Creación y corrección de subtítulos: SRT de la generación a la incrustación
En la lección anterior obtuviste la locución. Esta lección dura unos 7 minutos y recorre el proceso completo de los subtítulos para vídeo con IA, desde la generación y la corrección hasta la incrustación: no hace falta escribir la línea de tiempo a mano, ya que edge-tts genera un SRT al mismo tiempo que sintetiza la voz.
Qué podrás hacer al terminar
- Obtener con edge-tts un archivo de subtítulos SRT con la línea de tiempo alineada al generar la locución
- Entender la estructura del SRT y poder editar a mano el texto y la línea de tiempo
- Completar la corrección de subtítulos con la lista de verificación de tres puntos (erratas, momento de segmentación, longitud de línea)
- Incrustar los subtítulos en la imagen con un solo comando de FFmpeg
Tu situación actual
- «La locución ya está lista, pero solo de pensar en escribir a mano la línea de tiempo de cada frase, me entran ganas de abandonar.»
- «Hay un montón de herramientas de subtítulos en internet; instalé tres y ninguna me resultó cómoda.»
- «Por fin los incrusté, y al mirar, todo el chino se veía en cuadros.»
Cuándo usar esta técnica
Cuando necesitas: añadir subtítulos sincronizados a la locución de un vídeo de práctica, y esa locución se generó precisamente con edge-tts.
Y no quieres: escribir la línea de tiempo frase por frase a mano, ni comprar software de subtítulos de pago para ello.
🎒 Preparativos antes de empezar
- Haber completado la lección anterior«Locución y licencias: dos opciones, TTS o grabación propia», con edge-tts ya instalado (
pip install edge-tts) - Poder ejecutar
ffmpeg -versionen esta máquina (FFmpeg ya instalado) - Tener al menos un vídeo de fragmento de plano (producto de la fase de planos), para demostrar la incrustación
Idea central
Cuando edge-tts sintetiza la voz, el servidor devuelve los límites temporales de cada fragmento de texto. --write-subtitles escribe esos límites directamente en formato SRT, así que los subtítulos y la voz quedan alineados de forma natural: solo tienes que corregir, sin escribir la línea de tiempo tú mismo.
| Fase | Herramienta | Producto |
|---|---|---|
| Generación | edge-tts --write-subtitles | SRT alineado con el audio |
| Corrección | cualquier editor de texto | SRT corregido (UTF-8) |
| Incrustación | filtro subtitles de FFmpeg | mp4 con subtítulos duros |
SRT es un formato de texto plano; cada bloque de subtítulo tiene cuatro partes (descripción del formato general del curso):
1
00:00:00,000 --> 00:00:02,500
Bienvenidos a la clase de microseries con IA.
2
00:00:02,500 --> 00:00:05,000
Hoy vamos a hacer los subtítulos.El formato de la línea de tiempo es fijo: 时:分:秒,毫秒 --> 时:分:秒,毫秒, con los milisegundos separados por coma y una línea en blanco entre bloques.
Hazlo conmigo
Paso 1: exportar el archivo de subtítulos para vídeo con IA al generar la locución
Por qué: escribir la línea de tiempo por separado es el paso más laborioso de la creación de subtítulos, y edge-tts puede producir subtítulos alineados junto con el audio, eliminando ese paso de una vez.
Sobre la base del comando de locución de la lección anterior, añade --write-subtitles:
edge-tts --text "欢迎来到 AI 短剧课堂。" --write-media voice.mp3 --write-subtitles voice.srtDeberías ver: al terminar de ejecutarse el comando, en el directorio aparecen a la vez dos archivos, voice.mp3 y voice.srt.
- Comprobación rápida: abre
voice.srtcon un editor de texto y verás los tres elementos: número, línea de tiempo y texto
💡 ¿Ya generaste la locución en la lección anterior?
Basta con añadir --write-subtitles voice.srt al comando original y ejecutarlo de nuevo para obtener el archivo de subtítulos.
Paso 2: corrección de subtítulos — lista de verificación de tres puntos
Por qué: la máquina segmenta según los límites devueltos por el servidor, que no necesariamente se ajustan al ritmo de lectura del chino; los errores con caracteres homófonos son también los más fáciles de detectar a simple vista por el espectador.
Abre voice.srt con cualquier editor de texto y pasa bloque por bloque la verificación de tres puntos:
- Erratas: revisa en voz alta una por una las homófonas (como «在/再», «以/已»)
- Momento de segmentación: no cortes una línea en medio de una palabra; si el subtítulo aparece demasiado pronto o desaparece demasiado tarde, el espectador sale de la historia
- Longitud de línea: si una línea es demasiado larga el espectador no la termina de leer; divídela en dos o simplifica el texto
Al terminar, guarda en codificación UTF-8. Si notas que el diálogo en sí es demasiado largo y no hay forma de segmentarlo con fluidez, revisa«Simplificación del diálogo: resta antes de la locución».
Deberías ver: cada subtítulo se lee con fluidez, sin erratas, y cada línea se lee de un vistazo.
- Comprobación rápida: pasa la verificación de tres puntos y guarda el archivo en UTF-8
Paso 3: incrustar los subtítulos en la imagen con FFmpeg
Por qué: la incrustación (subtítulos duros) renderiza los subtítulos en la propia imagen, se muestran en cualquier plataforma y cualquier reproductor, sin depender de que el espectador cargue subtítulos externos.
ffmpeg -i shot.mp4 -vf "subtitles=voice.srt" -c:a copy subtitled.mp4Deberías ver: cuando FFmpeg termina el procesamiento, genera subtitled.mp4; al reproducirlo, los subtítulos aparecen en la parte inferior de la imagen y están alineados con la voz.
- Comprobación rápida: reproduce
subtitled.mp4, con los subtítulos sincronizados con la locución y sin caracteres ilegibles
Punto de control ✅
voice.srtyvoice.mp3se generan con el mismo comando, con la línea de tiempo alineada- El SRT se corrigió con la lista de verificación de tres puntos y se guardó en UTF-8
- Los subtítulos del vídeo incrustado se muestran correctamente, sin caracteres ilegibles
- La línea de tiempo de los subtítulos coincide con el contenido de la imagen
Advertencias sobre errores comunes
❌ Tras la incrustación, el chino se ve en cuadros o con caracteres ilegibles
Causa: la codificación del archivo SRT no es UTF-8, o al sistema le faltan fuentes chinas utilizables.
Solución correcta: vuelve a guardar el SRT en UTF-8 antes de incrustar. Si el SRT proviene de otra herramienta y realmente tiene otra codificación, declara la codificación con la opción charenc del filtro subtitles (esa opción solo es útil cuando no es UTF-8). Si faltan fuentes chinas, coloca los archivos de fuentes en un directorio y pásalo al filtro con la opción fontsdir; las fuentes de ese directorio quedarán disponibles además de las del sistema.
❌ La línea de tiempo de los subtítulos no coincide con la imagen
Causa: los tiempos del SRT se basan en el punto de inicio del audio de locución, mientras que el montaje y la concatenación desplazan el punto de inicio de la imagen.
Solución correcta: haz la incrustación después de finalizar el montaje, tomando como referencia la línea de tiempo del vídeo final; en la próxima lección, vuelve a ejecutar el paso 3 cuando termines de montar el vídeo.
❌ Se daña el formato de la línea de tiempo al editarlo a mano
Causa: -->, la coma o el número de dígitos del tiempo se modificaron por error, y el bloque SRT completo deja de funcionar.
Solución correcta: toca solo las líneas de texto; al ajustar los tiempos, mantén estrictamente el formato 00:00:02,500 --> 00:00:05,000.
❌ FFmpeg indica que no encuentra el filtro subtitles
Causa: el FFmpeg utilizado se compiló sin habilitar libass; el filtro subtitles requiere una compilación con --enable-libass.
Solución correcta: usa una versión de FFmpeg compilada con libass habilitado y vuelve a ejecutar el comando de incrustación.
Técnicas avanzadas (opcional)
Personalizar el estilo de los subtítulos: force_style
El filtro subtitles primero convierte el SRT a ASS y luego lo renderiza; es posible que el estilo por defecto no te convenza. force_style acepta el formato de estilos ASS KEY=VALUE; para varios, sepáralos con comas. Ejemplo del manual oficial de FFmpeg: hacer que los subtítulos sean de color azul DejaVu Serif con un 80% de transparencia:
ffmpeg -i shot.mp4 -vf "subtitles=voice.srt:force_style='Fontname=DejaVu Serif,PrimaryColour=&HCCFF0000'" -c:a copy subtitled.mp4Sustituye Fontname por el nombre de una fuente china ya instalada en tu sistema; los demás parámetros de estilo se añaden igualmente con comas en formato KEY=VALUE.
Resumen de esta lección
- ✅ edge-tts
--write-subtitles: la locución y los subtítulos del video con IA se generan de una sola vez, sin ajustar ejes de tiempo - ✅ Estructura de cuatro partes del SRT: número, línea de tiempo, texto, línea en blanco
- ✅ Lista de triple revisión: erratas, momento de segmentación, longitud de línea
- ✅ Filtro FFmpeg
subtitles: un solo comando para incrustar subtítulos duros
| Campo / opción | Valor recomendado | Descripción |
|---|---|---|
--write-media | voice.mp3 | Audio de la locución |
--write-subtitles | voice.srt | Subtítulos SRT generados de forma sincronizada |
subtitles Filtro | subtitles=voice.srt | Incrusta los subtítulos en la imagen |
charenc | Se establece solo cuando no es UTF-8 | Declara la codificación de los subtítulos |
force_style | Estilos ASS KEY=VALUE, separados por comas | Sobrescribe el estilo por defecto de los subtítulos |
fontsdir | Ruta del directorio de fuentes | Las fuentes del directorio quedan disponibles además de las fuentes del sistema |
Avance de la próxima lección
Con los subtítulos listos, la próxima lección «Edición y comprobación de volumen: FFmpeg ensambla tu primer video terminado» unirá las tomas y la locución en un video completo. Aprenderás:
- Usar
trimpara recortar el sobrante del inicio y del final de cada toma - Usar
concatpara unir varios segmentos de toma en uno solo - Usar
loudnormpara unificar el volumen de todo el video
Cuando termines la edición, recuerda volver y ejecutar el paso 3 de incrustación sobre el video terminado, y luego pasa a «Exportación y comprobación previa a la publicación: según las normas oficiales de YouTube».
Apéndice: referencia del código fuente
Haz clic para expandir y ver la ubicación en el código fuente
Fecha de actualización: 2026-11-07
| Hecho | Archivo | Ubicación |
|---|---|---|
Instalación de edge-tts, uso básico y --write-subtitles | docs/raw-edge-tts-readme.md | :9-13, :21 |
| Metadatos boundary del servidor y comportamiento de la barra de progreso | docs/raw-edge-tts-readme.md | :71 |
Filtro subtitles (libass) y opciones filename / charenc / force_style / fontsdir | docs/ffmpeg-filters.md | :17299-17343 |
subtitles=sub.srt equivale a filename=sub.srt; force_style ejemplo oficial | docs/ffmpeg-filters.md | :17344-17367 |
El formato de la línea de tiempo SRT es la descripción del formato general de este curso; la lista de triple revisión (erratas / momento de segmentación / longitud de línea) es una plantilla didáctica del curso.