Audiovisual & IAsubtitulos
Subtitulación con IA: subtítulos automáticos y SRT
Subtitulación con IA para vídeos en español: compara Whisper y YouTube, corrige la transcripción y entrega subtítulos SRT o incrustados listos para publicar.
- Actualizado
- Autor: humAIns
- 8 min de lectura
índice · 6 apartados
Subtitular a mano un vídeo de diez minutos lleva horas. Con IA, el primer borrador sale en minutos y el trabajo se desplaza a donde de verdad aporta valor: corregir, ajustar el ritmo de lectura y decidir cómo se presentan. Esta guía cubre el flujo completo para vídeo en español: qué herramienta elegir según el caso, cómo revisar sin perderse, qué formato exportar y qué cuidar con el audio de tus clientes. Datos consultados el 6 de noviembre de 2026 en las páginas oficiales de cada herramienta.
Para el contexto de montaje, tienes la guía de IA para editores de vídeo; si publicas en YouTube, la de IA para youtubers.
Elegir herramienta según el caso
No hay una opción mejor en abstracto; hay una mejor para tu situación.
| Caso | Opción | Ventaja | Límite |
|---|---|---|---|
| Vídeo que subes a YouTube | Subtítulos automáticos de YouTube | Gratis y ya integrados; más de 60 idiomas, entre ellos español, euskera y gallego | No incluye catalán en la lista actual; hay que revisar en Studio |
| Montaje en Premiere Pro | Voz a texto de Premiere | Subtítulos dentro del proyecto y botón para traducir subtítulos, según Adobe | Revisa el resultado en el panel de texto antes de traducir |
| Vídeo corto para redes | Subtítulos de CapCut | Estilos listos para formato vertical (ver guía de CapCut) | Los límites por plan cambian; comprueba en la app |
| Material confidencial | Whisper en local | El audio no sale de tu equipo; licencia MIT | Requiere instalar y usar la línea de comandos |
| Corregir y dar formato a un SRT | Subtitle Edit | Gratuito, de código abierto, para Windows, macOS y Linux | Interfaz técnica |
| Entrevistas y pódcast | Transcripción de Descript (ver guía de Descript) | Se edita el texto y el vídeo cambia con él | Los límites dependen del plan |
DaVinci Resolve también ofrece subtitulado desde el audio, pero la disponibilidad por versión (gratuita o Studio) e idioma ha cambiado entre versiones; consúltalo en el manual de la versión que uses antes de prometérselo a un cliente.
El flujo en siete pasos
1. Prepara el audio
La calidad del subtítulo depende de la calidad del audio. Una voz clara sobre un fondo moderado transcribe mucho mejor que una conversación con música alta debajo. Si puedes, trabaja desde la pista de voz sola, sin música ni efectos.
2. Transcribe
Con YouTube, sube el vídeo y espera a que se generen los subtítulos automáticos; con Premiere o CapCut, lanza la transcripción desde el panel de texto o subtítulos. Con Whisper en local, el comando básico es:
whisper entrevista.mp3 --model turbo --language Spanish --output_format srt
El README oficial de Whisper indica que el modelo turbo es una versión optimizada de large-v3 con mayor velocidad y una pérdida mínima de precisión, y que no está entrenado para traducir: si quieres traducir al inglés durante la transcripción, usa los modelos medium o large.
3. Prepara un glosario antes de revisar
Nombres propios, marcas, siglas y cifras son donde más falla cualquier sistema. Antes de revisar, escribe una lista de los términos del vídeo con su grafía correcta (quién habla, empresa, producto). Será tu guía de búsqueda y sustitución.
4. Revisa contra el audio, no solo leyendo
Leer el texto sin audio no sirve: el texto suena razonable aunque esté mal. Reproduce el vídeo con los subtítulos activados y corrige sobre la marcha. Presta atención a tres sitios: los nombres propios y cifras, los silencios y la música (donde los modelos pueden insertar texto sin que nadie hable) y los cambios de hablante. Si usas un asistente de chat para limpiar el texto, dale una instrucción acotada:
Te paso una transcripción automática. Corrige solo errores evidentes de
transcripción usando este glosario: [términos]. No reformules ni resumas,
no cambies cifras y marca entre corchetes lo que no estés seguro de haber
entendido.
El «no reformules» importa: un asistente tiende a pulir, y un subtítulo debe reflejar lo que se dice.
5. Ajusta tiempos y saltos de línea
El subtítulo debe leerse con comodidad, sin saltos que partan una frase por la mitad y sin cambiar antes de que dé tiempo a leerlo. La norma técnica española de referencia para el subtitulado para personas sordas es la UNE 153010, que fija límites de caracteres, líneas y velocidad de lectura; consulta la edición vigente en el catálogo de UNE si trabajas para un cliente regulado. Subtitle Edit trae herramientas para corregir errores comunes de tiempos y longitudes, y una comprobación de errores según las reglas de Netflix.
6. Exporta en el formato adecuado
- SRT: texto con tiempos, el formato de intercambio más extendido. Editable y reutilizable.
- VTT: similar, pensado para la web. Apple Podcasts, por ejemplo, admite VTT para identificar a cada hablante en las transcripciones.
- Incrustados (quemados): forman parte de la imagen. Útiles en vídeo vertical para redes, porque controlas tipografía y posición; no se pueden desactivar ni traducir.
Guarda siempre el SRT aunque entregues el vídeo con subtítulos quemados: es lo que te permite corregir una errata sin reexportar y lo que necesitas para traducir.
7. Traduce con una pasada de revisión
Una vez tienes el SRT en español revisado, traducirlo es rápido, con el editor, con un asistente o con una herramienta específica. El riesgo es el mismo que en la transcripción: nombres, cifras y juegos de palabras. Conserva la numeración y los tiempos del archivo original y pídele a un hablante nativo que mire la entrega final. Si lo que buscas no son subtítulos sino una pista de voz traducida, la guía de doblaje con IA explica ese otro flujo.
Subtítulos de diálogo y subtítulos para personas sordas
Son dos productos distintos y conviene decidir cuál entregas antes de empezar. El subtítulo de diálogo transcribe lo que se dice. El subtítulo para personas sordas y con discapacidad auditiva, que es el que regula la UNE 153010, añade además la identificación de quién habla cuando no es evidente y la descripción de sonidos relevantes (una puerta, una música que cambia el tono de la escena). Ningún transcriptor automático hace esto último bien: reconoce habla, no interpreta qué sonido importa para la historia. Si tu cliente pide accesibilidad real, presupuesta una pasada manual específica.
El proceso inverso también existe: Subtitle Edit incluye una herramienta para eliminar del archivo el texto pensado para personas sordas, útil si reaprovechas un subtitulado para otro público.
Privacidad: dónde va el audio de tus clientes
Un subtítulo automático empieza subiendo audio a un servidor, salvo que lo hagas en local. Con entrevistas internas, reuniones o grabaciones de formación, ese audio contiene datos personales y a menudo información confidencial. La AEPD recomienda, en su decálogo sobre el uso de IA publicado en enero de 2026, no compartir con herramientas de IA datos personales, sensibles ni confidenciales de clientes o de tu organización, y trabajar con casos ficticios cuando sea posible. En la práctica:
- Para material sensible, usa Whisper en local o Subtitle Edit sin servicios en línea.
- Si usas un servicio en la nube, revisa sus términos de uso del contenido y si entrena modelos con él.
- Avisa a las personas que hablan de que se transcribe su voz; su voz es un dato personal.
Errores frecuentes
- Publicar sin revisar. Es el error que más se nota: una cifra mal transcrita en un vídeo corporativo.
- Aceptar los saltos de línea por defecto. Quedan frases partidas en mitad de un sintagma que cuestan de leer.
- Quemar los subtítulos y perder el SRT. Corregir una errata obliga a reexportar el vídeo entero.
- Subtitular con la música a todo volumen. Mala transcripción garantizada.
- Olvidar la accesibilidad más allá del texto. Los subtítulos para personas sordas incluyen también sonidos relevantes y quién habla; un subtítulo de diálogo sin más no lo cubre.
Siguiente paso
Subtitular es una pieza de un flujo más amplio: guion, imagen, voz, música y montaje. El programa IA para Audiovisual de humAIns recorre ese flujo completo en ocho semanas, con entregables revisados por un profesional en activo. Si empiezas desde cero, la guía para aprender IA te ordena el camino.
Sigue leyendo en humAIns