Subtítulos automáticos para vídeo, gratis
Convierte la voz de tu vídeo en subtítulos con una IA que funciona en tu navegador. Edita el texto, descarga SRT o VTT o incrusta los subtítulos en un MP4. Sin marca de agua, sin registro y sin que el vídeo ni el audio salgan de tu dispositivo.
- Gratis
- Sin marca de agua
- Sin registro
- Se queda en tu dispositivo
Esta herramienta necesita WebCodecs. Usa una versión reciente de Chrome, Edge, Opera o Safari 16.4+ (ordenador, Android o iPhone). En Firefox el soporte es limitado.
Este vídeo no tiene pista de audio, así que no hay voz que reconocer.
Elige el idioma si la detección automática se equivoca.
SRT y VTT son archivos de texto para YouTube, reproductores y editores. No hace falta recodificar el vídeo.
Revisa y edita los subtítulos
Pulsa una línea para ir a ese punto del vídeo. Corrige las palabras erróneas y ajusta los tiempos (m:ss.mmm). La descarga y la incrustación usan tu texto editado.
No se encontró voz. Puedes añadir líneas a mano con el botón de abajo.
Procesando…
🔒 Tu archivo se queda en este dispositivo. No se sube nada.
Los subtítulos automáticos convierten la voz en texto con marcas de tiempo. Casi todas las herramientas online lo hacen subiendo tu archivo a un servidor, de modo que tu voz y tus imágenes acaban en el ordenador de otra persona. Clipalio ejecuta Whisper, un modelo abierto de reconocimiento de voz de OpenAI, dentro de tu navegador. Solo se descarga el modelo (unos 45, 80 o 250 MB según el tamaño), y solo cuando eliges un archivo y pulsas el botón. Después queda guardado en tu navegador, así que el siguiente vídeo empieza al instante.
Obtienes una lista de líneas con tiempo de inicio y de fin que puedes corregir. Descárgala como SRT o VTT para YouTube, Vimeo o un editor de vídeo, o incrústala en la imagen para que se vea en todas partes, también en TikTok, Instagram y WhatsApp. Whisper conoce unos cien idiomas y detecta solo el que se habla. En nuestras pruebas el inglés y el español salieron limpios y el ruso bien; los idiomas con menos datos van peor, así que lee el texto antes de publicar.
Cómo se usa
Añade tu vídeo
Suelta el archivo en el recuadro o elígelo. No se carga nada pesado hasta entonces, y ves al instante la duración y una estimación de tiempo.
Elige idioma y modelo y pulsa el botón
Deja el idioma en automático o elígelo. El modelo de IA se descarga una vez, con barra de progreso. Después tu propio dispositivo escucha el audio.
Corrige el texto y exporta
Reproduce el vídeo, corrige palabras y tiempos en la lista y descarga SRT o VTT, o incrusta los subtítulos en un MP4.
Por qué usar Clipalio
Tu vídeo se queda contigo
Casi todas las webs de subtítulos suben tu archivo. Aquí el vídeo y el audio no salen de tu ordenador; solo se descarga el modelo de IA.
Gratis, sin marca de agua y sin cupo de minutos
Sin logo, sin cuenta, sin límite mensual. Trabaja tu propio ordenador.
Editable y con vista previa
Ves los subtítulos sobre el vídeo y corriges cualquier línea o tiempo antes de exportar.
Claros con la velocidad
Antes de descargar nada te damos una estimación para tu dispositivo, y te sugerimos un modelo menor si el vídeo es largo.
Preguntas frecuentes
¿Se sube mi vídeo a un servidor?
No. El audio se descodifica y se reconoce en tu dispositivo. El navegador descarga el modelo de IA (desde la CDN de Hugging Face) y una pequeña biblioteca de ejecución (desde jsDelivr); no se envía nada de tu archivo.
¿Qué modelo debo elegir?
Equilibrado (Base) es el predeterminado: en nuestros clips de prueba en inglés y español acertó casi palabra por palabra. Rápido (Tiny) va más deprisa pero comete más errores. Preciso (Small) es el mejor para ruso, acentos y ruido, pero necesita un ordenador potente y bastante más memoria.
¿Cuánto tarda?
En un Mac con chip M el modelo Equilibrado fue unas 6,7 veces más rápido que la duración del vídeo con tarjeta gráfica y 4,4 veces solo con procesador: entre 1,5 y 2,5 minutos por cada 10 de vídeo. Los equipos antiguos van más lentos, y el modelo Preciso solo con procesador, varias veces más. La página te da una estimación para tu dispositivo antes de descargar nada.
¿Qué diferencia hay entre SRT/VTT y subtítulos incrustados?
SRT y VTT son archivos de texto pequeños que los reproductores muestran sobre el vídeo; el espectador puede desactivarlos y tú puedes editarlos después. Los incrustados se dibujan en la imagen, se ven en todas partes y no se pueden quitar, pero el vídeo se recodifica.
Límites, con honestidad
- Los vídeos largos tardan, y un ordenador sin tarjeta gráfica puede necesitar más que la duración del vídeo. Usa el modelo Rápido o corta antes el vídeo.
- Los ordenadores modestos y los móviles pueden quedarse sin memoria, sobre todo con el modelo Preciso.
- La precisión baja con música, ruido, acentos marcados e idiomas con menos datos (como árabe, hindi, tailandés o japonés). Por eso la lista es editable.
- Incrustar subtítulos requiere WebCodecs (Chrome, Edge o Safari recientes) y recodifica el vídeo. SRT y VTT funcionan en todas partes.
- Aún no hay nombres de hablantes, resaltado palabra por palabra ni traducción. La primera vez se descargan de 45 a 490 MB.