Herramientas de subtítulos y transcripciones que nunca salen de tu navegador

Los archivos de subtítulos y leyendas son simplemente texto estructurado. Un archivo SRT (SubRip) enumera subtítulos secuenciales: un número, un rango de código de tiempo en formato HH:MM:SS,mmm --> HH:MM:SS,mmm con una coma antes de los milisegundos, y una o más líneas de diálogo, separadas por una línea en blanco. Un archivo WebVTT (.vtt) comienza con una cabecera WEBVTT, usa un punto en lugar de una coma antes de los milisegundos, y admite metadatos adicionales que el SRT no tiene: ajustes de subtítulo como align:start position:10%, etiquetas de voz como <v Speaker Name> para subtítulos por hablante, y etiquetas de estilo como <i> o <c.yellow>. Los archivos .txt simples no tienen nada de esto, solo líneas de texto, que es exactamente lo que la mayoría de la gente realmente quiere leer, copiar en un documento o introducir en un resumidor.

Paso 1: carga tu archivo

Arrastra un archivo .srt, .vtt o .txt al estudio de arriba, haz clic en “Subir archivo” o simplemente pega el texto sin procesar directamente en el panel izquierdo. SubToolDesk lee el archivo localmente con la FileReader API del navegador. Se procesa en memoria y nunca se transmite a ningún sitio.

Paso 2: deja que la detección automática haga su trabajo

La insignia encima del editor identifica el formato buscando una cabecera WEBVTT, códigos de tiempo con coma o códigos de tiempo con punto. Si ninguno de esos patrones coincide, el archivo se trata como texto plano y cada línea no vacía se convierte en su propio segmento, por lo que la limpieza de etiquetas de hablante y de formato se sigue aplicando.

Paso 3: elige una salida y ajusta las opciones

Elige Texto plano para obtener una transcripción limpia y legible, o SRT/VTT para conservar (o convertir) la estructura de subtítulos sincronizados. Tres opciones independientes afinan el resultado:

• Unir en párrafos: recompone los subtítulos cortos y fragmentados en frases y párrafos naturales, usando la puntuación para decidir dónde termina una idea y empieza la siguiente.
• Quitar etiquetas de hablante: elimina identificadores iniciales como SPEAKER 1:, [John]: o >> JANE: que el software de subtitulado añade automáticamente.
• Quitar etiquetas de formato: elimina etiquetas de estilo HTML (<i>, <v Name>) y códigos de anulación ASS ({\an8}) que de otro modo aparecerían como ruido visual en una exportación de texto plano.

Paso 4: copia o descarga

El panel derecho se actualiza con cada pulsación de tecla y cada cambio de opción. Cuando el resultado se vea bien, pulsa Copiar (o Cmd/Ctrl + C en cualquier lugar fuera de los paneles de texto) para obtenerlo desde el portapapeles, o Descargar para guardar un archivo con la extensión correcta, todo sin que salga una sola solicitud de red de tu equipo.

SRT frente a WebVTT: las diferencias técnicas que importan

Los dos formatos parecen casi idénticos a simple vista, y por eso precisamente las conversiones entre ellos suelen confundir a la gente. Los códigos de tiempo de SRT separan los milisegundos con una coma (00:00:06,120); WebVTT usa un punto (00:00:06.120). WebVTT exige una línea de cabecera WEBVTT literal al principio del archivo. SRT no tiene ninguna cabecera. WebVTT también admite funciones para las que SRT nunca se diseñó: ajustes de subtítulo como align:start position:10% que controlan la posición en pantalla, etiquetas de voz <v Speaker Name> para subtitulado por hablante, y bloques dedicados NOTE, STYLE y REGION para comentarios y estilos. El índice de subtítulo de SRT debe ser un número entero secuencial estricto y sin huecos; el identificador de subtítulo opcional de WebVTT puede ser cualquier cadena, o puede omitirse por completo. Equivocarse en cualquiera de estos detalles suele ser la razón por la que un archivo de subtítulos editado a mano "casi funciona" en un reproductor, pero falla silenciosamente al cargar los subtítulos en un navegador.

Quién usa realmente herramientas como esta

Los editores de vídeo convierten exportaciones de subtítulos sincronizados en un guion de texto plano para una lectura rápida antes de cerrar el montaje. Los creadores de pódcast y los equipos de contenido convierten una transcripción generada automáticamente en un borrador para una entrada de blog o notas del episodio sin volver a escribir nada. Los equipos de atención al cliente y de ventas extraen un resumen limpio y sin nombres de hablante de una grabación de Zoom o Teams para una nota en el CRM. Los desarrolladores web preparan archivos .vtt para el elemento HTML5 <track> y así cumplir con los requisitos de accesibilidad. Los investigadores y periodistas limpian transcripciones de entrevistas para citarlas sin exponer la grabación original a un proveedor externo de transcripción por segunda vez. Cada uno de estos casos de uso comparte el mismo requisito de fondo: el archivo de origen suele ser confidencial, previo a su publicación, o sencillamente no es asunto del servidor de un desconocido.

Una nota sobre precisión y límites

El algoritmo de unión en párrafos usa la puntuación (puntos, signos de interrogación, signos de exclamación y la convención de puntos suspensivos que usan los autores de subtítulos para indicar que una frase continúa en el siguiente subtítulo) para decidir dónde termina un párrafo y empieza el siguiente. Es deliberadamente conservador: en caso de duda, mantiene un fragmento unido a su vecino en lugar de adivinar un corte que no existe. Para archivos con convenciones de puntuación inusuales (por ejemplo, sin ningún signo de puntuación final), desactivar la unión en párrafos y revisar primero la salida de un subtítulo por línea es la forma más fiable de verificar el origen antes de seguir dándole formato.