← Strumenti Video

Video in Sottotitoli

Dal parlato alle battute di sottotitoli modificabili

Genera sottotitoli dal parlato di un video, correggi testo e tempi e scarica SRT o VTT. Puoi tradurre le battute oppure incorporarle stabilmente nelle immagini di un nuovo MP4. La trascrizione usa la prima traccia audio: serve parlato comprensibile, non sottotitoli già presenti nel file.

Costo: Gratis entro la quota disponibile. Si applicano limiti di utilizzo; consulta la guida qui sotto.

Come generare sottotitoli per il video

  1. Carica un video con parlato

    Usa Carica un video per generare sottotitoli oppure Caricamenti per una sorgente condivisa. Sono accettati MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG e OGV fino a 200 MB. Per una registrazione lunga puoi selezionare prima la parte necessaria con Taglia video.

  2. Imposta modello e lingua

    In 1. Sottotitoli, il modello iniziale è Whisper 1 · word timing. Lingua del video parte da Auto-detect; indica esplicitamente la lingua per brevi sequenze o accenti difficili. Questa scelta guida il riconoscimento, senza tradurre.

  3. Scegli traduzione e file

    Se vuoi una lingua diversa, selezionala in Traduci sottotitoli in. In File sottotitoli scegli SRT + VTT, inizialmente attivo, oppure soltanto SRT o VTT.

  4. Genera le battute

    Premi Genera sottotitoli. Il modello selezionato trascrive l'audio e il pannello Sottotitoli generati mostra testo, inizio e fine di ogni battuta.

  5. Controlla ascoltando

    Premi il numero di una battuta per raggiungerla nell'anteprima. Usa Riproduci e Pausa per confrontare il parlato con il testo sovrapposto, poi correggi errori e tempi nell'editor.

  6. Scarica oppure incorpora

    Scarica SRT e Scarica VTT salvano le modifiche in subtitles.srt e subtitles.vtt. Copia testo copia il parlato senza tempi. Incorpora nel video crea invece un MP4 con lo stile e la dimensione scelti.

Modello, lingue e stile

Modello IA
Whisper 1 · word timing, iniziale, restituisce tempi per ogni parola. Gemini 3.5 Flash Lite · cue timing e Gemini 3.6 Flash · cue timing restituiscono tempi per frasi intere: quando una frase viene divisa, i tempi delle parti sono stimati in proporzione al numero di parole.
Lingua del video
Auto-detect riconosce la lingua. Le alternative sono mostrate come English, Spanish, French, German, Italian, Portuguese, Russian, Japanese, Chinese, Arabic. Per altre lingue parlate mantieni Auto-detect. La lingua attesa non è la lingua di traduzione.
Traduci sottotitoli in
No translation è il valore iniziale. Le 15 destinazioni comprendono le dieci lingue precedenti più Hindi, Korean, Dutch, Polish, Turkish. La traduzione conserva i tempi; testi oltre 10 parole o 84 caratteri vengono suddivisi, distribuendo il tempo per numero di parole. Se la destinazione coincide con la lingua riconosciuta, non avviene traduzione. Controlla poi la velocità di lettura.
File sottotitoli
SRT + VTT, SRT o VTT determina quali file originali vengono salvati nel gestore di file condiviso e quali pulsanti di download appaiono. Esporta prima ricorda di generare i file prima dell'incorporazione opzionale.
Stile burn-in
Usato soltanto da Incorpora nel video. Predefinito usa testo bianco; Testo grassetto bianco in grassetto; Testo grande aumenta del 10% la dimensione; Testo giallo usa giallo in grassetto.
Dimensione font
Le scelte Piccolo, Predefinito, Grande, XL sono relative alla risoluzione, non numeri fissi di pixel. Predefinito è inizialmente selezionato. I valori indicativi per 1080p e 720p sono riportati sotto.

Correggere testo e tempi prima di esportare

Il pannello mostra Timing QA passed quando i controlli passano, Timing valid con il numero di avvisi, oppure Timing needs attention. Accanto trovi conteggio delle battute e sovrapposizioni, durata massima, velocità di lettura e frequenza del video.

Start ed End
Nel Timeline editor sono tempi in secondi con tre decimali, per esempio 12.500. Conferma con Invio o uscendo dal campo; Esc annulla la modifica. I tempi si allineano ai fotogrammi e rimangono nella durata del video: a 30 fps il passo è circa 0.033 secondi.
Subtitle text
Correggi liberamente le parole; Invio aggiunge una riga. Sotto il campo sono indicate durata e velocità in chars/s, caratteri al secondo. Oltre 25 chars/s appare un avviso: da solo non impedisce l'esportazione.
Add cue e cestino
Add cue inserisce una battuta vuota di massimo 2 secondi alla posizione corrente dell'anteprima. Aggiungi il testo e controlla le battute vicine; il cestino elimina quella selezionata.
Quando l'esportazione è bloccata
Download e Incorpora nel video richiedono battute senza sovrapposizioni, con testo, fine successiva all'inizio e durata non superiore a 7 secondi. La lista degli avvisi segnala i problemi da correggere.
Conservare le modifiche
Le correzioni rimangono soltanto in questa scheda del browser. I file nel gestore di file condiviso sono l'esportazione originale. Scarica la versione modificata prima di lasciare la pagina, cambiare video, premere Reimposta o generare nuovamente: queste azioni sostituiscono la lista.

Come vengono costruite le battute

La prima traccia audio viene estratta in FLAC mono a 16 kHz, senza metadati. È necessario un vero video con audio: file soltanto audio o video muti non sono sorgenti adatte a questo strumento.

Il parlato viene suddiviso in battute di massimo 10 parole, 84 caratteri e 7 secondi. Con Whisper 1 inizia una nuova battuta dopo una pausa oltre 0.65 secondi e alla fine di una frase quando contiene almeno tre parole. Se lo spazio prima della battuta successiva lo permette, la visualizzazione viene estesa fino ad almeno 0.7 secondi e alla durata necessaria per non superare 25 caratteri al secondo.

Inizio e fine vengono infine allineati ai fotogrammi. Se non si riesce a leggere la frequenza del video, viene usato il riferimento di 30 fps. Rivedi comunque nomi propri, numeri e corrispondenza con il parlato.

Il video con sottotitoli incorporati

Incorpora nel video disegna permanentemente le battute modificate, in carattere senza grazie con contorno sottile e riquadro nero al 65% di opacità. Il testo è centrato in basso, con margine dell'8% dell'altezza; le righe occupano la zona centrale pari all'84% della larghezza.

Su 1920×1080 o 1080×1920 px, Piccolo/Predefinito/Grande/XL corrispondono a circa 34/43/54/64 px. Su 1280×720 px sono circa 23/29/36/43 px. L'anteprima mostra stile e dimensione in proporzione al video.

L'uscita è sempre MP4 con H.264 a CRF 20, colore a 8 bit e audio AAC a 192 kbps. Conserva la prima traccia video e tutte le tracce audio, escludendo i sottotitoli già presenti. Le immagini vengono ricodificate, quindi il peso può aumentare. Il testo modificato inviato per l'incorporazione deve rimanere entro 1 MB.

Formati, servizi e conservazione

Ingresso
MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG, OGV con una traccia audio
Uscita
SRT e/o VTT UTF-8; MP4 H.264/AAC opzionale con sottotitoli incorporati
Dimensione massima
200 MB per video
File per elaborazione
Un video
Tempi di elaborazione
Sui nostri server: fino a 60 minuti per il riconoscimento, 15 minuti per l'incorporazione. Sono limiti di elaborazione, non durata garantita del filmato.
Servizi IA esterni
Whisper 1: audio al modello whisper-1 di OpenAI tramite OpenRouter. Gemini: audio all'API Google Gemini. Traduzione: testo delle battute all'API Google Gemini.
Filigrana
Lo strumento non aggiunge una filigrana.
Conservazione
Caricamenti e risultati eliminati dopo 48 ore per gli ospiti, 30 giorni per gli account gratuiti; i piani a pagamento possono conservarli più a lungo.

Domande frequenti

Estrae sottotitoli già presenti nel video?

No: genera il testo dal parlato. Non legge tracce di sottotitoli incorporate in MP4/MKV né scritte già disegnate nelle immagini. Incorpora nel video esclude le precedenti tracce di sottotitoli dal nuovo MP4.

Quali dati vengono inviati al servizio IA?

Soltanto la prima traccia audio, preparata come FLAC mono a 16 kHz: a Whisper tramite OpenRouter oppure all'API Google Gemini. Per tradurre viene inviato anche il testo delle battute a Google. Le immagini non vengono inviate; il file audio temporaneo viene eliminato dopo la richiesta. L'incorporazione usa FFmpeg sui nostri server.

Cosa può impedire la generazione?

Audio assente, musica o rumori senza parlato comprensibile e limiti d'uso raggiunti. Anche un servizio esterno può restituire una trascrizione o traduzione incompleta. Per un testo poco accurato indica Lingua del video oppure confronta un altro Modello IA. I limiti d'uso dipendono dall'account e dalla configurazione del servizio.

Quando scegliere SRT o VTT?

SRT è un formato testuale da importare in lettori, programmi di montaggio o moduli che lo accettano. Verifica il formato richiesto dalla destinazione. VTT serve anche ai lettori web con l'elemento HTML <track>. Alcuni lettori caricano il file separato se ha lo stesso nome base del video, per esempio vacanza.mp4 e vacanza.srt.

Meglio un file separato o testo incorporato?

Un file separato permette di correggere il testo e, se il lettore lo consente, disattivarlo. L'incorporazione rende le parole parte delle immagini anche quando la destinazione non carica file di sottotitoli. Per colori, posizione e parole per riga personalizzati usa Sottotitoli automatici.