Subtítulos animados para videos
Convierte una transcripción en subtítulos de estilo vídeo corto que se resaltan, aparecen o se rellenan palabra por palabra, y luego incrústalos en tu video. Carga un archivo Whisper JSON, SRT o VTT (o pega el texto), elige un estilo, previsualízalo en un marco 9:16 y exporta, todo dentro de tu navegador.
Última actualización:
Elige un video para habilitar la exportación. La vista previa de arriba muestra tu estilo sobre un fondo de ejemplo.
Cómo usar Subtítulos animados para videos
- Elige tu video: suelta un archivo MP4, WebM o MOV en el primer recuadro.
- Añade la transcripción: abre un archivo Whisper JSON, SRT o VTT, o pega el texto en el cuadro de transcripción. El Whisper JSON con tiempos por palabra da el resaltado más preciso.
- Elige un estilo: parte de un estilo predefinido como Pop en negrita o Karaoke y ajusta la animación, las palabras por subtítulo, la fuente, los colores y la posición.
- Previsualiza: pulsa Reproducir y mira los subtítulos en el marco 9:16 (u otro). Usa Desplazar tiempo si todas las palabras aparecen un poco antes o después.
- Pulsa Crear video con subtítulos. El video se reproduce una vez mientras se graba el nuevo archivo y después puedes descargarlo.
Estilos de animación de subtítulos explicados
Todos los estilos funcionan con los mismos datos: una lista de palabras, cada una con un tiempo de inicio y de fin. El subtítulo en pantalla es un pequeño grupo de palabras (el ajuste Palabras por subtítulo); un nuevo grupo empieza cuando se alcanza el límite, al final de una frase o línea de subtítulo, o cuando hay una pausa de más de 0.8 segundos en el habla.
| Animación | Lo que ve el espectador | Ideal para |
|---|---|---|
| Resaltado palabra por palabra | Se ve todo el grupo; la palabra que se está diciendo cambia al color de resaltado (o recibe un recuadro de color) | Clips de una persona hablando a cámara, tutoriales |
| Aparición al hablar | Cada palabra aparece con un rápido efecto de escala justo cuando se dice | Shorts, Reels y TikToks con mucha energía |
| Relleno karaoke | El color recorre cada palabra de izquierda a derecha al ritmo del habla | Canciones, narración lenta, aprendizaje de idiomas |
| Una palabra a la vez | Una sola palabra grande en el centro, sustituida por la siguiente | Ediciones rápidas y dinámicas, ganchos |
| Rebote de la palabra activa | La palabra hablada se eleva y crece un poco y luego vuelve a su sitio | Contenido divertido o para niños |
| Máquina de escribir | Las letras se escriben a medida que se dice cada palabra | Narración de historias, citas |
Formatos de transcripción que lee esta herramienta
- Whisper JSON con marcas de tiempo por palabra: un array
words({"word": "hello", "start": 0.32, "end": 0.61}),segmentsque contienen cada unowords, ochunksde transformers.js con un partimestamp. Las palabras sin tiempo (algo común con los números en WhisperX) toman el tiempo de sus vecinas. - Whisper JSON solo con tiempos por segmento (incluida la salida
transcriptionde whisper.cpp): cada segmento se divide en palabras y se temporiza según la longitud de las palabras. - SRT y WebVTT: cada entrada se divide del mismo modo. Las entradas VTT con marcas de tiempo karaoke en línea como
<00:00:01.200>se usan directamente. - Texto sin formato: el tiempo se estima en unas 150 palabras por minuto, útil para una prueba rápida o una locución con guion. Ajústalo con Desplazar tiempo.
Consejos para subtítulos legibles en videos cortos
- Mantén los subtítulos en la franja central de un video 9:16 (aproximadamente del 55 al 75% desde arriba). Los bordes superior e inferior quedan tapados por los botones de la app, los nombres de usuario y las descripciones en la mayoría de las plataformas.
- Un contorno oscuro grueso o un recuadro de color mantiene legible el texto blanco en escenas luminosas. Los resaltados en amarillo, verde y cian destacan sin perjudicar la legibilidad.
- Las MAYÚSCULAS con una fuente gruesa como Impact o Arial Black se leen más rápido en pantallas pequeñas de móvil; mayúsculas y minúsculas dan un aspecto más tranquilo para videos educativos.
- Si los subtítulos van un poco por delante de la voz, introduce un pequeño desplazamiento positivo, como 0.1 a 0.2 segundos; un valor negativo los adelanta.
Preguntas frecuentes
¿Cómo consigo una transcripción con tiempos por palabra?
Pasa tu audio por cualquier transcriptor basado en Whisper y guarda el resultado como JSON con marcas de tiempo por palabra (por ejemplo, la API de OpenAI Whisper con marcas de tiempo por palabra, WhisperX, whisper.cpp con salida JSON o una app de Whisper con transformers.js con return_timestamps configurado en word). Esta página lee el array words, los segmentos con words o los chunks. También puedes usar el Generador automático de subtítulos de este sitio para crear primero un SRT.
¿Y si mi archivo solo tiene tiempos por frase, como un SRT?
También funciona. Cada línea de subtítulo se divide en palabras y su duración se reparte según la longitud de cada palabra, así que las palabras más largas permanecen un poco más en pantalla. El resaltado sigue bastante bien al habla en la mayoría de los videos hablados; el JSON por palabra solo hace falta para una sincronización perfecta.
¿Se sube mi video a un servidor?
No. El video se dibuja fotograma a fotograma en un canvas de tu navegador y se graba con la API MediaRecorder, junto con el sonido original. Tus archivos nunca salen de tu dispositivo.
¿Por qué la exportación tarda lo mismo que el video?
Los navegadores graban un canvas en tiempo real, así que un clip de 60 segundos necesita unos 60 segundos. Mantén la pestaña abierta y visible hasta que termine la barra de progreso.
¿Cuántas palabras debe mostrar cada subtítulo?
Para videos cortos verticales, lo habitual son de 2 a 4 palabras por subtítulo, porque se leen de un vistazo; 1 palabra funciona para ediciones muy dinámicas. Para videos horizontales o explicaciones más largas, de 6 a 8 palabras por línea se leen más como subtítulos normales.
¿El resultado será MP4?
Chrome, Edge y Safari pueden grabar MP4 (H.264) directamente. Firefox graba WebM, que se sube sin problemas a la mayoría de las plataformas; usa el Conversor de video si necesitas MP4 específicamente.
Mi video horizontal se ve recortado en 9:16. ¿Qué puedo hacer?
Cambia Relleno a Ajustar + fondo desenfocado. La imagen completa se mantiene en el centro y el espacio vacío de arriba y abajo se rellena con una copia suavemente desenfocada, un estilo habitual para volver a publicar clips horizontales como Shorts, Reels o TikToks.
¿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.