Cómo traducir audio y vídeo a otro idioma (con subtítulos bilingües)
La mitad de traducción del flujo de trabajo: elegir entre texto traducido, transcripciones bilingües, subtítulos o voz en off; gestionar la expansión del texto de los subtítulos, la velocidad de lectura, las escrituras de derecha a izquierda y CJK; mantener nombres y términos coherentes; y localizar un mismo vídeo a muchos idiomas a la vez.
Verificado por última vez el 2026-06-24. Los límites específicos de Vocova (número de idiomas admitidos, funciones de Plus / Pro) coinciden con la configuración actual del producto en esa fecha — si algún número aquí difiere de lo que muestra la aplicación, la aplicación es la fuente de la verdad.
Traducir una grabación son dos tareas, no una. La primera es obtener una transcripción precisa en el idioma original — la mitad de reconocimiento, con sus propias decisiones sobre la detección de idioma y el cambio de código, tratada en cómo transcribir audio en varios idiomas. Esta guía trata sobre la segunda mitad: convertir esa transcripción de origen en el resultado traducido adecuado, y hacer que ese resultado realmente funcione en pantalla y sobre el papel.
Una sola regla rige todo lo que viene a continuación: traduce a partir de una transcripción de origen revisada, nunca directamente del audio sin procesar. La traducción preserva fielmente lo que diga la transcripción — incluidos sus errores —, así que un nombre o un número mal escuchado no solo sigue estando mal, sino que se traduce mal, en dos idiomas en lugar de en uno. A partir de aquí, da por sentado que tienes una fuente limpia y con marcas de tiempo. Las decisiones interesantes tienen que ver con el resultado:
- Qué entregable necesitas realmente — texto traducido, una transcripción bilingüe, subtítulos traducidos, subtítulos bilingües o una voz en off.
- Si la traducción cabe físicamente en pantalla en el tiempo que tardó el original en decirse.
- Mantener nombres y términos coherentes a lo largo de todo el archivo.
- Hacerlo una sola vez para muchos idiomas en lugar de repetir el trabajo.
Vocova gestiona la transcripción y la traducción a más de 140 idiomas de destino en un mismo lugar, de modo que las marcas de tiempo y las etiquetas de hablante se conservan desde el audio hasta un .srt traducido. Empieza con Traducción de audio para audio, Traducción de video para subtítulos, o Subtítulos bilingües cuando ambos idiomas comparten la pantalla.
La fuente revisada marca el límite de todo — y luego olvídate de ella
No puedes traducir para salir de una mala transcripción. Si la fuente tiene una tasa de error de palabras del 20%, ningún paso de traducción recupera el significado que perdió el reconocimiento; solo produce un texto de destino fluido, seguro y equivocado. Así que arregla primero la fuente — especialmente nombres, números y términos del dominio — y apóyate en la guía de reconocimiento de arriba más precisión de transcripción por idioma para saber qué ofrece de forma realista cada idioma antes de traducir.
Esta es la última vez que esta guía se detendrá en la fuente. Todo lo que sigue da por hecho que está limpia y trata sobre la traducción en sí.
Elige el entregable, no solo el idioma
«Traduce este vídeo» esconde cinco resultados diferentes. Elegir el equivocado significa rehacer la exportación — o, peor aún, entregar el formato incorrecto a una audiencia.
| Entregable | Qué es | Ideal para | Cuidado con |
|---|---|---|---|
| Texto traducido | Un documento limpio únicamente en el idioma de destino | Informes, artículos, compartir con una audiencia de un solo idioma | Pierde el sincronismo; no sirve para vídeo |
| Transcripción bilingüe | Fuente y traducción emparejadas, línea por línea | Revisión, control de calidad, citas de investigación, aprendizaje de idiomas | El doble de texto que corregir |
| Subtítulos traducidos | .srt / .vtt únicamente en el idioma de destino | Publicar vídeo para una sola comunidad lingüística | La expansión del texto puede desbordar el tiempo (ver más abajo) |
| Subtítulos bilingües | Ambos idiomas apilados en una misma señal, con una marca de tiempo | Tutoriales, aprendizaje de idiomas, audiencias mixtas o globales | Dos líneas de texto por señal — mantén cada una corta |
| Voz en off / doblaje | Una pista hablada en el idioma de destino sobre el original | Vídeos explicativos y anuncios donde el público no leerá subtítulos | Lo más difícil de ajustar al tiempo; suele requerir una revisión humana |
Para la mayoría de los equipos, la opción honesta por defecto son los subtítulos traducidos para un único mercado y los subtítulos bilingües cuando los revisores, los estudiantes o un equipo multilingüe necesitan ver ambos. Subtítulos bilingües y Traducción de video producen los archivos de subtítulos directamente; una exportación de transcripción bilingüe cubre los documentos y la investigación.
¿Por qué no usar sin más la traducción automática de la plataforma?
YouTube y la mayoría de las plataformas de vídeo ofrecen subtítulos traducidos automáticamente con un solo clic. Para entender un clip en privado, están bien. Para cualquier cosa que publiques, tienen tres problemas estructurales:
- Traducen subtítulos defectuosos, no una fuente revisada. Los subtítulos generados automáticamente ya contienen errores de reconocimiento; la traducción automática traduce entonces esos errores, sin ningún paso de revisión de por medio.
- Sin control sobre los términos ni el tiempo. No puedes corregir el nombre mal traducido de un producto, imponer un término coherente ni condensar una línea que se desborda — obtienes lo que produzca la plataforma.
- No eres dueño del archivo. Los subtítulos se quedan en esa plataforma; no puedes reutilizar un mismo
.srtrevisado en YouTube, tu propio sitio, un LMS y un entregable para un cliente.
Un flujo de trabajo dedicado invierte las tres cosas: revisa primero la fuente, controla los términos y el tiempo, y exporta un archivo de subtítulos portátil del que eres dueño. Usa la traducción automática para una idea general y privada rápida; usa una traducción revisada para cualquier cosa que lleve tu nombre.
Dirección, idiomas puente y escrituras que cambian la maquetación
Dos cosas sobre el idioma de destino importan más que la simple cifra de «más de 140 idiomas».
El inglés es el mejor idioma puente. Traducir hacia o desde el inglés suele ser la dirección más precisa, porque los modelos se entrenan sobre todo con pares de inglés. Un trabajo de español → japonés a menudo queda más limpio si tratas el inglés como la referencia con la que comparas en tu revisión. La calidad también está escalonada según cuántos datos existen para cada idioma — precisión de transcripción por idioma tiene la lista de niveles.
Algunas escrituras de destino cambian la maquetación, no solo las palabras — y aquí es donde el vídeo traducido se rompe en silencio:
- De derecha a izquierda (árabe, hebreo, persa, urdu): la dirección del texto se invierte. Las cifras, los nombres de marca en alfabeto latino y la puntuación incrustados en una línea RTL necesitan un manejo bidireccional correcto, y los subtítulos deben alinearse a la derecha. Un reproductor que renderiza mal el RTL convierte una traducción correcta en un desastre.
- CJK (chino, japonés, coreano): no usan la regla de 42 caracteres latinos por línea. Tienen sus propios límites de caracteres por línea y sus propias reglas de salto de línea (no se puede partir a mitad de palabra como en las escrituras latinas), y normalmente se contraen con respecto al inglés en lugar de expandirse.
- Tailandés y otras escrituras sin espacios: el salto de línea depende de la segmentación de palabras, no de los espacios — un ajuste de línea ingenuo produce líneas rotas.
Si tu idioma de destino es uno de estos, reserva tiempo para comprobar el renderizado en el reproductor real, no solo el texto.
La traducción de subtítulos es otro oficio: expansión, velocidad de lectura, reescritura
Esta es la parte que distingue una traducción que se lee de una que pasa volando, ilegible. Un subtítulo traducido tiene que ser legible en el mismo tiempo que tardó el original en pronunciarse — y la mayoría de los idiomas no se traducen con la misma longitud.
La expansión del texto es el problema central
El texto traducido rara vez coincide con la longitud de la fuente. Cambio típico frente al inglés (reglas prácticas de localización — trátalas como rangos, no como garantías):
| Familia de idiomas de destino | Longitud típica vs inglés | Implicación para los subtítulos |
|---|---|---|
| Alemán | +10% a +35% | Se desborda con frecuencia; cuenta con tener que condensar |
| Romances (español, francés, italiano, portugués) | +15% a +30% | Suele desbordarse con habla rápida |
| Árabe | +20% a +25% | Se expande e invierte la dirección |
| Chino, japonés, coreano | −10% a −30% (se contrae) | Cabe con facilidad, pero obedece los límites de caracteres por línea |
Cuando una línea traducida es demasiado larga para su franja de tiempo, condensas la redacción — nunca extiendes la señal más allá de la siguiente, porque eso desincroniza el resto del archivo. Condensar (eliminar relleno, ajustar la formulación manteniendo el significado) es una auténtica habilidad de subtitulado; es también por lo que una revisión humana importa más en los subtítulos que en los documentos simples.
Velocidad de lectura y límites de línea
Estas son las normas de difusión y streaming más utilizadas (consulta las directrices de la BBC y de Netflix enlazadas al final):
- Velocidad de lectura: mantén las señales por debajo de unos 17 caracteres por segundo para audiencias adultas; menos para contenido infantil y cortes rápidos.
- Longitud de línea: unos 42 caracteres por línea para escrituras latinas, máximo dos líneas por señal. El CJK usa su propio recuento de caracteres (habitualmente ~13–16 caracteres de ancho completo por línea).
- Duración mínima/máxima: tanto los destellos muy breves (muy por debajo de un segundo) como las pausas muy largas perjudican la legibilidad.
Un subtítulo bilingüe apila la fuente encima de la traducción en una sola señal que comparte una marca de tiempo. Como ambas líneas comparten la señal, mantén cada una ajustada — dos líneas largas en dos idiomas es la forma más rápida de superar el límite de velocidad de lectura.
Para el contenedor en sí — cuándo elegir .srt frente a .vtt — consulta SRT vs VTT y la guía de formatos de archivo de subtítulos. Genera el archivo con SRT generator o VTT generator una vez revisada la traducción.
Mantén nombres y términos coherentes en toda la traducción
El fallo de traducción más sutil no es una frase equivocada — es el mismo término traducido de tres maneras distintas a lo largo de un mismo archivo. La traducción con IA funciona segmento a segmento, así que el nombre de un producto, un cargo o un tecnicismo pueden ir cambiando entre señales, sobre todo a lo largo de una grabación extensa o cuando varios hablantes lo dicen de forma diferente.
Antes de publicar, fija un pequeño glosario:
- Nombres propios — personas, empresas, productos, lugares — deberían normalmente mantenerse en su forma original o usar una única versión acordada, siempre la misma.
- Términos del dominio y siglas — elige un único equivalente en el idioma de destino y úsalo de forma coherente; no dejes que el modelo alterne.
- Tono y registro — el «tú» formal frente al informal (tú/usted, du/Sie, 你/您) debe ser una sola elección para toda la pieza, acorde con la audiencia.
Una vista bilingüe en paralelo lo hace rápido: busca el término en la columna de la traducción, corrige todas las apariciones, y las marcas de tiempo no se mueven nunca. Esta pasada de coherencia es barata y es la diferencia entre «traducido por una máquina» y «localizado».
Localiza un mismo vídeo a muchos idiomas sin rehacer el trabajo
La mayor ganancia de eficiencia en traducción es que el trabajo costoso se hace una sola vez. Revisas la transcripción de origen una única vez; cada idioma de destino se ramifica a partir de ese mismo original limpio. Esto es lo contrario de traducir un vídeo cinco veces desde cero.
Un trabajo multilingüe realista — un vídeo de producto de 90 segundos que va a cinco mercados:
- Transcribe y revisa la fuente una vez (unos 10 minutos). Corrige nombres, el término del producto y los números en el original. Este es el único paso manual independiente del idioma.
- Traduce a los cinco destinos a partir de esa fuente (unos pocos minutos en total). Cada uno hereda las mismas marcas de tiempo, así que los cinco archivos de subtítulos quedan sincronizados con el vídeo.
- Haz una pasada de ajuste por idioma, empezando por los idiomas más largos. El alemán y los idiomas romances tendrán una o dos señales que se desbordan — condénsalas. Los destinos CJK normalmente solo necesitan una comprobación de los saltos de línea.
- Exporta un
.srtpor idioma (más un archivo bilingüe si un mercado quiere ambos).
En total: la mayor parte del tiempo es la única revisión de la fuente más una breve pasada de condensación por idioma — no cinco traducciones completas. Conserva la fuente revisada como la versión canónica; si el guion cambia, vuelves a traducir desde la fuente actualizada en lugar de editar cinco archivos a mano.
Cuándo mantener a una persona en el proceso
La traducción con IA es publicable tal cual para mucho trabajo rutinario, y necesita una revisión humana para el resto. Una forma sencilla de decidir:
| Situación | La IA por sí sola suele bastar | Conviene una revisión humana |
|---|---|---|
| Notas internas, resúmenes de reuniones, ideas generales, borradores de subtítulos | ✓ | |
| Par con muchos recursos (inglés ↔ español/francés/alemán/portugués) | ✓ (revisión ligera) | |
| Vídeo de marketing, de marca o de cara al público | ✓ | |
| Investigación jurídica, médica, regulatoria o publicada | ✓ | |
| Idioma de destino con pocos recursos | ✓ | |
| Voz en off/doblaje (tiempo + interpretación) | ✓ |
La pauta: cuanto más bajo es el riesgo y más recursos tiene el par, más seguro es usar solo la IA. En caso de duda, entrega una versión bilingüe para que un revisor con fluidez pueda compararla rápidamente con la fuente.
Lista de comprobación antes de publicar un vídeo traducido
- Transcripción de origen revisada antes de traducir (nombres, números, términos).
- Entregable correcto elegido (subtítulos traducidos frente a bilingües frente a voz en off).
- Ninguna señal por encima de ~17 CPS o ~42 caracteres/línea tras la expansión; idiomas largos condensados, no extendidos.
- Renderizado RTL/CJK comprobado en el reproductor real, no solo el texto.
- Una única versión coherente para cada nombre propio, término y para el registro formal/informal.
- Marcas de tiempo y etiquetas de hablante todavía alineadas en el archivo exportado.
- Para trabajos multilingües: una única fuente revisada canónica, un archivo por idioma.
Preguntas frecuentes
¿Cuál es la diferencia entre subtítulos traducidos y subtítulos bilingües?
Los subtítulos traducidos muestran solo el idioma de destino. Los subtítulos bilingües apilan ambos idiomas en la misma señal, compartiendo una marca de tiempo — útil para quienes aprenden idiomas, tutoriales y audiencias mixtas. Ambos provienen de la misma transcripción revisada y alineada con las marcas de tiempo, así que producir uno u otro es solo una cuestión de exportación.
¿Por qué los subtítulos traducidos se desbordan o pasan volando demasiado rápido?
Porque la mayoría de los idiomas se expanden al traducirse — el alemán y los idiomas romances suelen ser entre un 20–35% más largos que el inglés. La solución es condensar la redacción para que quepa en la franja de tiempo original, nunca extender la señal (lo que desincroniza todo lo que viene después). Mantén las señales por debajo de unos 17 caracteres por segundo.
¿Puedo poner dos idiomas en un mismo archivo de subtítulos?
Sí — eso es un subtítulo bilingüe: cada señal contiene la línea original encima de la traducción bajo una misma marca de tiempo. Mantén ambas líneas cortas, ya que comparten el presupuesto de velocidad de lectura de la señal.
¿Los subtítulos se traducen solos o traduzco la transcripción?
Traduces la transcripción revisada, y el archivo de subtítulos se exporta a partir de ella con las marcas de tiempo intactas. Traducir por separado un subtítulo ya incrustado o ya exportado es lo que rompe el tiempo y la coherencia de los términos — mantén la traducción ligada a la transcripción con marcas de tiempo.
¿Cómo traduzco un mismo vídeo a varios idiomas de forma eficiente?
Revisa la transcripción de origen una vez y luego traduce esa única fuente limpia a cada idioma de destino. Cada destino hereda las mismas marcas de tiempo, así que solo haces una breve pasada de ajuste por idioma (condensando los idiomas que se expandieron) en lugar de traducir el vídeo entero una y otra vez.
¿Qué formato de subtítulos debería usar para un vídeo traducido?
.srt para la máxima compatibilidad, .vtt cuando necesites estilos o posicionamiento web. La elección es la misma que para cualquier subtítulo; lo que cambia con la traducción es la longitud de línea y la velocidad de lectura. Consulta SRT vs VTT para la comparación completa.
¿Es la traducción con IA lo bastante buena para publicar?
Para uso interno y pares de idiomas con muchos recursos, normalmente sí tras una revisión ligera. Para marketing, contenido jurídico, médico, investigación publicada, idiomas con pocos recursos o voz en off, mantén a una persona en el proceso. La calidad de la fuente también marca el límite — una transcripción ruidosa no puede traducirse bien por mucho que el par sea bueno.
Fuentes y lecturas adicionales
Externas:
- Directrices de subtitulado de la BBC — estándares de velocidad de lectura y longitud de línea.
- Guías de estilo de texto temporizado de Netflix — requisitos de subtítulos por idioma, incluidos los límites de caracteres del CJK.
- W3C Internacionalización: tamaño del texto en la traducción — por qué el texto traducido se expande y se contrae.
Guías relacionadas de Vocova:
- Cómo transcribir audio en varios idiomas — la mitad de reconocimiento: detección de idioma, cambio de código y revisión de la fuente antes de llegar a esta guía.
- Precisión de transcripción por idioma — el nivel de calidad del que partes antes de traducir.
- SRT vs VTT — qué contenedor de subtítulos exportar.
- La guía de formatos de archivo de subtítulos — todos los formatos y cuándo usar cada uno.
Herramientas:
