Converti sottotitoli WebVTT in testo semplice

Il WebVTT (Web Video Text Tracks) è il formato standard del W3C per i sottotitoli dei video HTML5, ed è quello che Zoom, Microsoft Teams, Google Meet e YouTube esportano quando scarichi la trascrizione di una riunione o un file di sottotitoli video. Ogni file .vtt inizia con una riga di intestazione WEBVTT, seguita da blocchi cronometrati con millisecondi separati da un punto (00:00:03.500, non dalla virgola dell'SRT). Il WebVTT supporta anche metadati più ricchi dell'SRT: impostazioni di blocco come align:start position:10% sulla riga del timecode, tag voce come <v Nome Oratore> per indicare chi sta parlando, e blocchi NOTE / STYLE / REGION che contengono commenti o stili simili al CSS piuttosto che dialogo.

Nulla di tutto ciò appartiene a una trascrizione in testo semplice. Il parser di SubToolDesk legge il tuo file localmente tramite l'API FileReader del browser, scarta l'intestazione e i blocchi di metadati, rimuove i tag voce e di stile e, se richiesto, ricompone i sottotitoli restanti in paragrafi reali.

Istruzioni passo dopo passo

• Esporta o individua il tuo file di sottotitoli .vtt (sia Zoom che Teams offrono un'opzione “Scarica trascrizione” o “Scarica sottotitoli” dopo una riunione).
• Trascinalo sul convertitore qui sopra, oppure incolla il testo VTT grezzo nel riquadro a sinistra.
• Verifica che il badge del formato indichi VTT.
• Lascia attivo Rimuovi tag di formattazione per eliminare tag voce e impostazioni dei blocchi.
• Lascia attivo Rimuovi etichette dell'oratore se i sottotitoli anticipano anche le righe con un nome in testo (comune nelle trascrizioni di Teams generate automaticamente).
• Premi Copia o Scarica per ottenere la trascrizione .txt risultante.

Perché convertire WebVTT in testo semplice

Un file .vtt è costruito per un lettore video, non per chi legge. Ridurlo a testo semplice riguarda quasi sempre quello che succede dopo:

• Incollarlo in appunti di riunione o in un documento di progetto, dove timestamp e tag voce sono solo rumore.
• Fornire una trascrizione a un riassuntore AI o a un chatbot, che legge la prosa molto meglio di centinaia di frammenti da due secondi.
• Pubblicare un riepilogo per un blog o le note di una puntata a partire da una chiamata, un webinar o un podcast registrato.
• Rendere un video accessibile o ricercabile come pagina di testo semplice, senza distribuire un file di sottotitoli.
• Archiviare o catalogare una trascrizione come documento leggibile una volta che la registrazione originale non serve più.
• Inviare una trascrizione per la traduzione o la revisione, dove traduttori e redattori lavorano con la prosa, non con blocchi di sottotitoli.

Prima e dopo: un esempio reale

Una breve esportazione in stile Zoom, con tag voce, impostazioni di blocco, un blocco NOTE e tutto il resto, convertita con Unisci in paragrafi, Rimuovi etichette dell'oratore e Rimuovi tag di formattazione tutti attivi (lo stato predefinito in questa pagina):

WEBVTT

NOTE
Trascrizione generata da Zoom

00:00:01.200 --> 00:00:03.900 align:start position:10%
<v Jordan>Ciao a tutti, grazie per esservi collegati oggi alla chiamata.

00:00:03.900 --> 00:00:06.450
<v Priya>Certo! Iniziamo.

00:00:06.450 --> 00:00:09.800
<v Jordan>Ottimo, allora il primo punto all'ordine del giorno è la roadmap del terzo trimestre.

Ciao a tutti, grazie per esservi collegati oggi alla chiamata. Certo! Iniziamo. Ottimo, allora il primo punto all'ordine del giorno è la roadmap del terzo trimestre.

L'intestazione WEBVTT, il blocco NOTE, ogni riga di timestamp e impostazione di blocco, ed entrambi i tag voce <v Jordan> sono spariti. Quello che resta è esattamente ciò che è stato detto, ricomposto in frasi leggibili.

Il formato WebVTT, in dettaglio

Un tipico blocco VTT con più oratori si presenta così:

00:00:03.500 --> 00:00:06.120 align:start position:10%
<v Jordan>Grazie per esserti unito alla chiamata di oggi.

A differenza dell'SRT, una riga iniziale con l'identificativo del blocco è opzionale nel WebVTT e può essere una qualsiasi stringa, non solo un numero sequenziale. Il parser di SubToolDesk rileva direttamente la riga di timestamp (contiene sempre -->) invece di presumere un ordine di riga fisso, così i file con o senza identificativi vengono analizzati correttamente entrambi.

Perché conta in modo particolare per le trascrizioni di riunioni

La sottotitolazione automatica di Zoom e Teams è brava nella sincronizzazione, ma il file esportato è ottimizzato per i lettori video, non per chi legge. Una riunione di un'ora può produrre centinaia di blocchi da due secondi, ciascuno un frammento di frase con un tag voce allegato. Far passare tutto questo attraverso questo convertitore con l'unione in paragrafi attiva lo trasforma in qualcosa che puoi incollare direttamente in appunti di riunione, un riepilogo per un blog o un prompt per un riassuntore AI, senza che la registrazione o la trascrizione originale lascino mai il tuo computer.

Da dove vengono davvero i file WebVTT

Oltre alle videoconferenze, il WebVTT è il formato di sottotitoli che YouTube ti permette di scaricare per qualsiasi video con sottotitoli, il formato che la maggior parte dei servizi di trascrizione AI (incluse le esportazioni di OpenAI Whisper) usa per impostazione predefinita, e il formato richiesto dall'elemento HTML5 <track> per qualsiasi video sottotitolato incorporato direttamente in una pagina web. Se hai scaricato un file di sottotitoli praticamente da qualsiasi parte online negli ultimi anni, è molto probabile che sia WebVTT e non il più vecchio formato SRT, il che è parte del motivo per cui uno strumento di pulizia dedicato al VTT, piuttosto che uno script generico di rimozione testo, fa la differenza: gli approcci generici non sanno nemmeno di dover cercare tag voce o saltare i blocchi NOTE.

Gestire bene le trascrizioni con più oratori

Gli strumenti di sottotitolazione automatica etichettano chi parla in due modi diversi, a volte nello stesso file: tramite il tag nativo del WebVTT <v Nome Oratore>, oppure come testo semplice all'inizio di una riga (Jordan: Grazie per esserti unito.). L'interruttore Rimuovi tag di formattazione di questo strumento elimina il primo tipo; Rimuovi etichette dell'oratore elimina il secondo. Attivare entrambi insieme (lo stato predefinito in questa pagina) produce una trascrizione senza traccia di nessuno dei due formati di etichetta, indipendentemente da quale usi il tuo file di origine.

Cosa conserva e cosa rimuove questo convertitore

Conservato:

• Ogni parola del testo parlato, nel suo ordine e nella sua punteggiatura originali.
• I salti di paragrafo, sia la struttura originale con una riga per blocco, sia paragrafi basati sulle frasi se Unisci in paragrafi è attivo.

Rimosso:

• La riga di intestazione WEBVTT.
• I blocchi di metadati NOTE, STYLE e REGION.
• Le righe con l'identificativo del blocco e ogni intervallo di timestamp.
• Le impostazioni di blocco sulla riga del timestamp, come align:start position:10%.
• I tag voce come <v Nome Oratore>, quando Rimuovi tag di formattazione è attivo.
• I prefissi di chi parla in testo semplice come Jordan:, quando Rimuovi etichette dell'oratore è attivo.

Problemi comuni e come risolverli

• Il risultato mostra ancora timestamp o freccette -->: verifica che il badge del formato sopra il convertitore indichi davvero VTT e non Unknown; un incolla troncato può rompere il rilevamento dei blocchi.
• I tag <v Nome Oratore> sono ancora nel testo: attiva Rimuovi tag di formattazione, è disattivato solo se l'hai cambiato tu.
• Nomi in testo semplice come Jordan: continuano a precedere le righe: è un interruttore separato, Rimuovi etichette dell'oratore, attivalo anche questo, dato che rileva uno schema diverso da quello dei tag voce qui sopra.
• La trascrizione si legge come una frase per riga invece di paragrafi scorrevoli: attiva Unisci in paragrafi.
• I paragrafi diventano troppo lunghi senza alcun segnale di cambio di chi parla: disattiva invece Unisci in paragrafi e mantieni una riga per blocco; una volta rimosse le etichette di chi parla, il testo semplice non ha modo di rappresentare un cambio di parlante a metà paragrafo.
• Le lettere accentate o il testo non in inglese appaiono come caratteri confusi del tipo é: il file .vtt di origine non è stato salvato come UTF-8; riesportalo o risalvalo come UTF-8 e caricalo di nuovo.

Cosa verificare prima di fidarsi del risultato

I sottotitoli generati automaticamente a volte trascrivono male nomi, termini tecnici o pronunce con accenti particolari, il che è un limite del sistema di sottotitolazione che ha prodotto il file, non qualcosa che un formattatore di testo possa correggere. SubToolDesk riformatta esattamente ciò che si trova nel file di origine; vale la pena dare una rapida occhiata al riquadro di output confrontandolo con la registrazione originale prima di usare la trascrizione in qualcosa di ufficiale, come un verbale di riunione o un documento legale.