Accesibilidad con subtítulos y transcripciones: guía práctica

Durante años, los subtítulos se veían como un extra para las películas extranjeras. Hoy son una parte normal de cualquier vídeo: los activa quien no oye bien, quien está en el transporte sin auriculares, quien aprende un idioma o quien sólo quiere asegurarse de no perderse un nombre. Para muchas organizaciones, además, son una obligación: las normas de accesibilidad piden subtítulos en los vídeos y una alternativa en texto para el audio. Hacerlos bien no es difícil, pero tiene sus reglas. Un subtítulo que pasa demasiado rápido, que corta una frase por la mitad o que no dice quién habla es casi tan poco útil como no tenerlo. Esta guía se centra en lo práctico: cómo decidir qué tipo de subtítulos necesitas, qué reglas seguir para que se lean bien y cómo comprobar el resultado antes de publicarlo.

Para quién son

• Personas sordas: para ellas, los subtítulos son la única forma de acceder a lo que se dice. Necesitan además saber quién habla y qué sonidos son importantes.
• Personas con pérdida auditiva, muchas de ellas mayores, que oyen algo pero no lo suficiente para seguir una conversación rápida, con acentos o con ruido de fondo.
• Personas que no dominan el idioma: leer y oír a la vez ayuda a entender, y una pista traducida abre el contenido a quien no lo habla.
• Quien ve el vídeo sin sonido: en el móvil, en una oficina abierta o en el transporte. En las redes sociales, buena parte de los vídeos se reproducen así, y sin subtítulos el vídeo simplemente no les dice nada.
• Personas con dificultades de atención o de procesamiento, para quienes el texto refuerza lo que oyen y permite releer.

Tipos de subtítulos

• Subtítulos de diálogo: recogen sólo lo que se dice. Son los habituales para traducir a otro idioma, y dan por hecho que quien los lee oye el resto.
• Subtítulos para personas sordas (en inglés, captions o SDH): además del diálogo, indican quién habla cuando no es evidente y los sonidos relevantes, como música, risas, un teléfono o un aplauso.
• Cerrados: van en un archivo aparte (SRT o VTT) y cada persona los activa o los quita en el reproductor. Se pueden corregir sin volver a exportar el vídeo y se pueden tener en varios idiomas.
• Abiertos o incrustados: forman parte de la imagen y se ven siempre. Útiles en redes que no admiten archivos de subtítulos, pero no se pueden quitar ni cambiar de tamaño.
• En directo: se generan mientras se habla, en un evento, una clase o una sesión pública. Llegan con un pequeño retraso y con algún error que no da tiempo a corregir.

Una transcripción es otra cosa: el texto completo de lo que se dice, en un documento que se lee sin el vídeo. No sustituye a los subtítulos en un vídeo, pero es la alternativa natural para el contenido sólo de audio, como un pódcast o una grabación de una reunión, y es muy útil para buscar dentro del contenido o citarlo. Para elegir el tipo de subtítulos, piensa en dónde se va a ver el vídeo: en una web o una plataforma que admite archivos, los cerrados son casi siempre la mejor opción; en una red que no los admite, los incrustados; y si tu público incluye personas sordas, añade la información de quién habla y de los sonidos aunque el vídeo esté en tu propio idioma.

Lo que piden las normas

La referencia internacional son las Pautas de Accesibilidad para el Contenido Web (WCAG 2.x). El criterio 1.2.2 pide subtítulos para el audio de los vídeos grabados (nivel A) y el 1.2.4, subtítulos para el audio en directo (nivel AA). Otros criterios de la misma pauta piden alternativas en texto para el contenido sólo de audio. Las pautas no dicen cuántos caracteres debe tener una línea ni a qué velocidad deben pasar los subtítulos; eso lo marcan las guías de estilo del sector, que coinciden bastante entre sí. En la Unión Europea, las normas de accesibilidad para webs y aplicaciones del sector público se apoyan en estas pautas, y cada vez más sectores privados tienen obligaciones parecidas. En España, la norma UNE 153010 es la referencia para el subtitulado para personas sordas: recoge cómo indicar quién habla, cómo representar los sonidos y cómo presentar el texto. Si trabajas para televisión o para un cliente que la exige, conviene leerla entera; para el resto, las reglas de las secciones siguientes son una buena base.

Reglas de calidad

• Dos líneas como mucho, de 42 caracteres cada una. Más texto obliga a dejar de mirar la imagen.
• Entre 1 y 7 segundos por subtítulo. Menos de un segundo no da tiempo a leerlo; más de siete hace que se relea o parezca que el vídeo se ha parado.
• Unos 17 caracteres por segundo es una velocidad de lectura cómoda, y 21 es el máximo razonable. Si un subtítulo pasa de ahí, hay que acortar el texto o darle más tiempo.
• Cortar al final de frase siempre que se pueda, y si no, en una coma o una pausa natural.
• No dejar artículos ni preposiciones colgando al final de una línea, como «el», «de» o «y»: se leen peor.
• Un subtítulo nuevo cuando cambia la persona que habla, para que no se mezclen dos voces en el mismo bloque.
• Sincronía: que aparezca cuando empieza la voz y desaparezca poco después de que termine, no antes.

Para calcular la velocidad, cuenta los caracteres del subtítulo, incluidos los espacios, y divídelos por los segundos que está en pantalla; la mayoría de los editores lo hacen solos y avisan cuando se pasa. Un ejemplo: un subtítulo de dos líneas llenas tiene unos 84 caracteres. A 17 caracteres por segundo, necesita unos 5 segundos en pantalla; a 21, unos 4. Si la persona habla deprisa y sólo hay 3 segundos, no cabe todo: toca resumir sin cambiar el sentido o partir el texto en dos subtítulos. En los subtítulos para personas sordas se tiende a respetar más la literalidad, así que la condensación debe ser prudente.

Dónde cortar

La regla más útil es que cada subtítulo sea una unidad de sentido. «El presupuesto se aprobó / en la reunión del martes» se lee bien; «El presupuesto se aprobó en la / reunión del martes» obliga a esperar a la segunda línea para entender la primera. Lo mismo vale entre subtítulos: es mejor que un subtítulo termine en un punto o una coma que en mitad de un sintagma. Cuando dos líneas no tienen la misma longitud, suele leerse mejor la de arriba más corta, como una pirámide, aunque es una preferencia y no una norma estricta. Evita también separar en líneas distintas un nombre y su apellido, un número y su unidad o un verbo y su negación. Y cuando hay un cambio de plano en el vídeo, lo ideal es que el subtítulo no lo cruce.

Quién habla y qué suena

En los subtítulos para personas sordas no basta con el diálogo. Si alguien habla fuera de cuadro, o si en una reunión hay varias personas y no se ve quién dice qué, hay que indicarlo. Lo mismo con los sonidos que aportan información: una risa que cambia el sentido de una frase, una alarma, una música que marca el tono. En una reunión grabada o una mesa redonda, donde varias personas hablan desde el mismo plano, indicar quién habla es casi siempre necesario. No hace falta describirlo todo, sólo lo que alguien que no oye necesita para entender lo que pasa. Estas son las convenciones más habituales:

• Nombre de quien habla entre paréntesis o en mayúsculas al principio del subtítulo, sólo cuando no se ve o puede haber dudas.
• Un guion al principio de cada línea cuando dos personas hablan en el mismo subtítulo.
• Sonidos entre paréntesis y en minúsculas, con una descripción breve: (risas), (suena un teléfono), (aplausos).
• Música indicada con su función o su título si importa, no con una nota cada vez que suena de fondo.

La norma UNE 153010 detalla estas convenciones y algunas más. Elijas la convención que elijas, mantenla igual en todo el vídeo y en todos los vídeos de la misma serie.

Transcripciones para el contenido de audio

Un pódcast, una entrevista grabada o un audio de formación no tienen imagen, así que no llevan subtítulos: la alternativa es una transcripción. Una buena transcripción indica quién habla en cada párrafo, recoge los sonidos importantes igual que los subtítulos para personas sordas y está corregida, sobre todo en nombres propios y cifras. Publícala en la misma página que el audio, en texto que se pueda seleccionar y leer con un lector de pantalla, no como una imagen ni sólo como un PDF escaneado. Las marcas de tiempo cada cierto tiempo o en cada cambio de tema ayudan a quien quiere ir a un punto concreto. Y si el audio tiene una versión en vídeo, como pasa con muchos pódcast, la transcripción complementa a los subtítulos, no los sustituye. Si el contenido es una reunión interna que no se publica, la transcripción también sirve a quien no pudo asistir o necesita repasar algo con calma.

Eventos en directo

Una conferencia, una clase o una sesión pública en directo plantean un reto distinto: no hay tiempo de corregir. Los subtítulos en directo pueden hacerse con una persona que escribe o rehabla (estenotipia o rehablado) o con reconocimiento automático del habla. Lo primero da más calidad y cuesta más; lo segundo es inmediato y asequible, con más errores en nombres y en tramos con ruido. Si usas subtítulos automáticos, dilo al público para que sepa que puede haber errores. En ambos casos, la preparación marca la diferencia:

• Buen sonido: micrófono cerca de quien habla y nada de altavoces de fondo que entren en la grabación.
• Vocabulario previo: nombres de ponentes, siglas y términos técnicos, para que el sistema o la persona los conozca.
• Un enlace fácil de encontrar a los subtítulos, anunciado al empezar y en la pantalla, para quien los siga desde su móvil.
• Después del evento, publica la grabación con subtítulos revisados y una transcripción corregida.

Lista de comprobación

1. Todo vídeo con voz lleva subtítulos, y todo audio grabado, su transcripción.
2. Los subtítulos tienen como mucho dos líneas de 42 caracteres.
3. Ningún subtítulo dura menos de 1 segundo ni más de 7.
4. La velocidad de lectura no pasa de 21 caracteres por segundo, y la mayoría queda cerca de 17.
5. Los cortes caen en finales de frase, comas o pausas, y ninguna línea termina en «el», «de» o «y».
6. Se indica quién habla cuando no se ve o puede haber dudas.
7. Los sonidos relevantes están descritos entre paréntesis.
8. Los nombres propios, las siglas y las cifras están revisados contra el audio.
9. Hay pistas en otros idiomas si tu público las necesita.
10. Has visto el vídeo entero con los subtítulos activados al menos una vez antes de publicarlo.

Genera los subtítulos gratis

Si tienes un vídeo y quieres empezar ya, el generador de subtítulos gratis de Echo lo hace sin crear una cuenta: subes el vídeo o el audio, lo transcribe y te devuelve el archivo SRT o VTT con las reglas de esta guía, con los primeros 10 minutos de cada archivo. Revisa el resultado antes de publicarlo, sobre todo los nombres propios y las cifras. Tienes los pasos para subirlos a cada plataforma en Cómo añadir subtítulos a un vídeo.

Con Echo: editor, idiomas y directo

Para vídeos más largos o para publicar a menudo, Echo crea los subtítulos a partir de la transcripción, ya divididos con las reglas de arriba: dos líneas de 42 caracteres, entre 1 y 7 segundos, 17 caracteres por segundo cómodos y 21 como máximo, con cortes en los cambios de persona, finales de frase, comas y pausas, y sin líneas que terminen en «el» o «de».

• Editor de subtítulos: corrige el texto y los tiempos, con deshacer y rehacer. Te avisa si un subtítulo se lee demasiado rápido, y puedes añadir a mano quién habla o los sonidos.
• Pistas traducidas: añade varios idiomas a la vez. Se traduce la frase entera y se reparte entre sus subtítulos, con los mismos tiempos que el original. Descarga cada idioma en SRT o VTT, o todos en un ZIP.
• Vídeo con los subtítulos incrustados, en el idioma que elijas, para las redes que no admiten archivos.
• Subtítulos en directo traducidos para invitados: mientras transcribes con En directo, compartes un enlace y hasta 300 personas leen lo que se dice sin crear una cuenta, cada una en su idioma y con el tamaño de letra que prefiera.
• Doblaje con voz sintética en español, inglés, francés, italiano o portugués, con una voz para cada persona y la original más baja debajo o sin ella.
• Transcripciones para tus audios: descarga en Word, PDF o TXT, con el nombre de cada persona y la hora si quieres.

La transcripción y la traducción se hacen en servidores propios de Edorteam en la Unión Europea, y la IA no se entrena con tus vídeos. Puedes empezar con el plan Gratis: mira los precios. Si trabajas en una administración que publica sus sesiones, quizá te interese también la guía sobre actas en la administración pública.