Crear videos con subtítulos automáticos

Los subtítulos no salen de escuchar el video

Casi todas las herramientas de subtítulos hacen lo mismo: cogen un video ya montado, escuchan el audio y escriben lo que creen haber oído. Ahí aparecen los errores de siempre, y siempre en lo mismo: un nombre propio mal escrito, el nombre de tu negocio convertido en otra palabra, una cifra que no era esa. Y te toca corregirlo a mano, línea por línea, después de haberlo mirado entero.

Aquí el orden es al revés. Primero existe el guion, escrito y revisado por ti; después ese texto se convierte en voz; y el subtítulo es ese mismo texto, no una interpretación de lo que sonó. Si en el guion pone «Almudena», en pantalla pone «Almudena». Nadie ha vuelto a adivinarlo por el camino.

La sincronía viene del mismo sitio. Al generar la locución se guarda en qué segundo empieza y acaba cada carácter, y con esos tiempos las palabras se agrupan en trozos de frase. Por eso el texto entra justo cuando el narrador dice esa palabra, sin que tú toques una línea de tiempo ni arrastres nada. Y como el subtítulo es el guion, va en el idioma del video: si la voz sale en inglés, lo que se lee en pantalla es el inglés que se locuta.

Lo que esto implica, dicho claro: el subtítulo dice exactamente lo que dice el guion, ni una palabra más. Si quieres cambiar algo, se cambia en el paso Guion, antes de producir. No hay una pasada de corrección de subtítulos al final, porque no hace falta.

Un límite que conviene saber de entrada: los subtítulos salen en las escenas de imagen que llevan narración y no tienen ya su propio texto en pantalla, para no dejar dos bloques diciendo lo mismo a la vez. Las escenas de presentador y las de video todavía no los llevan.

Cuatro maneras de que aparezcan

No entra igual el texto en un video explicativo que en uno de frases cortas, así que cómo aparecen se elige. Son cuatro formas y cambian bastante el ritmo:

• Con la voz: cada trozo de frase entra cuando el narrador lo dice y desaparece al pasar al siguiente. Es lo normal.
• De una vez: el texto de la escena aparece entero desde la primera palabra y se queda hasta la última.
• Se ilumina cada palabra: la frase completa está en pantalla y la que está sonando va de otro color.
• Una palabra a la vez: en pantalla solo esa palabra, mucho más grande y en mayúsculas. Es la que impone el ritmo cuando cada palabra es un golpe.

Con qué letra, de qué tamaño y dónde

La tipografía se elige para el video entero. Hay familias neutras, editoriales, condensadas de titular y monoespaciadas, y la negrita es un interruptor aparte en vez de otra fuente distinta en la lista. Viene puesta por un motivo concreto: la negrita es lo que hace que la letra se lea sobre una foto con detalle.

Que la fuente sea del video y no de cada escena es a propósito. Cambiar de tipografía a mitad de un video se lee como un fallo de montaje, no como una decisión. El tamaño y la posición sí se pueden cambiar escena por escena, porque esos dependen de la imagen que hay debajo: la escena cuya foto tiene el cielo blanco justo arriba es exactamente el caso para el que existe esa excepción.

Tres tamaños —pequeño, mediano y grande—, tres posiciones —arriba, medio y abajo— y tres estilos. Caja se lee siempre, porque detrás de la letra el fondo deja de ser el video. Contorno deja ver la imagen entera, pero sobre fotos con mucho detalle cuesta más. Rótulo usa el color de tu marca, si tienes un kit guardado, y de ahí sale también la fuente sin que la vuelvas a elegir. El estilo y la forma de aparecer son del video entero; lo que una escena suelta puede contradecir es el tamaño y la posición.

Todo eso se ve antes de producir, en una muestra que se mueve al instante con cada selector. La proporción del lienzo, el alto de la letra y dónde se parte el texto son los de verdad, calculados con las mismas cuentas que hace el montaje. Así se ve de un vistazo que en vertical el tamaño grande reparte la frase en más líneas, en vez de descubrirlo con el video ya hecho. Lo que la muestra enseña es cómo se ven los subtítulos, no cómo suena la voz: tu guion locutado no se puede oír antes de producir.

Hay una combinación que la pantalla te avisa antes: en «contorno» no hay caja detrás de la letra, así que el color de tu marca no se leería sobre una imagen clara y esos subtítulos salen en blanco con borde negro. Si lo que quieres es tu color, el estilo es «rótulo». Y si pides «de una vez» pero el texto de alguna escena no cabe en tres líneas a ese tamaño, esas escenas entran con la voz: te dice cuántas son para que bajes el tamaño o acortes la narración.

Por qué pesan tanto donde la gente ve sin sonido

En TikTok, en Reels, en Shorts y en el muro de Facebook el video arranca mudo para muchísima gente. Si lo que cuentas vive solo en la voz, esos segundos no han contado nada: se ven unas imágenes y se pasa al siguiente. El subtítulo no es un añadido de accesibilidad ahí, es por donde llega el mensaje.

Van incrustados en la imagen, no en un archivo aparte que el reproductor active o no. Están dentro del video que descargas, así que se ven igual lo subas donde lo subas y aunque quien mire tenga el móvil en silencio.

Hay un detalle que solo se aprende publicando: las apps verticales pintan sus propios botones encima del video —el usuario, la descripción, el corazón, el audio—. Si el subtítulo cae ahí debajo, no se lee. Por eso en 9:16 se aparta por defecto de ese trozo, algo más del 13 % de abajo, y se queda justo encima. En la muestra esa franja se dibuja rayada, para que se vea de dónde se está apartando.

Cuando el video no se ve a pantalla completa esa reserva sobra. En un 16:9 de YouTube o en un 1:1 dentro del feed la descripción va debajo del reproductor, no encima del cuadro, y apartarse tanto solo consigue que el subtítulo flote en mitad de la imagen. Para esos formatos puedes cambiarlo al margen de seguridad de toda la vida y bajarlo cerca del borde.

Empezar sin pagar

Sí se puede empezar sin pagar. Al confirmar el correo entran 150 créditos de regalo, y con ellos se producen videos completos: mismo guion, misma voz, mismas escenas y los mismos subtítulos que en uno pagado. La única diferencia es que llevan una marca de agua encima. Esa marca se va con tu primera recarga --la más pequeña vale, y no hay suscripción obligatoria--, y se va también de los videos que ya hubieras hecho con el saldo de regalo, sin volver a producirlos.

Ajustar los subtítulos no cuesta nada por su cuenta: elegir fuente, tamaño, posición, estilo y forma de aparecer, guardar y volver a mirar la muestra las veces que quieras no gasta un crédito. Lo que gasta es producir el video, y ese coste se ve antes, en el paso de revisión, con su desglose y con un botón de aceptar.

Mientras la cuenta no haya pagado nunca, los videos salen con una marca de agua encima. Los subtítulos son los mismos y el video sale entero: lo único que cambia es esa marca. Se va con el primer pago —cualquier recarga, la más pequeña vale, o un plan— y se va también de los videos que ya hubieras hecho con el saldo de regalo, sin volver a producirlos.

Dos límites, mejor saberlos antes que después: se pueden lanzar hasta 20 producciones al día, y el video terminado se puede descargar durante 30 días. Pasado ese plazo deja de poder bajarse; el guion y el historial sí se conservan. Como los subtítulos van quemados en la imagen, el archivo que te bajas ya los lleva dentro: guárdalo y lo tienes.

Preguntas frecuentes

¿Cómo creo un video con subtítulos automáticos?

Escribes la idea en una o dos frases, revisas el guion que se genera, eliges cómo quieres los subtítulos y produces. El texto y los tiempos salen del propio guion y de la voz, así que no hay que escribir ni ajustar nada a mano.

¿Los subtítulos se hacen transcribiendo el audio del video?

No. Salen del guion, que ya existe antes que la voz, y los tiempos vienen de la propia locución. Por eso los nombres propios, las marcas y las palabras poco comunes aparecen escritos igual que en el guion, sin errores de oído.

¿Puedo elegir la tipografía y cómo aparecen?

Sí. La fuente, la negrita, el estilo (caja, contorno o rótulo) y la forma de aparecer —con la voz, de una vez, iluminando cada palabra o una palabra a la vez— se eligen para el video entero. El tamaño y la posición también, y esos dos además se pueden cambiar en una escena suelta.

¿Los subtítulos van pegados al video o en un archivo aparte?

Van incrustados en la imagen. Se ven en cualquier red y con el sonido apagado, sin depender de que el reproductor los active ni de subir un archivo de subtítulos por separado.

¿Llevan subtítulos todas las escenas?

Salen en las escenas de imagen que tienen narración y no llevan ya su propio texto en pantalla. Las escenas de presentador y las de video todavía no los llevan. El interruptor de encendido y apagado es del video entero: por escena lo que cambia es el tamaño y la posición.

¿Puedo hacer videos con subtítulos gratis?

Sí, con los créditos de bienvenida que entran al confirmar el correo. Los videos salen completos y con los mismos subtítulos que en uno pagado; lo único que cambia es que llevan una marca de agua mientras la cuenta no haya pagado nunca. Se va con el primer pago, sea una recarga o un plan, y también de los que ya hubieras hecho.