Cómo funciona
- Arrastra el video. El sonido se extrae en tu computadora.
- Crea los subtítulos. La primera vez se descarga el modelo de voz (unos 80 MB para Rápido, 250 MB para Preciso) y el navegador lo guarda en caché: la próxima vez arranca al instante. Después, el reconocimiento se ejecuta en tu procesador; tu audio nunca sale del dispositivo.
- Edita. Haz clic en una marca de tiempo para ir a ese punto, corrige el texto en la lista, borra líneas o desplaza todos los subtítulos si van adelantados o atrasados.
- Guarda. Descarga un archivo .srt o .vtt, o guarda el video con los subtítulos incrustados en la imagen.
¿Incrustados o en un archivo aparte?
- Incrustados (subtítulos abiertos): forman parte de la imagen y se ven en todas partes: Instagram, TikTok, LinkedIn, WhatsApp, cualquier TV. La mayoría de los videos en redes se ven sin sonido, así que es la opción habitual para redes sociales. El video se recodifica.
- Un .srt junto al video (subtítulos cerrados): el espectador puede activarlos o desactivarlos. Ponle el mismo nombre que al video (
vacaciones.mp4+vacaciones.srt) y VLC, Plex, Kodi y la mayoría de las smart TV lo detectan solos. YouTube y Vimeo también aceptan subir SRT y VTT.
¿Qué tan preciso es?
Con voz clara en una sala silenciosa, Whisper acierta la mayoría de las palabras; los nombres, las marcas y los términos técnicos son lo que tendrás que corregir. La música de fondo, varias personas hablando a la vez y los acentos marcados bajan la precisión. “Preciso” usa un modelo más grande y comete bastantes menos errores, a cerca de un tercio de la velocidad.
¿Cuánto tarda?
En una laptop típica de los últimos años, el modelo Rápido procesa la voz unas 3–4 veces más rápido que el tiempo real: un video de 10 minutos en unos 3 minutos. Preciso va más o menos a tiempo real. Las computadoras antiguas o de bajo consumo son más lentas; puedes seguir usando otras pestañas mientras trabaja.
Idiomas y traducción
Whisper reconoce unos 100 idiomas y detecta el idioma por sí solo. También puede traducir la voz a subtítulos en inglés: elige “inglés (traducción)”, útil para compartir un video grabado en otro idioma con un público angloparlante.
Privado por diseño
La mayoría de los generadores de subtítulos suben tu video a sus servidores y cobran por minuto. Aquí el modelo se ejecuta localmente en tu navegador, así que no hay subida, ni límite de tiempo, ni suscripción: útil para entrevistas, reuniones internas y cualquier contenido confidencial.
Preguntas frecuentes
¿Es gratis?
Sí, sin límite de minutos, sin marca de agua y sin registro.
¿Se sube mi video?
No. Solo se descarga una vez el modelo de voz desde Hugging Face; tu video y tu audio se quedan en tu computadora.
¿Qué diferencia hay entre SRT y VTT?
Ambos son archivos de subtítulos de texto plano. SRT es compatible con casi cualquier reproductor y TV; VTT es el estándar web que usan los reproductores HTML5. Descarga el que te pida tu plataforma.
¿Puedo añadir mi propio archivo SRT e incrustarlo?
Sí: usa “Importar SRT/VTT”, revisa los tiempos y guarda el video con los subtítulos incrustados.
¿Por qué la primera vez es lenta?
El modelo de voz tiene que descargarse una vez (80–250 MB). Después, el navegador lo guarda en caché.
Última actualización: 30/10/2026