Crear subtítulos para un vídeo sin subirlo
La mayoría ve los vídeos de redes sociales sin sonido, y las reuniones grabadas se repasan más rápido con una transcripción. Antes, los subtítulos automáticos obligaban a subir la grabación a un servicio online. Hoy un modelo de reconocimiento de voz puede funcionar directamente en tu navegador.
Actualizado:
Cómo funciona
El generador de subtítulos ejecuta en tu dispositivo el modelo Whisper tiny de OpenAI. Detecta automáticamente el idioma hablado, admite 99 idiomas y, si quieres, puede traducir la voz a subtítulos en inglés.
El modelo se descarga una sola vez, unos 41 MB, y después lo guarda tu navegador. A partir de ahí puedes crear subtítulos sin conexión, y ni el vídeo ni el audio salen de tu dispositivo.
Paso a paso
Funcionan tanto archivos de vídeo como de audio, por ejemplo una grabación del móvil, un episodio de pódcast o una reunión exportada.
- Abre el generador de subtítulos y selecciona el archivo de vídeo o audio.
- Mantén la detección automática del idioma o elige el idioma si la grabación empieza con música o silencio.
- Inicia el reconocimiento. En un portátil actual suele tardar menos de lo que dura la grabación; los móviles son más lentos.
- Revisa las líneas y corrige nombres, términos técnicos y tiempos en el editor.
- Descarga SRT, VTT o texto plano, o crea un vídeo nuevo con los subtítulos incrustados.
¿SRT, VTT o incrustados?
SRT es el archivo de subtítulos más compatible. Lo aceptan los reproductores, los programas de edición y la mayoría de formularios de subida de las plataformas de vídeo. VTT es el formato de los reproductores de vídeo web. El texto plano es útil para actas, notas o buscar lo que se dijo.
Los archivos de subtítulos separados se pueden activar y desactivar y editar más tarde. Los subtítulos incrustados forman parte de la imagen, que es lo que necesitas para plataformas que no aceptan archivos de subtítulos. UseTool escribe ese vídeo como un archivo WebM nuevo y deja intacto el original.
Cómo conseguir mejores resultados
El modelo tiny es lo bastante pequeño para funcionar en un navegador, y eso tiene límites. La voz clara cerca del micrófono funciona bien. La música de fondo, varias personas hablando a la vez, los acentos marcados y mucha reverberación provocan más errores.
Los nombres y los términos técnicos son los fallos más habituales, así que merece la pena leer el texto una vez antes de publicarlo. Fijar el idioma a mano ayuda cuando una grabación mezcla idiomas o empieza con una introducción larga.
Se admiten grabaciones de hasta una hora. En los móviles, las grabaciones muy largas pueden quedarse sin memoria, así que allí es más fiable trabajar con partes más cortas.
Por qué aquí importa el procesamiento local
Las grabaciones de reuniones, entrevistas, clases o sesiones de terapia suelen contener información personal de gente que nunca aceptó compartirla con un servicio de transcripción. Procesarlas en tu propio dispositivo evita esa cuestión por completo, y no se descuentan minutos de ninguna cuota.