Tres trucos para
Reels que se ven
hasta el final
¿Cómo funcionan los subtítulos automáticos?
Un modelo de reconocimiento de voz escucha la pista de audio y produce una transcripción palabra a palabra, con la marca de tiempo de cada palabra (inicio y fin, al centésimo de segundo). Después, el software divide el texto en bloques legibles y los sincroniza con la imagen.
Esta transcripción con marcas de tiempo sirve para mucho más que los subtítulos: permite detectar silencios y titubeos para cortarlos automáticamente, o colorear una palabra concreta justo cuando se pronuncia. Para el aspecto visual (estilos, karaoke, palabra clave), consulta nuestra guía de subtítulos animados; aquí hablamos de generación, precisión y formatos.
Paso a paso
- Cuidar el sonido
Graba con un micrófono cerca de la boca, sin música de fondo y en una habitación con muebles.
- Elegir el idioma
Indica el idioma hablado en lugar de dejar que la herramienta lo adivine, sobre todo en videos cortos.
- Lanzar la transcripción
El software transcribe la voz palabra a palabra y marca el tiempo de cada palabra.
- Revisar los puntos delicados
Nombres propios, cifras, palabras que suenan igual y puntuación, viendo el video a 1,5×.
- Elegir el formato
Incrustados para Reels, TikTok y Shorts; archivo SRT para YouTube, una web o una plataforma de formación.
- Completar para la accesibilidad
Añade los sonidos importantes entre corchetes e identifica a quien habla si hace falta.
| Criterio | Archivo SRT / VTT | Incrustados en la imagen |
|---|---|---|
| Visibles sin hacer nada | No (hay que activarlos) | Sí |
| Se pueden desactivar | Sí | No |
| Varios idiomas | Sí, un archivo por idioma | Una versión del video por idioma |
| Estilo y animación | No (texto plano) | Sí |
| Reels, TikTok, Shorts | Poco adecuado | Estándar |
| YouTube largo, web, formación | Recomendado | Posible |
| Cambios tras publicar | Fácil (archivo nuevo) | Nueva exportación |
| Accesibilidad | Buena si se revisa | Buena si se revisa y se lee bien |
¿Son precisos los subtítulos automáticos?
Con una voz clara, grabada cerca del micrófono y en un idioma común, los errores son pocos: unas cuantas palabras por minuto como mucho. La precisión cae en situaciones bien conocidas:
- Sonido lejano o con eco: una habitación vacía, el móvil apoyado a 3 metros.
- Música o ruido bajo la voz durante la grabación.
- Varias personas hablando a la vez.
- Nombres propios y marcas: «Maurage», «Pixdoo» o el nombre de tu calle saldrán a menudo mal escritos.
- Cifras, unidades y siglas: «2,50 €», «IVA», «m²».
- Mezcla de idiomas en una misma frase, algo habitual en el trabajo («tenemos un meeting a las 14 h para cerrar el deadline»).
- Acentos regionales muy marcados y habla muy rápida.
La mejor mejora es gratuita: un micrófono de solapa o el móvil a 30 o 50 cm de la boca, en una habitación con muebles. Ganarás más precisión así que cambiando de herramienta.
Cómo revisar subtítulos automáticos en 2 minutos
En un video de un minuto, una revisión dirigida rara vez lleva más de dos minutos. Comprueba en este orden:
- Los nombres propios: personas, empresas, ciudades, productos.
- Las cifras: precios, fechas, porcentajes, teléfonos. Un error aquí puede salir caro.
- Las palabras que suenan igual: «haber / a ver», «hay / ahí / ay», «echo / hecho», «valla / vaya».
- La puntuación: un punto mal colocado cambia la división de los bloques.
- Las palabras partidas entre dos bloques y los bloques demasiado cortos para leerlos.
Truco: mira el video a velocidad 1,5× leyendo solo el texto. Los errores saltan a la vista mucho antes que leyendo la transcripción sola.
Archivo SRT o subtítulos incrustados: ¿qué elegir?
Hay dos formas de entregar subtítulos, con usos muy distintos.
Subtítulos en archivo aparte (SRT, VTT)
El archivo SRT es texto plano: un número, una marca de tiempo y una o dos líneas, por ejemplo 00:00:01,200 --> 00:00:03,400. El espectador activa o desactiva los subtítulos y puedes ofrecer varios idiomas. YouTube acepta archivos SRT en UTF-8, sin formato (ayuda de YouTube sobre formatos de subtítulos). Es la opción adecuada para un video largo, una web, una plataforma de formación o un reproductor que gestione subtítulos.
Subtítulos incrustados («quemados» o burned-in)
El texto forma parte de la imagen: se ve en todas partes sin que el espectador haga nada, con tu fuente, tus colores y tus animaciones. Es el estándar de Reels, TikTok y Shorts, donde casi nadie toca el botón de subtítulos. A cambio, no se pueden desactivar ni cambiar de idioma.
Muchos creadores hacen las dos cosas: versión incrustada para redes sociales y archivo SRT para YouTube y la web.
¿Qué reglas de legibilidad siguen los subtítulos clásicos?
Los subtítulos en archivo siguen normas profesionales. La guía de Netflix para el inglés, por ejemplo, fija 42 caracteres por línea, 2 líneas como máximo y 20 caracteres por segundo para programas de adultos (Netflix Timed Text Style Guide); muchos otros idiomas usan 42 caracteres por línea y una velocidad más lenta. En formatos verticales incrustados se baja más bien a 2 a 5 palabras por pantalla.
Corta las líneas por un punto lógico (no entre un artículo y su sustantivo) y deja cada subtítulo en pantalla al menos un segundo, aproximadamente.
Subtítulos automáticos y accesibilidad
Para las personas sordas o con pérdida auditiva, los subtítulos son imprescindibles. Las pautas de accesibilidad web (WCAG, criterio 1.2.2, nivel A) exigen subtítulos en los videos pregrabados con sonido. Un subtitulado accesible va algo más allá de una transcripción:
- indicar los sonidos importantes:
[risas],[música],[timbre]; - identificar quién habla cuando intervienen varias personas;
- revisar el texto: unos subtítulos automáticos sin corregir no bastan para un video institucional o comercial.
Los organismos públicos y algunas empresas tienen obligaciones de accesibilidad en España y en la Unión Europea. Si es tu caso, comprueba los requisitos concretos que se aplican a tus videos.
Idiomas: español, inglés y muchos más
Elige siempre el idioma hablado antes de lanzar la transcripción: un modelo que «adivina» el idioma se equivoca más en videos cortos o bilingües. Si tu video alterna español e inglés, transcribe cada parte en su idioma o revisa con más atención los fragmentos mezclados.
Orbicut transcribe automáticamente más de 30 idiomas, entre ellos español, inglés, francés, neerlandés, alemán e italiano, con la marca de tiempo de cada palabra. Corriges una palabra tocándola y los subtítulos se incrustan al exportar. La transcripción y los subtítulos no gastan créditos y están incluidos en todos los planes, también el gratuito (consulta los precios). Para ofrecer el video en otros idiomas, mira nuestra guía para traducir un video.
Preguntas frecuentes
¿Qué diferencia hay entre subtítulos y transcripción?
La transcripción es el texto completo de lo que se dice. Los subtítulos son ese texto dividido en bloques cortos sincronizados con la imagen. Ambos salen del mismo reconocimiento de voz.
Instagram y TikTok ya ofrecen subtítulos automáticos, ¿para qué añadir otros?
Los subtítulos nativos dependen de la app y de los ajustes del espectador, con poco control sobre el estilo y la posición. Unos subtítulos incrustados y revisados se ven igual en todas partes y se pueden diseñar a tu gusto.
¿Se pueden generar subtítulos para un video sin voz?
No, la transcripción automática necesita habla. Para un video musical o sin diálogo, escribe los textos a mano como títulos o rótulos.
¿Cuánto se tarda en subtitular un video automáticamente?
Transcribir un video de pocos minutos suele llevar menos de un minuto. Después, calcula unos dos minutos de revisión por minuto de video para un resultado fiable.
¿Los subtítulos automáticos entienden los distintos acentos del español?
Los modelos actuales reconocen bien el español estándar, también con acentos de España o de Latinoamérica. Las expresiones muy locales, la jerga y las palabras tomadas de otros idiomas piden una revisión más atenta.