This page is about timed display of text during playback of media files. For static captions, a structured data feature, see Special:MyLanguage/Commons:File captions.

El texto sincronizado («TimedText») es un espacio de nombre único de Wikimedia Commons que sirve para almacenar texto descriptivo o subtítulos asociados a otros medios, como archivos de video o audio. Esta página busca explicar el concepto y uso de la herramienta.

Tanto los subtítulos descriptivos como los subtítulos ordinarios son métodos mediante los cuales visualizar texto en un televisor, monitor u otra clase de pantalla electrónica para proveer información complementaria o interpretativa. Ambos dos se utilizan, generalmente, a modo de transcripción de una porción del audio de un programa a medida que se reproduce (ya sea literal o figuradamente); a veces incluyen descripciones de elementos ajenos al habla. Esto favorece a quienes sufren tanto de discapacidad auditiva como de sordera y le facilita a los hablantes no nativos la comprensión del contenido en el archivo multimedia.

See also: Commons:Video#Subtitles and closed captioning.

Las miniaturas de los videos y porciones de audio que contengan subtítulos descriptivos mostrarán el ícono CC superpuesto. Tras abrir el reproductor se activan automáticamente los subtítulos en tu idioma. Puedes usar el ícono $1, ubicado en los controles del reproductor, para cambiar el idioma, desactivar o activar los subtítulos o cambiar el estilo de los subtítulos.

El texto sincronizado se puede usar en cualquier medio que se muestre mediante una secuencia temporal:

• Un archivo de audio.
• Un video mudo.
• Un video hablado.
• Una animación enseñando un concepto o el cómo funciona algo.

Ejemplos reales:

• Commons:Página de demostración del texto sincronizado: una página que destaca algunos ejemplos de texto sincronizado.
• TimedText:Krazy Kat Bugologist 1916 silent.ogv.de.srt: subtítulos alemanes.
• TimedText:Krazy Kat Bugologist 1916 silent.ogv.en.srt: subtítulos ingleses.
• TimedText:Wikipedia Edit 2014.webm.pl.srt: subtítulos polacos.

The {{Captions requested}} template can be used to flag media needing captions. The template adds the file to the Media needing subtitles category, so one can see for which media users or authors have requested transcripts.

Este modelo y categoría se encuentran dentro del sector de «Commons:WikiProject Deaf» y sus simpatizantes, «meta:Deaf Wikimedians» y Wikipedia:Wikiproyecto sordera.

There are comprehensive guides explaining and recommending certain practices in minute detail. This subsection is meant to give you just enough guidance to get you going.

This is the recommended method. Primera opción: dentro de la página de Commons del archivo (recomendado) A dialog lets you select the timed text content language; you do not need to look up that yourself.

Al usar el botón CC en la barra de herramientas del reproductor HTML5 multimedia de Wikimedia puedes elejir un subtítulo, si es que hay, o abrir el editor de subtítulos para crearlos para el video.

This is for for advanced users. Siempre puedes crear la página de forma directa en Commons mediante el modelo «TimedText:[Nombre_de_archivo_común_y_su.extensión].[idioma].srt»; «[Nombre_de_archivo_común_y_su.extensión]» es el nombre del archivo e [idioma] es el código ISO del idioma.

Use the tool Subtitler to add subtitles to a video.

As of 2025, Commons supports only the SRT subtitle format for timed texts. Because of its simplicity it is virtually supported by all kinds of software.

SRT subtitles are a series of numbered cards associating displayed text with a playback time window.

1
00:00:20,000 --> 00:00:24,400
Subtitle card.

During playback the text Subtitle card. is displayed starting at 20 seconds and ending at 24.4 seconds (inclusive) into the media file.

Note the use of a comma instead of a period to separate seconds from milliseconds. Therefore to avoid simple syntax mistakes (e. g. writing a period out of habit) and because it becomes too tedious at some point, for creation of subtitles – i. e. if you do not want to merely fix a spelling mistake – it is strongly recommended to use proper editing software. There are also in‐browser editing sites if you do not want or cannot install any software.

SRT subtitle cards are separated by (at least) one blank line. Blank lines are lines that do not contain any characters, including space.

1
00:00:20,000 --> 00:00:21,500
Words more words.

2
00:00:21,500 --> 00:00:24,400
More.

Unfortunately, MediaWiki markup is not supported. The SRT subtitle format recognizes only a small set of markup:

• Bold – <b>Bold</b>
• Italic – <i>Italic</i>
• Underlined – <u>Underlined</u>

The casing of the tag names (<i> vs. <I>) does not matter.

As of 2025, the kind of timed text is decided on a case‐by‐case basis. You could for example transcribe music, show the score of a football match, or add citations. In practice all timed texts contain at least the dialog of the primary audio track, but may contain additional information:

• absence of a transcript because they were [unintelligible] to the transcriber(s)
• sound cues
  • important sound cues, such as [derisive snort]
  • unimportant sound cues, such as sounds that have been accidentally picked up by the mic, e. g. a narrator’s [page flip] (of the manuscript)
• annotations
  • articulation description
    • emphasized words (Do <i>not</i> do that.)
    • unusual loudness (whispering, soft, screaming)
    • singing ♪ Subtitles are so, so beautiful ♪
  • speaker attribution, esp. for off‐screen speech
  • conversion of imperial into metric units (or vice versa for American English subtitles)
  • corrections
    • correction of factual mistakes
    • correction of significant wording mistakes
  • if a pun (or similar) in the original language could not be emulated in the target language, a hint that there was a pun, maybe mentionining the involved words

With accessibility in mind, SDH are preferred. However, genuine SDH may amend dialogs to fit additional descriptive texts while also observing a reasonable CPS limit. On Commons we do not do that because there is (as of 2025) no way to document your decisions for other collaborators. Hence, the real sound is the authorative version as all people able of hearing can verify the timed text’s correctness.

At the end of media files, professional subtitles credit the subtitle authors, translators, editors and so on; this is not done on Commons because the revision history already credits them.

Para copiar los subtítulos ya existentes de un DVD puedes usar aplicaciones como SubRip. Una vez hecho eso, puedes copiar y pegarlos en la página de subtítulos de la wiki de Commons. You can then copy-paste them in the wiki Commons subtitle page.

YouTube deja a los usuarios que tengan una cuenta crear subtítulos a partir de cualquier archivo publicado. Ten en cuenta que el reconocimiento de voz es automatizado y da resultados repentinos. Es más preferible publicar una transcripción del archivo a YouTube; eso dará un mejor resultado. Con todo ya hecho, puedes copiar y pegar los subtítulos en la página de subtítulos de la wiki de Commons.

Pasos a seguir para crear los subtítulos (un videotutorial se puede ver aquí):

1. Publica el archivo (el archivo multimedia ha de integrar una pista de video, mas eres libre de escoger uno vacío o cualquier otro).
2. Mientras se publica establece el idioma indicado del video para tu archivo bajo el menú «Mostrar más».
3. O, tras publicarlo, selecciona «Subtítulos» en los detalles específicos del video o en el navegador de YouTube Studio.
4. Pincha en «Agregar» o «Agregar idioma».
5. Puedes añadir subtítulos de una de tres formas:
   1. Publicando una transcripción en el formato apropiado.
   2. Copiando y pegando la transcripción.
   3. Escribiendo manualmente mientras ves el video.
6. Los subtítulos se insertarán al video.
7. Descarga el archivo .sbv desde el menú de subtítulos bajo el menú de tres puntos en la parte de «Edición de tiempos».
8. Convierte los contenidos del archivo .sbv a uno .srt. Existen varias herramientas en línea que sirven para concretar este paso.
   1. ffmpeg es una opción de código abierto (instrucciones).
9. Publica el archivo .srt a la página pertinente del video en Wikipedia Commons.

Puedes descargar subtítulos de un video de YouTube (y probablemente otros sitios web de video) así:

1. Instala yt-dlp.
2. Ejecuta yt-dlp --list-subs url (reemplaza la dirección web con la de YouTube).
3. Por ejemplo, ejecuta yt-dlp --write-subs en --sub-format vtt url (reemplaza la dirección web con la de Youtube).
4. Tal vez hayan subtítulos en formato SRT, y de ser el caso deberías usarlos en lugar del formato VTT; o simplemente puedes descargarlos todos.
5. Convierte los subtítulos de formato VTT (o del que sean) a SRT mediante una herramienta como FFmpeg (véase #Convertir subtítulos de YouTube al formato de texto sincronizado) o una interfaz web como esta.
6. Finalmente, puedes pegar los subtítulos en la página de texto sincronizado del video en Wikimedia Commons.

Si usas la herramienta video2commons puedes marcar «Importar subtítulos», mas esto no funciona con los subtítulos en formato .vtt (phab:T368298), así que para estos videos también necesitarás hacer los pasos previos para importar los subtítulos.

YouTube auto generated subtitles are scrolling captions. I wrote a program that converts these to block captions so they can be put on Commons. First, download the video with yt-dlp --write-auto-subs url (replace url with the url, well, duh). Then, use option 3. It should work okay but it has a habit of putting "word. word," at the end of a block, which is just so wrong because a full stop should be a good time to end a block. But the code is really long and I think I would have lots of trouble fixing it now.

Puedes usar la herramienta de código abierto SoniTranslate para generar rápida y fácilmente subtítulos transcritos automáticamente. Lo ideal sería que revises los subtítulos, especialmente si también usas la herramienta para traducir de forma automática a otros idiomas. Por ejemplo, puede que dé como resultado los años como oraciones extensas en vez de números o malinterpretar los nombres de la gente. El cómo usar esta herramienta se describe en Help:AI video dubbing.^[1] Si no hay subtítulos que importar esta es, posiblemente, la forma más expedita de añadir textos sincronizados. La transcripción generalmente solo se demora unos cuantos segundos, incluso si no tienes una tarjeta gráfica, aunque depende de cuán largo sea el video.

Los intervalos de tiempo se hacen de tal manera que encajen justo para poder acostumbrarse a doblar videos en otros idiomas, lo que no tiende a ser el caso de los subtítulos manualmente hechos. Puedes editar los subtítulos y luego guardarlos como un archivo .srt para usarlos como entrada para la herramienta para así dejarle crear un audio o subtítulo en otro idioma.

A la fecha, 2024, los modelos de inteligencia artificial de Whisper son los modelos de transcripción vocal más avanzados que hay, ^[1] y se pueden ejecutar localmente, ya sea con Python o whisper.cpp. A diferencia de los modelos anteriores de Vosk, estos sí producen puntuación, lo que hace que sus resultados sean mucho más cercanos a los de una transcripción humana de alta calidad. A pesar de todo, deberías corroborar los subtítulos hechos con inteligencia artificial en base al video original y arreglar errores, agregar puntuación, revisar la escritura de los nombres de la gente y los lugares, comprobar los hechos y cifras, etcétera. Los subtítulos hechos con inteligencia artificial son muy útiles como primer borrador, pero suelen tener algunos errores torpes que ningún transcriptor humano hubiera hecho.

Una de las ventajas de whisper.cpp es su optimización para ejecutarse específicamente en el procesador en lugar de la tarjeta gráfica (por lo que es muy útil si tienes una tarjeta gráfica de AMD y, por ende, no tienes CUDA). A pesar de ello, CUDA y Metal (en Mac) también son compatibles, por lo que puede adaptarse sin problemas a distintos equipos. Otra ventaja es que no depende de la instalación de dependencias externas, es decir, no se necesita ni Python ni PyTorch, ya que está hecho con C++, lo que lo vuelve una descarga más ligera que la de un entorno de aprendizaje automático en Python.

Algunas aplicaciones de edición de video y de subtítulos descriptivos con interfaz gráfica tienen ya integrada la funcionalidad de Whisper: ejemplos de código abierto incluyen el editor de video Kdenlive (desde la versión 23.04; necesita Python) y Subtitle Edit (tanto Python como C++ se pueden usar para ejecutar los modelos de Whisper).

Mas ejecutar la versión de línea de comandos de whisper.cpp para crear un archivo SRT de forma directa tampoco es tan difícil, siempre y cuando tu sistema operativo tenga un compilador de C, make, etc., para poder compilarlo:

Primero, usa, por ejemplo, ffmpeg para extraer la pista de audio de un video y transfórmala a una frecuencia de muestreo de 16 kHz:

ffmpeg -i algún_video.ogv -ar 16000 -ac 1 -c:a pcm_s16le audio.wav

ffmpeg -i some_video.ogv -ar 16000 -ac 1 -c:a pcm_s16le audio.wav

Luego, compila whisper.cpp y descarga un modelo (el modelo básico, que está optimizado para el inglés, pesa unos 140 MB; medio también puede manejar otros idiomas y pesa unos 1.5 GB), y da inicio a la conversión mediante, por ejemplo:

./main -m models/ggml-base.en.bin -f audio.wav -t 8 -pc -osrt

Esto usará ocho núcleos del procesador y creará un archivo SRT llamado audio.wav.srt en el mismo directorio. Durante el reconocimiento las palabras serán identificadas con colores en base a su credibilidad (el verde significa muy creíble y el rojo poco creíble), así que podrás ver rápidamente si el modelo está sufriendo dificultades. Si un modelo más pequeño da resultados inutilizables puedes probar con otro más grande, como medio, el cual será más lento pero dará mejores resultados.

También puedes traducir desde otros idiomas; por ejemplo, añadiendo "-l fr -tr" a las opciones traducirá un audio francés al inglés.

Si exportas el formato SBV de los subtítulos de YouTube puedes usar ffmpeg para pasar el archivo de subtítulo al formato SRT (SubRip), usado por Commons. Este rasgo también resuelve el problema de solapamiento que ocurre comúnmente al pasar los subtítulos de YouTube a Commons.

ffmpeg -fix_sub_duration -i ⟨input⟩.sbv ⟨output⟩.srt

Esta sección explica el cómo convertir los subtítulos XML de YouTube al formato SubRip (srt); el formato de subtítulos de texto sincronizado que se usa en Wikimedia Commons.

Si es que

• el video de YouTube tiene subtítulos en algún idioma (p. ej., creé este video de YouTube con subtítulos en inglés, ruso y carelio);
• este video se publicó en Wikimedia Commons (p. ej., este archivo);
• quieres copiar los subtítulos de YouTube al mismo video en Commons.

Entonces:

1. Descarga el subtítulo en XML, ingresa el identificador del video de YouTube al final de la dirección: http://video.google.com/timedtext?hl=en&lang=en&v=__youtube_video_ID__
2. Instala Ruby.
3. Descarga una aplicación de Ruby para convertir los subtítulos del video desde el formato XML de YouTube al formato de SubRip.
4. Ejecuta aquella aplicación y convierte el archivo XML a uno .SRT.
5. Copia y pega los contenidos del archivo .SRT a la página pertinente del video en Wikimedia Commons.

Subtitle cards may not overlap at any point in time. For the transition between subtitles there are two different styles:

• Subtitles for continuous speech are immediately next to each other. The end time of the earlier subtitle equals the start time of the subsequent subtitle. This can help keeping the CPS at low values.
• There is always a constant gap (e. g. ⅒ of a second) between any two subtitles of continuous speech giving the impression of a “flashing” effect and thus drawing the viewer’s attention to the subtitles. Sometimes speakers repeat one and the same phrase, the “flashing” can underscore this repetition.

Commons does not prescribe which style you follow, but you must be consistent. You may not switch between styles within the same timed text file. Both styles are in use for professionally created subtitles.

As to not “reveal” information before it is “disclosed” in speech, subtitles should not start before the respective speaker commences speech. The modal verb should means you may deviate from this rule. In general, you may add a more generous lead to educational contents (e. g. narration in documentaries) as are predominantely found on Commons. Some people are slow readers or just appreciate being granted more time when learning about stuff.

Similarly, subtitles should disappear shortly after the utterance concluded. Prefer increasing the tail time over increasing the lead time if the CPS value is high.

On occassions you may have a “negative tail”: In elongated speech – in particular singing people stretching speech, e. g. as in operas – it does not make sense to keep the subtitle on screen until the speaker finally finished uttering the last syllable.

Subtitling videos requires taking account of the picture: Considering a standard video frame rate of 25 FPS it is highly frowned upon to show or hide subtitles within 1 – 4 frames of a w:hard cut.

As of 2025, the most common form of displaying subtitles is the overlay method. Subtitles are rendered over (on) the video picture. This, however, may hide information such as the name and professional title of a person interviewed. Unfortunately, as of 2025 the accepted subtitle data formats do not offer a way to ensure such information is not covered by subtitles, in particular a “show this subtitle card at top edge” command is not available.

With accessibility in mind, subtitles for videos can – beside the a. m. contents – include cards highlighting the absence of sounds. For example the picture shows two people arguing orally (= mouth movement) but it cannot be heard what they are saying. This discrepancy can be clarified with [no audible dialog] or similar.

In order to associate timed texts with their media files, the beginning of the timed text’s file name has to match the respective media file’s name. That means all timed texts for File:some.video have TimedText:some.video as their prefix. What comes after that is up to you, yet to provide a reasonable user experience it is customary to use a suffix indicating the principal natural language and file format, e. g. .en.srt for English‐language subtitles.

The “language” code zxx indicates non‐lingual content, for example a timed text showing a real time clock of surveillance footage.

For polylingual media there are multiple options:

• include all speech but leave untranslated
  • *.mul.srt file (mul = multiple languages code)
  •   provides kind of same experience as hearing people have
  •   description of audio cues is unmanageable
• omit untranslated, yet still indicate: [speaks Asian]
  • *.en.srt file
  •   provides comparable experience as hearing people have
  •   unsatisfactory especially if prolonged
• tag and translate: [speaks German] I doubt it.
  • *.en.srt file
  •   even for polyglots switching between multiple languages can be difficult
  •   subtitles do not become too heavy (as in the bilingual option below)
• bilingual subtitles (include both the original and translated version), spread across two lines
  • no convention, but this option offers the option to #REDIRECT
  •   readers proficient in the other language can read the original
  •   because you cannot spread text across two lines you need more frequent cuts (more subtitle cards)
  •   the “reading speed” can differ a lot between the languages, thus for one language the speed is too generous, for the other too fast

Again, use your best judgment, but stay consistent with your choice.

For signed speech there are multiple options, but de facto the last one is virtually always used.

• subtitle only spoken speech (and possibly describe sound cues) and name the timed text according to the primarily spoken language – this makes sense if there is a sign language interpreter purely for accessibility, yet the interpretation deviates (e. g. because of time pressure)
• indicate signed glosses – however
  • some notations require precise control of formatting that is, as of 2025, not possible
  • there is no ISO 639‑3 code for notations, e. g. gsg denotes German sign language yet it does not imply any specific notation
• translate signed speech to the closest corresponding orally spoken language, e. g. ASL → (American) English

Accordingly the timed text is named with a .en.srt suffix.

No naming scheme has been established for media files containing multiple streams differing in contents. By convention, without any extra indication in the file name, users expect timed texts to be suitable for the primary video track and primary audio track.

Of course this is not much of an issue if there is no intent to ever supply timed texts; e. g. there is a separate M & E soundtrack, which is actually meant to facilitate creation of dubbed versions, not to be listened to on its own.

Después de que los subtítulos se hayan transcrito a partir del idioma de origen del video a un archivo de texto sincronizado se pueden traducir en otros idiomas así:

• Abre el archivo de texto sincronizado en el idioma original, por ejemplo, el inglés TimedText:Elephants Dream.ogv.en.srt, en el modo edición y copia toda la página.
• En la barra de dirección reemplaza el «en» con el código del idioma que prefieras, por ejemplo, «fr», y luego pega el texto original en la página nueva.
• Ve el video original y después traduce el texto a tu idioma.
• Tras guardar la página nueva el video con los subtítulos debería cargarse a la página; puedes verlo para examinar la sincronización de los subtítulos.
• Añade un enlace de categoría a la página de discusión «[[Category: Timed Text in Language Name|Language Name]]». Por ejemplo, mira TimedText talk:Elephants Dream.ogv.fr.srt.

Una forma de encontrar tales videos es abriendo una de las subcategorías de «Category: Files with closed captioning» en base al idioma inicial que prefieras y luego usar [[Help: FastCCI|Help:FastCCI/es]] (ubicado en la esquina superior derecha de la página) para solo incluir los videos que no tengan subtítulos en tu idioma objetivo preferido.

1. Para encontrar videos que tengan subtítulos en inglés a traducir ve a «Category: Files with closed captioning in English».
2. Entonces, pincha en la flecha de FastCCI para abrir el submenú y selecciona «En esta categoría pero no en...».
3. En el cuadro de texto ingresa la categoría pertinente en base a tu idioma objetivo preferido.
   • Para el alemán ingresa «Files with closed captioning in German».
   • Para el francés ingresa «Files with closed captioning in French».
   • Para el ruso ingresa «Files with closed captioning in Russian».

etcétera.

• Patrol changes in the TimedText namespace: Recent changes
• Find Orphaned TimedText pages that have no associated media file (any longer).

El espacio de nombre «TimedText talk» es para hablar sobre las páginas correspondientes de texto sincronizado, mas también se puede usar para vincular y categorizar la página de texto sincronizado.

Esta parte necesita ser expandida.

¿Cómo se asocian los subtítulos descriptivos con los archivos multimedia?

• Usa las redirecciones para evitar el contenido duplicado, como, por ejemplo, «TimedText:Elephants Dream (high quality).ogv.pt.srt» redirecciona al ya existente «TimedText:Elephants Dream.ogv.pt.srt». Esto se asegura de que el modelo de los subtítulos descriptivos visualice el nombre correcto del archivo de los archivos de subtitulaje (esto podría ser importante para los fragmentos de las películas).
• El parámetro de «{{Closed captions}}» es una alternativa
• se requiere más compatibilidad con la herramienta de texto sincronizado;
• Categorizar: no es posible categorizar la página de texto sincronizado en sí misma, pero la de discusión sí.

Un esquema de categorización posible es:

 [[:Category:File formats]] + [[:Category:Media types]]
                       |
               [[:Category:Timed Text]] + [[:Category:Legend in German]]
                                   | 
                           [[:Category:Timed Text in German]]
 
                                   + [[:Category:Legend in French]]
                                   | 
                           [[:Category:Timed Text in French]]
 
                                   + [[:Category:Legend in English]]
                                   | 
                           [[:Category:Timed Text in English]]

Categorías relacionadas: «Category:Files with closed captioning».

• {{Captions requested}}
• SubRip
• Ayuda:Espacios de nombre lista todos los espacios de nombre de Commons.
• «Category:Video», categoría de base para los medios relacionados al video.
• «Category:Videos», categoría de base para los archivos de video.

• National Captioning Institute (in English)
• La página de inicio de la W3C acerca del texto sincronizado (en inglés).
• Subtítulos para las personas sordas o con problemas de audición, National Institute on Deafness and Other Communication Disorders (NIDCD).

Estos son artículos de ya sea Q844253: texto sincronizado o Q204028: subtítulos.

• Dansk: Undertekster
• Deutsch: Untertitelung
• Ελληνικά: Υπότιτλοι
• English: A «Timed Text» también se le dice «subtitles», «closed captioning» y «closed caption text». Véase también «Subtitle (captioning)».
• Esperanto: Subtekstoj
• Español: Subtítulo
• Français : sous-titrage
• Interlingua: Subtitulos
• Italiano: Sottotitolo
• 日本語: 字幕
• 한국어: 자막
• Македонски: Толкување
• Nederlands: Ondertiteling
• Norsk bokmål: Undertekster
• Português: Legenda
• Русский: Субтитры
• Slovenščina: podnaslovi
• Svenska: Textning
• Українська: Субтитри
• 粵語: 字幕
• 中文：​字幕
• Bahasa Indonesia: Teks Berwaktu

1. 1 2 AI — Inteligencia artificial.