Subtítulos palabra por palabra,y cómo los reproduce YouTube

Los subtítulos que van llegando palabra por palabra están en todas partes en el vídeo corto, y funcionan: nadie se adelanta al texto, la mirada se queda cerca del centro del fotograma y el habla rápida resulta más fácil de seguir. YouTube puede reproducirlos desde una pista de subtítulos, sin incrustar nada en la imagen, pero solo de una forma concreta.

Hoy lo arreglamos.

Aparecer Resaltar Línea completa

Aparecer y resaltar no son la misma función

Aparecer: las palabras se van añadiendo mientras se dicen

La línea empieza vacía y cada palabra sale en su momento. En el formato de subtítulos de YouTube esto es nativo: una línea de subtítulo contiene varios segmentos y cada segmento lleva su propio desfase de inicio. El reproductor hace el resto, el archivo se queda pequeño y los tiempos son exactos.

Resaltar: se ve la línea entera y se colorea la palabra actual

Aquí quien te ve lee la línea completa desde el principio mientras una palabra se enciende. El formato no tiene una instrucción de “recolorea esta palabra ahora”, así que el efecto se construye escribiendo la misma línea muchas veces: una copia por palabra, cada una con una palabra distinta coloreada. Una línea de diez palabras se convierte en diez entradas de subtítulo.

Por eso resaltar es la opción más pesada, y por eso una línea centrada mal construida da saltos: si cada copia se dibuja como una línea nueva, el reproductor la vuelve a centrar. Bien hecho, todas las copias llevan el mismo texto con el mismo espaciado y solo cambia el color.

Roll-up y zoom

En esta misma conversación aparecen otros dos efectos:

• Roll-up: las líneas se apilan y suben como los subtítulos en directo de la televisión. Cada estado de la pila es su propia entrada de subtítulo.
• Zoom: la línea crece hasta su sitio. YouTube tampoco tiene una instrucción de animación, así que el movimiento se escribe fotograma a fotograma: una serie de entradas separadas por unas decenas de milisegundos, cada una con un tamaño de letra un poco mayor.

Los dos son legítimos y los dos inflan el archivo. Un vídeo de tres minutos con subtítulos palabra por palabra en modo aparecer se queda en un XML modesto; el mismo vídeo con zoom en cada línea puede ser decenas de veces más grande.

Los tiempos: lo que decide si la cosa funciona

Los tiempos de cada palabra suelen salir de dos sitios. El reconocimiento de voz da una marca de tiempo por palabra, tan precisa como la transcripción. Repartir la duración de la línea entre sus palabras es el camino más sencillo: dividir por el número de palabras, o dar más peso a las largas para que “extraordinario” aguante más en pantalla que “y”.

El reparto proporcional basta para casi cualquier plano de alguien hablando a cámara y se nota mal cuando la persona hace una pausa a mitad de frase. Reglas que valen en los dos casos:

• De dos a cinco palabras por línea; una línea larga se carga el efecto.
• Entre 250 y 400 ms por palabra resulta natural; por debajo de 150 ms las palabras parpadean.
• Corta las líneas donde respira quien habla, no donde se acaban los caracteres.
• No empieces el primer subtítulo en 0 ms: algunos reproductores de Android se saltan una línea que arranca en cero. Empieza en 1 ms o más tarde.

Qué sobrevive a la traducción

Los tiempos palabra por palabra van pegados a las palabras de un idioma. Traduce la línea y cambia el número de palabras: cuatro palabras en inglés pueden ser seis en alemán o dos en japonés. Hay que repartir los tiempos entre las palabras nuevas y volver a aplicar el color de cada palabra, que es justo el tipo de trabajo que hace insufrible traducir subtítulos con estilo a mano. Rainbow Captions reparte los tiempos en cada idioma traducido de forma automática y conserva los estilos.

Dónde se ven de verdad estos subtítulos

Los subtítulos palabra por palabra de una pista de subtítulos se reproducen en el reproductor web de YouTube y en las apps móviles. La compatibilidad no es uniforme en todos los dispositivos ni en todas las apps de televisión, y quien haya fijado sus propias preferencias de subtítulos en el reproductor verá sus ajustes por encima de los tuyos. Las líneas que mezclan varios segmentos con estilo también necesitan caracteres invisibles de ancho cero como relleno, o algunos reproductores móviles se cargan el estilo: una rareza que contamos en la referencia del formato .ytt.

Preguntas

¿YouTube puede mostrar subtítulos palabra por palabra sin incrustarlos en el vídeo?

Sí. El formato de subtítulos de YouTube admite segmentos con su propio tiempo de inicio dentro de una línea de subtítulo, que es exactamente el efecto aparecer. Resaltar, roll-up y zoom también se pueden hacer, pero se escriben como entradas de subtítulo repetidas, no como animaciones.

¿Qué es mejor, aparecer o resaltar?

Aparecer es más ligero, más preciso y lo más parecido a lo que usan los canales grandes. Resaltar encaja con letras de canciones o material didáctico, donde viene bien ver la línea entera mientras se sigue la palabra actual.

¿Los subtítulos animados perjudican la accesibilidad?

Pueden hacerlo. Quien lee despacio, o quien depende de los subtítulos en vez del audio, pierde el contexto de la frase completa cuando las palabras llegan de una en una. Deja las líneas cortas, mantén un ritmo estable y publica también una pista de subtítulos sin estilo junto a la que lo lleva cuando tu público lo necesite.