Generador de subtítulos automáticos
Suelta un video y obtén subtítulos automáticamente. El reconocimiento de voz Whisper funciona en tu navegador, divide el habla en subtítulos legibles con tiempos a nivel de palabra y te permite revisar cada línea sobre el video antes de descargar el SRT o VTT. No se sube nada.
Última actualización:
Subtítulos
Cómo usar Generador de subtítulos automáticos
- Añade tu video (o archivo de audio) soltándolo en el recuadro.
- Elige el modelo, el idioma y la configuración de líneas: 42 caracteres y 2 líneas es lo estándar; 1 línea es ideal para Reels, Shorts y TikTok.
- Pulsa Generar subtítulos. La primera vez se descarga el modelo Whisper una sola vez y luego los subtítulos aparecen a medida que se reconoce cada parte.
- Reproduce el video y corrige los errores: edita el texto y los tiempos, divide o une subtítulos, o desplázalos todos.
- Descarga el SRT o VTT y súbelo con tu video, o incrústalo con Añadir subtítulos a un video.
Cómo se crean los subtítulos
- Reconocimiento de voz. La pista de sonido se decodifica en tu navegador, se remuestrea a 16 kHz mono y se pasa a Whisper en partes de hasta 30 segundos, cortadas en momentos de silencio para no partir palabras.
- Tiempos de las palabras. Con los tiempos a nivel de palabra activados, Whisper alinea cada palabra con el audio mediante su atención cruzada, así que cada palabra obtiene su propio tiempo de inicio y fin.
- División en subtítulos. Las palabras se añaden a un subtítulo hasta que la siguiente superaría el límite de la línea, el subtítulo duraría más que la duración máxima, el hablante hace una pausa de más de un segundo o termina una frase. Las comas dividen los subtítulos largos en puntos naturales.
- Diseño de líneas y tiempo de lectura. Los subtítulos de dos líneas se dividen cerca de la mitad para que las líneas queden equilibradas, y cada subtítulo permanece en pantalla al menos un segundo aproximadamente (sin solaparse con el siguiente) para que se pueda leer.
Configuración de subtítulos para cada plataforma
| Dónde | Caracteres por línea | Líneas | Duración máx. | Archivo |
|---|---|---|---|---|
| YouTube, Vimeo, películas y cursos | 42 | 2 | 7 s | SRT o VTT |
| TikTok, Reels, Shorts (vertical) | 20-30 | 1 | 3 s | Incrustados |
| Videos del feed de LinkedIn, X y Facebook | 32-42 | 1-2 | 5 s | SRT (o incrustados) |
| Video HTML5 en tu propio sitio web | 42 | 2 | 7 s | VTT |
La mayoría de los espectadores ven los videos de redes sociales sin sonido, por eso allí son populares los subtítulos cortos, de una línea y en negrita. Para videos largos, los subtítulos estándar de dos líneas son más fáciles de seguir.
Consejos de edición
- Los tiempos aceptan
00:01:23,450,01:23.45o segundos simples como83.45. - Dividir (✂) corta en la posición del cursor de texto y reparte el tiempo en proporción al texto. Unir (⤓) junta un subtítulo con el siguiente.
- Un borde amarillo marca un subtítulo con una línea larga, un solapamiento o una velocidad de lectura superior a 20 caracteres por segundo. Acorta el texto o dale más tiempo.
- ¿Desincronizados? Si todos los subtítulos van adelantados o atrasados en la misma cantidad, usa Desplazar todo. Si se van desfasando, recalcula los tiempos con la calculadora de tiempos SRT.
- ¿Solo necesitas el texto? La herramienta Audio a texto te da una transcripción con párrafos y descarga en DOCX.
Preguntas frecuentes
¿Cómo genero subtítulos para un video automáticamente?
Añade el video a esta página y pulsa Generar subtítulos. El modelo de reconocimiento de voz Whisper escucha la pista de sonido en tu navegador y escribe subtítulos con tiempos, que puedes revisar sobre el video y descargar como archivo SRT o VTT.
¿De verdad es gratis y privado?
Sí. No hay cuenta, marca de agua ni límite de tiempo, y el video nunca se sube: la decodificación, el reconocimiento de voz y la edición se hacen en tu dispositivo. Solo se descarga una vez el modelo Whisper (unos 40 u 80 MB), que tu navegador guarda en caché.
¿Cuál es la diferencia entre SRT y VTT?
Ambos son archivos de subtítulos de texto plano con entradas numeradas y tiempos de inicio y fin. SRT usa comas en los tiempos (00:00:01,500) y es compatible con casi todos los reproductores y editores. WebVTT usa puntos (00:00:01.500), empieza con un encabezado WEBVTT y es el formato que usa el video HTML5 en la web.
¿Cuántos caracteres debe tener una línea de subtítulo?
Un estándar habitual, usado por ejemplo en la guía de estilo de Netflix para inglés, es de 42 caracteres por línea como máximo, dos líneas como máximo, una velocidad de lectura de hasta unos 20 caracteres por segundo y que cada subtítulo esté en pantalla entre 5/6 de segundo y 7 segundos. Estos son los valores predeterminados aquí.
¿Para qué sirven los tiempos a nivel de palabra?
Con los tiempos a nivel de palabra, Whisper indica cuándo se pronuncia cada palabra, así que los subtítulos se pueden cortar exactamente en las pausas y finales de frase y desaparecer cuando el hablante se calla. Sin ellos, la herramienta solo sabe cuándo empieza y termina cada frase y estima las palabras intermedias.
¿Puede añadir los subtítulos dentro del video?
Esta página muestra cómo se ven los subtítulos incrustados en tu video y exporta archivos SRT o VTT. Para incrustarlos de forma permanente en la imagen, carga el video y tu SRT en la herramienta Añadir subtítulos a un video, o sube el SRT a YouTube, Vimeo o tu editor como subtítulos opcionales.
¿Qué tan precisos son los subtítulos automáticos?
El habla clara en idiomas comunes se transcribe bien, pero los nombres, la jerga, la música, el ruido y las voces superpuestas causan errores, sobre todo con el modelo Tiny. Mira siempre el video completo una vez y corrige el texto antes de publicar.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.