De subtítulos a transcripción
Tienes el archivo de subtítulos de una reunión o de un vídeo y necesitas el texto, no los números. Carga tu .srt o .vtt y sale prosa: tiempos fuera, frases recompuestas y, sobre todo, quitadas las repeticiones de los subtítulos que van en cascada. Hace falta un archivo que ya tengas: desde aquí no se descarga de ningún sitio.
El problema de verdad no son los tiempos
Quitar los números y las horas lo hace cualquiera. El lío de los subtítulos automáticos es otro: van en cascada, es decir, cada recuadro repite la cola del anterior para hacerla subir, y el texto que sale dice cada frase dos o tres veces. Un archivo así, dado a alguien o a algo que tiene que resumirlo, es tres veces más largo de lo necesario y está lleno de ecos.
Solo tengo el audio, no los subtítulos
Le pasa a la mitad de quien llega aquí, y la respuesta honesta es que los subtítulos casi siempre existen ya en algún sitio. Si la reunión la grabó un programa de videollamadas, junto a la grabación casi siempre hay un archivo de transcripción para descargar. Si el vídeo es tuyo y está en una plataforma de vídeo, los subtítulos automáticos se cogen del panel de quien lo subió. Si de verdad solo tienes un archivo de audio, los programas de escritura más extendidos tienen una función de transcripción, y el teclado del móvil tiene el dictado. Aquí dentro no hay ningún reconocimiento de voz, y no es un olvido: hacerlo en el navegador significa descargar decenas de megabytes en cada visita, y los modelos que cabrían se equivocan en aproximadamente una palabra de cada cuatro en el habla espontánea, con errores que son palabras reales y por tanto invisibles para quien relee. Cuando ya tienes los subtítulos, el resto lo hace esta página; si los tiempos están desfasados pasa por Sincronizar subtítulos, y para saber si de verdad se pueden leer está Comprobar los subtítulos.
Cómo decide si cortar
Primero mide todo el archivo: mira cuántos pares de recuadros consecutivos se solapan en los tiempos y repiten de verdad las mismas palabras. Si son la mayoría, son subtítulos en cascada y los fusiona. Si son dos o tres, son repeticiones reales de quien habla, y no toca nada: así un «no, no, no» sigue siendo «no, no, no». La comparación es exacta, palabra por palabra, nunca por parecido.
Lo que ha hecho está escrito
Debajo del resultado encuentras cuántos subtítulos ha leído, cuántas colas repetidas ha fusionado y cuántas palabras ha quitado. El botón «Ver el texto en bruto» muestra los subtítulos uno por línea, sin fusiones: sirve para comprobar, en diez segundos, que no ha desaparecido nada.
Los nombres de quien habla
Los nombres solo están si la plataforma los escribió en el archivo: pasa con Teams, Zoom y Meet, y con los .vtt que usan <v Nombre>. Los subtítulos automáticos de YouTube no los llevan, y en ese caso te lo dice: saber quién habla solo por el audio no se puede, e inventarlo sería peor que callar. Si los nombres están, también puedes sustituirlos por Ponente 1, 2, 3, que es una forma de anonimizarlos, no de reconocerlos.
Puntuación y párrafos
Los párrafos se cierran con un punto, con un cambio de voz o con una pausa (la ajustas tú). Si los subtítulos no tienen puntuación, y las transcripciones automáticas a menudo no la tienen, solo quedan las pausas: te lo escribe, porque la puntuación no se inventa. Y las palabras que la transcripción automática entendió mal siguen estando mal: aquí se arregla la forma, no el contenido.