Subtítulos a partir de transcripciones

¿Qué hace Subtítulos a partir de transcripciones?

Los subtítulos no son un adorno opcional: son accesibilidad, mantienen a los espectadores que ven sin sonido y, en tutoriales, refuerzan términos exactos de la interfaz. Esta habilidad produce un archivo de subtítulos limpio y correctamente sincronizado. El estilo y la incrustación se realizan en pasos posteriores.

Obtener primero el texto más preciso

La precisión depende de dónde se empiece:

• Si existe un guion de narración, úsalo como referencia. Ya es correcto en términos técnicos y etiquetas de interfaz. Ajústalo al audio en lugar de transcribir desde cero.
• De lo contrario, transcribe el audio (Whisper, los subtítulos automáticos de la plataforma o cualquier ASR), luego corrígelo contra el video. El ASR tergiversa habitualmente nombres de productos, código y siglas: corrige cada uno para que coincida exactamente con lo que se ve en pantalla.

Nunca publiques la salida del ASR sin corregir. Los errores siempre recaen en las palabras de mayor valor.

Sincronizar los avisos con el habla

• Cada aviso aparece cuando se dice su línea y desaparece cuando termina: ajústalo al habla, no a intervalos arbitrarios.
• Mínimo ~1 segundo en pantalla (incluso para avisos cortos), máximo ~7 segundos. Divide cualquier aviso más largo.
• Sin espacios vacíos a mitad de frase; los pequeños espacios entre frases están bien y ayudan a la legibilidad.

Reglas de líneas y lectura

• 1-2 líneas por aviso, nunca 3.
• ~32-42 caracteres por línea. Más allá de eso, satura el encuadre y sobrepasa las zonas seguras.
• Velocidad de lectura ≤ ~17 caracteres/segundo (≈160-180 palabras por minuto). Si un aviso la supera, las palabras pasan rápidamente: divide el aviso o alarga su duración.
• Divide las líneas en límites de cláusula, nunca a mitad de frase. Mantén unido "a la página de Configuración"; no dejes "la" sola en una línea.

Elegir el formato

• SRT: universal, índice + HH:MM:SS,mmm --> HH:MM:SS,mmm + texto. Úsalo para subir a la mayoría de plataformas y editores.
• WebVTT (.vtt): cabecera WEBVTT, marcas de tiempo HH:MM:SS.mmm, soporta posicionamiento y estilo de avisos. Úsalo para la etiqueta HTML5 <track> y el reproductor web.

Genera una salida válida y analizable: puntuación de marcas de tiempo correcta (SRT usa coma antes de los milisegundos, VTT un punto), línea en blanco entre avisos, sin espacios al final.

Limpio frente a literal

Para tutoriales, subtítulos limpios: elimina muletillas ("eh", "esto", falsos comienzos), mantén el significado exacto. Conserva términos técnicos, código y etiquetas de interfaz exactamente. Solo usa transcripción estrictamente literal si el usuario lo necesita explícitamente (contextos legales, investigación, citas textuales).

Verificar la sincronización

Comprueba con el video real al principio, en un punto intermedio y al final —la deriva se acumula—. Confirma que los avisos caigan en sus líneas y desaparezcan antes de que comience el siguiente. Corrige cualquier subtítulo que se quede en la toma equivocada.

Entrega

El archivo .srt / .vtt terminado alimenta a social-video-formatter para la incrustación y el estilo de la plataforma, o bien al elemento <track> del reproductor web directamente. Deja el color, la fuente, la posición y la animación para esos pasos: esta habilidad genera texto preciso y bien sincronizado, y nada más.

No hacer

• No estilizar, colorear, posicionar ni incrustar subtítulos en el fotograma —eso es tarea de social-video-formatter—.
• No animar palabra por palabra —eso es kinetic-typography—.
• No publicar ASR sin corregir; los errores se concentran justo en los términos importantes.
• No apilar 3 líneas ni superar el presupuesto de velocidad de lectura para evitar dividir un aviso —divídelo—.