Traducción del habla en un solo paso
La forma habitual de traducir un vídeo es un proceso en dos fases: transcribir el habla en su propio idioma y luego pasar el texto por un traductor automático. Cada fase añade sus propios errores, y la segunda solo ve las palabras, no cómo se dijeron.
Esta herramienta toma el camino corto. Whisper, el modelo de voz que hay detrás, se entrenó no solo para transcribir, sino también para producir inglés directamente a partir de audio en otros idiomas; unas 125 000 horas de sus datos de entrenamiento eran exactamente eso, habla en otros idiomas emparejada con texto en inglés. En modo traducción escucha la grabación y escribe en inglés, sin una transcripción intermedia en el idioma original.
Eso tiene algunas ventajas prácticas:
- Los tiempos siguen ligados al texto en inglés. Cada segmento traducido conserva el inicio y el fin del fragmento hablado del que procede, así que la salida SRT y VTT encaja con el vídeo.
- Sin errores acumulados. En un proceso en dos fases, una palabra mal oída se convierte en una traducción equivocada dicha con total seguridad; aquí el modelo trabaja a partir del propio sonido, así que no hay una transcripción defectuosa sobre la que construya un traductor.
- Un trabajo, una espera. Recibes el texto o los subtítulos en inglés con una sola subida.
La contrapartida es que el idioma de destino es fijo: Whisper solo traduce al inglés.
Buenos usos y puntos débiles
Funciona bien para entender contenido y para publicaciones sencillas:
- Seguir una ponencia, una clase o una entrevista grabada en un idioma que no hablas.
- Añadir subtítulos en inglés a un clip corto para un público internacional.
- Captar la idea general de un mensaje de voz, una noticia o un vídeo de un cliente antes de decidir si hace falta un traductor profesional.
Conviene saber dónde flojea:
- Nombres propios y términos. Los nombres de personas, lugares y productos pueden traducirse literalmente o escribirse mal. Revísalos antes de publicar.
- Expresiones hechas y humor. Las frases hechas a veces se traducen palabra por palabra.
- Habla en varios idiomas. Cuando quien habla cambia de idioma a mitad de frase, algunas partes pueden quedar sin traducir u omitirse.
- Fragmentos sin traducir de vez en cuando. De tanto en tanto, un segmento se queda en el idioma original. Elegir explícitamente el idioma hablado en lugar de dejarlo en detección automática hace que pase menos.
- Grabaciones que ya están en inglés. Simplemente se transcriben, así que no tiene sentido pasarlas por aquí; usa la transcripción.
Cómo elegir el formato de salida
Se ofrecen tres formatos, y el texto en inglés también aparece en la página al terminar el trabajo, listo para copiar:
- TXT pone cada frase traducida en su propia línea, sin tiempos. Lo mejor para leer, tomar notas, citar y pegar en un documento.
- SRT es la opción segura para subtítulos: la aceptan los editores de vídeo, los reproductores de escritorio y la mayoría de formularios de subida.
- VTT es para vídeo HTML5 en una web, donde el elemento
<track>solo acepta VTT.
Para mostrar los subtítulos en inglés, añade el SRT como pista de subtítulos en tu editor o reproductor, o guárdalo junto al vídeo con el mismo nombre de archivo. Si los subtítulos van un segundo o dos desfasados, o más adelante necesitas otro formato, el conversor de subtítulos puede desplazar los tiempos y cambiar entre SRT y VTT.
Cómo preparar el archivo
Se aceptan tanto vídeo como audio: MP4, MOV, MKV y WebM, además de MP3, WAV y M4A. Solo se usa el sonido, así que un vídeo grande se puede sustituir por su pista de audio para que la subida sea más rápida. Una grabación de pantalla de 300 MB suele quedarse en 10 a 15 MB como MP3, y la traducción sale igual.
El reconocimiento tarda más o menos lo mismo que dura la grabación, y el límite gratuito se mide en minutos de audio, no en megabytes. Si una grabación supera tu límite, divídela por pausas naturales y traduce las partes una a una, para que ninguna frase quede cortada por la mitad en un límite.
El procesamiento se hace en nuestros servidores porque el modelo es demasiado grande para ejecutarse en una pestaña del navegador. El archivo subido se elimina en cuanto el resultado está listo, y el propio resultado caduca automáticamente en aproximadamente una hora, así que descárgalo o cópialo cuanto antes.