Skip to content

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 -version en 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.

FaseHerramientaProducto
Generaciónedge-tts --write-subtitlesSRT alineado con el audio
Correccióncualquier editor de textoSRT corregido (UTF-8)
Incrustaciónfiltro subtitles de FFmpegmp4 con subtítulos duros

SRT es un formato de texto plano; cada bloque de subtítulo tiene cuatro partes (descripción del formato general del curso):

text
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:

bash
edge-tts --text "欢迎来到 AI 短剧课堂。" --write-media voice.mp3 --write-subtitles voice.srt

Deberías 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.srt con 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:

  1. Erratas: revisa en voz alta una por una las homófonas (como «在/再», «以/已»)
  2. 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
  3. 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.

bash
ffmpeg -i shot.mp4 -vf "subtitles=voice.srt" -c:a copy subtitled.mp4

Deberías 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.srt y voice.mp3 se 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:

bash
ffmpeg -i shot.mp4 -vf "subtitles=voice.srt:force_style='Fontname=DejaVu Serif,PrimaryColour=&HCCFF0000'" -c:a copy subtitled.mp4

Sustituye 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 / opciónValor recomendadoDescripción
--write-mediavoice.mp3Audio de la locución
--write-subtitlesvoice.srtSubtítulos SRT generados de forma sincronizada
subtitles Filtrosubtitles=voice.srtIncrusta los subtítulos en la imagen
charencSe establece solo cuando no es UTF-8Declara la codificación de los subtítulos
force_styleEstilos ASS KEY=VALUE, separados por comasSobrescribe el estilo por defecto de los subtítulos
fontsdirRuta del directorio de fuentesLas 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 trim para recortar el sobrante del inicio y del final de cada toma
  • Usar concat para unir varios segmentos de toma en uno solo
  • Usar loudnorm para 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

HechoArchivoUbicación
Instalación de edge-tts, uso básico y --write-subtitlesdocs/raw-edge-tts-readme.md:9-13, :21
Metadatos boundary del servidor y comportamiento de la barra de progresodocs/raw-edge-tts-readme.md:71
Filtro subtitles (libass) y opciones filename / charenc / force_style / fontsdirdocs/ffmpeg-filters.md:17299-17343
subtitles=sub.srt equivale a filename=sub.srt; force_style ejemplo oficialdocs/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.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.