Come funziona
- Trascina il video. L’audio viene estratto sul tuo computer.
- Crea i sottotitoli. La prima volta viene scaricato il modello vocale (circa 80 MB per Veloce, 250 MB per Accurato) e conservato nella cache del browser — la volta dopo parte subito. Il riconoscimento poi gira sul tuo processore; il tuo audio non lascia mai il dispositivo.
- Modifica. Clicca su un tempo per andare lì, correggi il testo nell’elenco, elimina righe, oppure sposta tutti i sottotitoli se sono in anticipo o in ritardo.
- Salva. Scarica un file .srt o .vtt, oppure salva il video con i sottotitoli incorporati nell’immagine.
Incorporati o in un file separato?
- Incorporati (open caption) — fanno parte dell’immagine, visibili ovunque: Instagram, TikTok, LinkedIn, WhatsApp, qualsiasi TV. La maggior parte dei video social si guarda senza audio, quindi è la scelta tipica per i social. Il video viene ricodificato.
- .srt accanto al video (closed caption) — gli spettatori possono attivarli o disattivarli. Dagli lo stesso nome del video (
vacanza.mp4+vacanza.srt) e VLC, Plex, Kodi e la maggior parte delle smart TV lo rilevano in automatico. Anche YouTube e Vimeo accettano caricamenti di SRT e VTT.
Quanto è accurato?
Con un parlato chiaro in una stanza silenziosa, Whisper azzecca la maggior parte delle parole; nomi, marchi e termini tecnici sono dove dovrai correggere. Musica di sottofondo, più persone che parlano insieme e accenti forti abbassano l’accuratezza. “Accurato” usa un modello più grande e commette sensibilmente meno errori, a circa un terzo della velocità.
Quanto tempo ci vuole?
Su un portatile tipico degli ultimi anni, il modello Veloce elabora il parlato circa 3–4 volte più velocemente del tempo reale — un video di 10 minuti in circa 3 minuti. Accurato va più o meno in tempo reale. I computer più vecchi o poco potenti sono più lenti; mentre lavora puoi continuare a usare le altre schede.
Lingue e traduzione
Whisper riconosce circa 100 lingue e rileva la lingua da solo. Può anche tradurre il parlato in sottotitoli inglesi: scegli “inglese (traduzione)” — utile per condividere con un pubblico anglofono un video registrato in un’altra lingua.
Privato per progettazione
La maggior parte dei generatori di sottotitoli carica il tuo video sui propri server e fa pagare al minuto. Qui il modello gira in locale nel browser, quindi niente upload, nessun limite di tempo e nessun abbonamento — utile per interviste, riunioni interne e tutto ciò che è riservato.
Domande
È gratis?
Sì, senza limiti di minuti, senza filigrana e senza registrazione.
Il mio video viene caricato?
No. Solo il modello vocale viene scaricato una volta da Hugging Face; il tuo video e il tuo audio restano sul tuo computer.
Che differenza c’è tra SRT e VTT?
Sono entrambi file di sottotitoli in testo semplice. L’SRT è supportato da quasi tutti i lettori e le TV; il VTT è lo standard web usato dai lettori HTML5. Scarica quello che chiede la tua piattaforma.
Posso aggiungere un mio file SRT e incorporarlo?
Sì — usa “Importa SRT/VTT”, controlla la sincronizzazione e salva il video con i sottotitoli incorporati.
Perché la prima esecuzione è lenta?
Il modello vocale va scaricato una volta (80–250 MB). Dopo viene conservato nella cache del browser.
Ultimo aggiornamento: 30/10/2026