Traducir subtítulos SRT a 100 idiomas, técnicamente
Qué contiene de verdad un archivo SRT, cómo guarda YouTube las pistas, por qué los tiempos sobreviven a la traducción y tres rutas hacia cien idiomas.
Parte de la guía: Localización en YouTube: la guía completa
Un archivo SRT es el formato más simple del vídeo: bloques numerados, un rango de tiempo y líneas de texto. Esa simpleza es exactamente la razón por la que ha sobrevivido treinta años y por la que traducir subtítulos escala tan bien: los tiempos son datos, el texto son datos, y solo uno de los dos necesita cambiar. Así funciona de principio a fin en YouTube.
Qué hay de verdad dentro de un SRT
Cada bloque son tres cosas: un índice, un tiempo de inicio y fin, y el texto que se muestra entre ellos. Sin fuentes, sin trucos de posicionamiento, sin estilos que romper. Cuando se traduce un archivo así, cada código de tiempo se queda idéntico byte a byte y solo se sustituyen las líneas de texto. Por eso un original bien sincronizado produce traducciones bien sincronizadas automáticamente: la sincronización se hereda, no se rehace.
La advertencia honesta: la longitud del texto no se hereda. El alemán se alarga más que el inglés, el chino se acorta. Un bloque medido para una línea inglesa de seis palabras puede cargar una alemana de nueve, y la velocidad de lectura sufre en los márgenes. Para la mayoría del contenido es aceptable; para diálogos densos es la única cosa que vale la pena revisar por muestreo.
Cómo guarda YouTube los subtítulos
En YouTube, los subtítulos viven como pistas: una por idioma, adjunta al vídeo, visible en Studio en la pestaña «Subtítulos». Una pista puede subirse como archivo, escribirse a mano o publicarse a través del Data API oficial. El espectador elige una pista en el reproductor, y YouTube muestra por su cuenta la que coincide con su idioma.
Dos cosas que la gente espera que funcionen y que no existen: no hay un «archivo maestro» que actualice todos los idiomas a la vez, y no hay propagación automática de las correcciones. Cada pista es independiente. Corrige una errata en el original y las veinte traducciones conservan la errata hasta que cada una se regenere o se edite.
Tres rutas de un archivo a cien idiomas
| Ruta | Cómo va | Dónde se rompe |
|---|---|---|
| A mano en Studio | Traducir el archivo idioma por idioma, subir cada uno en la pestaña «Subtítulos» | Cien idiomas son cien subidas. Nadie lo hace dos veces |
| Traductores de archivos genéricos | Traducir el SRT en otro sitio y aun así subir cada resultado a mano | Reduce el trabajo a la mitad, conserva el problema de las cien subidas |
| A través del API de YouTube | La herramienta lee el texto de subtítulos del vídeo, traduce y escribe cada pista directamente en el vídeo | Necesita autorizar el canal en la pantalla de consentimiento de Google |
YouClicker toma la tercera ruta: usa como origen el texto de subtítulos ya existente del vídeo, traduce a los idiomas seleccionados y publica cada uno como una pista normal vía el Data API. Las pistas aparecen en Studio como las subidas a mano, y cada una cuesta un punto además del punto de título y descripción de ese idioma. No hay precio aparte por archivo: un vídeo a 50 idiomas con subtítulos son 100 puntos.
De dónde sale el texto de origen
La traducción necesita texto, no audio. Si el vídeo ya tiene una pista publicada por el creador en el idioma original, ese es el origen ideal. Si no, YouTube normalmente ya generó subtítulos automáticos para el idioma original, y pueden servir de origen, con una trampa: los errores de reconocimiento que contengan se traducirán fielmente. El techo de calidad de cada pista traducida es la calidad del texto original, y por eso limpiar los subtítulos originales una sola vez rinde en los cien idiomas a la vez.
En qué se diferencian las pistas publicadas de la traducción automática del propio reproductor, y cuándo basta cada una, es el tema de pistas subidas vs traducción automática.
Una nota sobre Shorts
Todo lo anterior aplica también a los Shorts: llevan pistas de subtítulos como cualquier otro vídeo, y los feeds se reproducen silenciados por diseño, lo que carga más peso sobre el texto en pantalla. Qué significa eso para el contenido sin palabras o casi sin palabras se cubre en Shorts, autoplay silenciado y subtítulos.