Subtítulos · Whisper

Subtítulos WebVTT para web

Si publicas video en tu propio sitio con la etiqueta <video> de HTML, los subtítulos van en formato WebVTT a través de una etiqueta <track>. Whisper lo genera directo desde el audio: whisper-cli -m ggml-small.bin -l es -ovtt video.wav. Es el mismo proceso que el SRT, solo cambia el formato de salida.

Gratis y open source macOS · Linux · Windows Nada sale de tu equipo

1. Instala whisper.cpp

Se instala una sola vez y queda para siempre. Es gratis y de código abierto:

# macOS (Homebrew)
brew install whisper-cpp

# Ubuntu / Debian (compilar desde el código, ~2 minutos)
git clone https://github.com/ggml-org/whisper.cpp
cd whisper.cpp && cmake -B build && cmake --build build -j

Si nunca has usado la terminal, empieza por la guía de la terminal.

2. Genera el archivo WebVTT

Pide la salida en VTT con la bandera -ovtt:

whisper-cli -m ggml-small.bin -l es -ovtt video.wav

El resultado es video.wav.vtt, el formato exacto que entiende el navegador. A diferencia del SRT, el VTT empieza con la línea WEBVTT y usa el punto como separador de milisegundos; Whisper escribe todo eso por ti.

Conéctalo a tu reproductor HTML

Coloca el VTT junto a tu video y enlázalo con una etiqueta <track> dentro de <video>:

<video controls>
  <source src="video.mp4" type="video/mp4">
  <track kind="subtitles" src="video.wav.vtt" srclang="es" label="Español" default>
</video>

El navegador muestra el botón de subtítulos y el usuario los activa o desactiva; el texto queda seleccionable e indexable, no quemado en la imagen.

Tareas relacionadas

Transcribir una entrevista Transcribir una reunión o clase Subtítulos SRT con IA Transcribir una carpeta de audios Traducir audio al inglés al transcribir Preparar cualquier audio para Whisper Bajar los subtítulos de un video de YouTube Todos los comandos de whisper.cpp

Preguntas frecuentes

¿Cuál es la diferencia entre VTT y SRT?

Son casi idénticos: ambos son texto con frases y sus tiempos. WebVTT es el estándar nativo del navegador para la etiqueta , admite estilos y metadatos, y separa los milisegundos con punto. SRT es más antiguo y universal en reproductores de escritorio y YouTube. Para tu propio sitio web, usa VTT; para subir a YouTube, SRT.

¿Puedo convertir un SRT que ya tengo a VTT?

Sí, son tan parecidos que la conversión es trivial, pero lo más limpio es pedirle a Whisper directamente la salida en VTT con -ovtt y evitar el paso intermedio. Si ya generaste el SRT, también puedes volver a correr el comando solo cambiando la bandera de formato.