Glosario de transcripción y subtítulos

Definiciones breves y prácticas de los términos que te encuentras al transcribir grabaciones o trabajar con subtítulos, con ejemplos y lo que significa cada uno en la práctica.

Archivo SRT: Un archivo SRT (SubRip Subtitle, .srt) es un archivo de subtítulos en texto plano. Cada subtítulo es un bloque numerado con una hora de inicio, una de fin y una o dos líneas de texto. Los reproductores y las plataformas muestran el texto sobre el video en esos momentos, y el espectador puede activarlo o desactivarlo.
Archivo VTT: Un archivo VTT (WebVTT, .vtt) es el formato de subtítulos del video en la web. Es texto plano, como SRT, pero empieza con la línea WEBVTT, escribe los milisegundos después de un punto y puede incluir estilos, posiciones y etiquetas de hablante que los navegadores entienden.
Subtítulos abiertos: Los subtítulos abiertos (open captions) están incrustados en el propio vídeo, como parte de la imagen. Siempre están visibles, se ven igual en cualquier reproductor y plataforma, y no se pueden desactivar, a diferencia de los subtítulos opcionales (closed captions), que van en una pista aparte que el espectador puede activar o desactivar.
Subtítulos SDH: SDH son las siglas de Subtitles for the Deaf and Hard of Hearing: subtítulos para personas sordas o con discapacidad auditiva. Además del diálogo, nombran a quien habla fuera de cuadro y describen los sonidos importantes, como [portazo], [vibra un teléfono] o [música tensa], para que el vídeo se entienda sin audio. Las plataformas de streaming los etiquetan, por ejemplo, como English [SDH].
Diarización de hablantes: La diarización de hablantes es el paso del reconocimiento de voz que averigua quién habló y cuándo. Divide una grabación en segmentos según la voz y los etiqueta como Hablante 1, Hablante 2, etc., para que la transcripción de una entrevista o reunión muestre las intervenciones de cada persona en lugar de un único bloque de texto.
Transcripción literal: La transcripción literal (verbatim) recoge el habla exactamente como se dijo: cada «eh» y «em», las palabras repetidas, las frases empezadas y abandonadas, los tartamudeos y, a menudo, sonidos no verbales como [risas]. Su opuesto, la transcripción limpia (clean verbatim), conserva las palabras y el sentido del hablante, pero quita muletillas y tropiezos para que el texto se lea con fluidez.
Código de tiempo: El código de tiempo (timecode) es una etiqueta para cada fotograma de vídeo, escrita como horas:minutos:segundos:fotogramas: 01:02:03:12 es el fotograma 12 del tercer segundo. Los editores lo usan para encontrar el mismo momento en todas las copias de un proyecto. Los archivos de subtítulos suelen contar el tiempo en milisegundos, y ahí empiezan las confusiones.
Subtítulos forzados: Los subtítulos forzados aparecen aunque el espectador tenga los subtítulos desactivados. Solo cubren lo que alguien que entiende el idioma de la película se perdería: diálogos en otro idioma, carteles, cartas y textos en pantalla. Las plataformas de streaming los llaman subtítulos forced narrative.
Normas de transcripción: Las normas de transcripción (o convenciones de transcripción) son las reglas acordadas para convertir el habla en texto: cómo marcar a los hablantes, las pausas, las intervenciones solapadas, el énfasis, las risas y las palabras que no se entienden. Un estudio o un proyecto elige un conjunto de normas y lo aplica a todas las transcripciones, para que las hechas por personas distintas se puedan comparar.
Guion de doblaje: Un guion de doblaje es el diálogo traducido de una película o un vídeo, reescrito para que cada frase pueda decirse en el tiempo que ocupa la frase original en pantalla. Recoge cada frase con el personaje que la dice y sus códigos de tiempo de entrada y salida. El texto ajustado es lo que leen en el estudio los actores de doblaje, o una voz de IA.
Doblaje: El doblaje es la sustitución del habla de una película, una serie o un vídeo por un habla nueva grabada, casi siempre una traducción a otro idioma, para que el público oiga la historia en su idioma en lugar de leer subtítulos. Las nuevas frases se ajustan a la imagen, y la música y los efectos de sonido del original se conservan.
Voice over: El voice over (voces superpuestas) es una traducción hablada que se coloca sobre el audio original, el cual se sigue oyendo por debajo a menor volumen. A diferencia del doblaje, no intenta sustituir las voces originales ni ajustarse al movimiento de los labios: el público oye que otra persona está traduciendo.
Clonación de voz: La clonación de voz consiste en crear una voz sintética que suena como una persona real concreta, a partir de grabaciones de su habla. El clon puede decir después frases nuevas que esa persona nunca grabó, incluso en otros idiomas, y así es como las herramientas de doblaje mantienen la voz de un hablante en una traducción.