decimal. Confirma con Enter o saliendo del campo; Escape descarta el cambio. Se ajustan a fotogramas y a la duración del video: a 30 fps, cada paso equivale aproximadamente a 0,033 s. - Subtitle text
- Edita las palabras; Enter añade un salto de línea. Bajo el campo aparecen la duración y los caracteres por segundo. Superar 25 caracteres/s produce un aviso de lectura rápida, pero no bloquea la exportación.
- Add cue y papelera
- Add cue añade un bloque vacío de hasta 2 s en la posición actual de la vista previa. Escríbele texto y evita solaparlo con otro. La papelera elimina el bloque; el número permite escuchar su inicio.
- Cuándo se bloquea la exportación
- La descarga y la incrustación quedan desactivadas si un bloque se solapa con el anterior, está vacío, termina antes o justo al empezar, o dura más de 7 s. La lista de avisos señala el problema.
- Conservar los cambios
- Los cambios solo existen en esta pestaña. Los SRT y VTT del gestor de archivos compartido conservan el primer resultado sin editar. Descarga tu versión antes de salir, cambiar de video, pulsar Restablecer o generar de nuevo: esas acciones sustituyen la lista.
Cómo se forman los bloques de texto
Se extrae la primera pista de audio y se convierte a FLAC mono de 16 kHz, sin metadatos. La entrada debe tener una pista real de video y otra de audio; un archivo de solo sonido con carátula no sirve.
Los bloques automáticos tienen como máximo 10 palabras, 84 caracteres y 7 s. Con Whisper se inicia otro tras una pausa mayor de 0,65 s, o al acabar una oración si ya contiene al menos 3 palabras. Cuando queda espacio antes del siguiente bloque, se prolonga hasta un mínimo de 0,7 s y para intentar no superar 25 caracteres/s.
Inicio y fin se ajustan a los fotogramas del video. Si no se puede leer su frecuencia, se toman 30 fps. Revisa especialmente nombres propios, intervenciones simultáneas y traducciones.
Qué contiene el MP4 con subtítulos incrustados
El texto revisado queda permanentemente en la imagen, en letra sin serifa, con contorno fino y caja negra al 65% de opacidad. Se centra abajo, con un margen del 8% de la altura. Las líneas largas se ajustan dentro del 84% central del ancho.
En 1920×1080 o 1080×1920, Pequeño, Predeterminado, Grande y XL corresponden aproximadamente a 34, 43, 54 y 64 px. En 1280×720, a 23, 29, 36 y 43 px. La vista previa muestra el estilo y el tamaño proporcional elegidos.
La salida es MP4 con video H.264 a CRF 20 y audio AAC a 192 kbps. Conserva la primera pista de video y todas las de audio; omite las pistas de subtítulos existentes. Vuelve a codificar la imagen completa, por lo que el archivo puede pesar más que el original.
Formatos, límites y tratamiento de archivos
- Entrada
- MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG y OGV con audio
- Salida
- SRT y/o VTT en UTF-8; MP4 opcional con subtítulos incrustados
- Tamaño y cantidad
- Un video de hasta 200 MB por trabajo
- Subtítulos editados
- Hasta 1 MB de texto para incrustar
- Procesamiento
- En nuestros servidores; hasta 60 min por transcripción y 15 min por incrustación, no límites de duración del video
- Servicios de IA
- Whisper de OpenAI mediante OpenRouter, o Google Gemini directamente, reciben el audio. Google Gemini también recibe el texto cuando traduces
- Marca de agua
- Ninguna
- Conservación
- Subidas y resultados: 48 horas para invitados y 30 días con cuenta gratuita; los planes de pago pueden conservarlos más tiempo
Preguntas frecuentes
¿Extrae los subtítulos que ya contiene el video?
No. Transcribe la voz; no lee pistas guardadas dentro de MP4 o MKV ni texto dibujado en la imagen. La incrustación también omite las pistas anteriores en el nuevo MP4.
¿Se envía mi video a un proveedor de IA?
Solo se envía la primera pista de audio, como FLAC mono de 16 kHz: a Whisper mediante OpenRouter o a Google Gemini, según el modelo. Para traducir, Google recibe también el texto de los bloques. La imagen no se envía; el audio temporal preparado en nuestro servidor se borra después de la solicitud.
¿Por qué no se han generado subtítulos?
Puede faltar la pista de audio o una voz inteligible, ser un archivo de solo audio o haberse alcanzado un límite de uso. Si el proveedor devuelve una traducción incompleta, puedes repetir el trabajo con los mismos ajustes. Para mejorar una transcripción pobre, indica el idioma hablado o prueba otro modelo.
¿Uso SRT o VTT?
Elige el formato que admita tu reproductor, editor o formulario de subida. SRT se usa en aplicaciones de escritorio; VTT, en pistas de subtítulos para reproductores web. Cuando el reproductor busca archivos con el mismo nombre, ponlos juntos como viaje.mp4 y viaje.srt.
¿Conviene incrustarlos o mantener un archivo separado?
Un archivo separado permite desactivarlos o corregirlos después. Incrústalos si el reproductor no carga archivos de subtítulos o quieres que se vean al reproducir sin sonido. Para elegir colores, posición y palabras por línea, usa Subtítulos automáticos.