Genera subtítulos y tradúcelos en local.

Un estudio de subtítulos gratuito que escucha tu audio y vídeo con Whisper, escribe señales temporizadas, les aplica estilo para cualquier plataforma, las inserta en nuevos archivos de vídeo y, opcionalmente, las traduce a un segundo idioma — todo dentro del navegador.

Está pensado para creadores, profesores, periodistas y cualquiera que subtitule entrevistas, clases, grabaciones de pantalla o vlogs sin entregar el material en bruto a un servicio en la nube y sin aceptar una marca de agua o un tope mensual de minutos.

Cómo funciona

La pista de audio se decodifica con la Web Audio API y se remuestrea a mono de 16 kHz; después la transcribe un modelo Whisper con marcas de tiempo que se ejecuta a través de Transformers.js en ventanas solapadas de 30 segundos, de modo que las grabaciones largas muestran el progreso y cada señal contiene tiempos palabra por palabra. Puedes elegir el nivel tiny, base o small de Whisper y dejar que la herramienta detecte el idioma o fijar uno de entre aproximadamente 99. Para una pista en un segundo idioma, modelos compactos Marian (OPUS-MT) traducen las señales, pasando por el inglés cuando no existe un modelo directo. Tanto los modelos de transcripción como los de traducción se descargan una vez y quedan en caché para reutilizarlos sin conexión.

Estilo visual y plantillas de resaltado por palabras

Un panel de estilo dedicado controla todo el ámbito visual: tipografía, tamaño (escalado a la altura de exportación), negrita, cursiva, mayúsculas, colores principal y de contorno, grosor del contorno, sombra, caja de fondo redondeada opcional, espaciado entre letras y altura de línea, además de una cuadrícula de colocación de nueve posiciones y márgenes verticales. Cinco preajustes cuidados cubren estilos de broadcast, redes sociales y cine, y cada cambio se previsualiza en vivo sobre el vídeo real y entra en el historial de deshacer/rehacer.

Para vídeo en redes sociales, tres plantillas de resaltado palabra por palabra — Minimal, Bold Pop y Karaoke — recolorean las palabras a medida que se pronuncian, con colores ajustables para la palabra activa y las ya pronunciadas. Los mismos datos de temporización generan parámetros de señales VTT, estilos ASS V4+ completos y auténticos eventos de karaoke ASS, de modo que lo que previsualizas es lo que el archivo codifica.

Exportación de vídeo con subtítulos incrustados

Si necesitas subtítulos integrados en la imagen, el exportador de incrustación dibuja cada fotograma de vídeo decodificado sobre un canvas con el subtítulo estilizado — incluido el resaltado por palabras y las etiquetas de hablante opcionales — y captura el resultado junto con el audio original mediante MediaRecorder. El resultado es MP4 con H.264 donde el navegador lo permite, o WebM (VP9/VP8) en caso contrario; no interviene ffmpeg ni hay marca de agua. Las alturas a partir de 720p se eligen por objetivo y están limitadas por el plan, con tasas de bits ajustadas a la resolución. Como la captura se ejecuta en tiempo real, un clip de dos minutos tarda aproximadamente dos minutos en renderizarse, y la interfaz lo dice claramente.

Edición, herramientas de temporización y controles de calidad

El estudio combina la previsualización y una forma de onda desplazable con un editor de señales para ediciones de texto en línea, división en el cabezal, fusión, duplicación, buscar y reemplazar en ambas pistas, etiquetas de hablante por señal, desplazamiento global de tiempos, estiramiento proporcional del tiempo y deshacer/rehacer completo. Un panel de calidad marca las señales cuya duración, velocidad de lectura, longitud de línea o solapamiento incumple las convenciones normales de subtítulos, y con un clic se vuelve a normalizar todo el documento. Los subtítulos terminados se exportan como SRT, WebVTT, ASS, texto sin formato o JSON estructurado — en el idioma original, en la traducción, o ambos apilados en cualquier orden de lectura.

Límites de los planes gratuito y Pro

El nivel gratuito admite contenido de hasta 30 minutos e incrusta subtítulos hasta 1080p; Pro amplía el contenido a 180 minutos y la incrustación hasta 2160p. Como en todo el conjunto, ningún nivel tiene límite de ejecuciones, cuota mensual ni marca de agua, y el uso comercial está incluido. Las grabaciones muy largas pueden agotar la memoria en dispositivos con poca RAM: dividir el archivo es la solución práctica.

Preguntas frecuentes

¿La exportación incrustada es tan buena como un codificador de escritorio? El renderizado es una captura del navegador en tiempo real sin marca de agua; la compatibilidad con MP4 depende del navegador y WebM es la alternativa honesta, con los archivos SRT/ASS independientes siempre disponibles en calidad perfecta.

¿Funcionan las plantillas de resaltado por palabras en los archivos exportados? Sí, en los eventos de karaoke ASS y en el vídeo con subtítulos incrustados; el propio SRT no tiene concepto de estilo, así que la salida independiente estilizada pasa por VTT o ASS.

¿Puedo confiar en la traducción para textos de alto riesgo? OPUS-MT es sólido para conversación general y narración, pero los textos jurídicos o médicos deberían ser revisados por una persona.

¿Se sube algo? No: la decodificación, la transcripción, la traducción y el renderizado ocurren en tu equipo; solo los subtítulos o el vídeo que eliges descargar salen de la pestaña.