¿Qué es un archivo VTT?

Un archivo VTT (archivo de pistas de texto para video web) es un formato de texto sin formato que se utiliza para mostrar texto sincronizado —como subtítulos, leyendas y marcadores de capítulos— en sincronía con contenido de video y audio HTML5. Desarrollado como un Estándar web del W3C, Los archivos VTT ofrecen funciones avanzadas como el estilo del texto, la identificación de los hablantes y el posicionamiento preciso, lo que los convierte en el formato preferido para los videos en línea.

Cómo funcionan los archivos VTT

Los archivos VTT siguen una estructura específica que los navegadores y reproductores de video pueden interpretar. Cada archivo VTT contiene estos componentes principales:

1. Declaración del archivo — El texto “WEBVTT” debe aparecer en la primera línea
2. Metadatos opcionales — Notas, comentarios o información sobre el estilo
3. Pistas — Entradas de subtítulos individuales con marcas de tiempo y texto
4. Líneas en blanco — Separa cada indicación de la siguiente

Así es como se ve un archivo VTT básico:

WEBVTT

00:00:01.000 –> 00:00:04.500

Bienvenidos a la presentación de hoy

sobre las mejores prácticas de transcripción.

00:00:05.000 –> 00:00:08.750

Te daremos todo lo que necesitas

para conocer los formatos de subtítulos.

Ten en cuenta que las marcas de tiempo de VTT usan puntos antes de los milisegundos (00:00:01.000), mientras que los archivos SRT usan comas. Esta pequeña diferencia es importante: si usas el separador incorrecto, tus subtítulos no funcionarán.

Funciones avanzadas de VTT

Lo que distingue a VTT de los formatos más sencillos es su compatibilidad con el formato avanzado:

• Identificación del orador: Las etiquetas indican quién está hablando
• Estilo del texto: Negrita, cursiva y subrayado mediante etiquetas similares a las de HTML
• Posicionamiento: Controla dónde aparecen los subtítulos en la pantalla
• Estilo CSS: Personaliza las fuentes, los colores y los fondos con el selector ::cue
• Marcadores de capítulo: Crea secciones navegables dentro de los videos más largos

Estas características hacen que los archivos VTT sean especialmente valiosos para contenido web accesible donde el diseño y la claridad de la voz del locutor facilitan la comprensión.

Cómo abrir un archivo VTT

Los archivos VTT son de texto sin formato, por lo que tienes varias opciones para verlos y editarlos:

Editores de texto: Cualquier editor de texto básico (Bloc de notas, TextEdit, VS Code) puede abrir archivos VTT. Verás el texto sin formato y las marcas de tiempo, lo que facilita realizar correcciones rápidas.

Reproductores multimedia: VLC y la mayoría de los reproductores de video modernos muestran los subtítulos VTT cuando el archivo tiene el mismo nombre que el archivo de video. Solo tienes que colocar ambos archivos en la misma carpeta.

Navegadores web: Dado que VTT es el formato nativo de subtítulos de HTML5, los navegadores reproducen estos archivos sin problemas mediante el elemento . Así es como la mayoría de los espectadores ven tus subtítulos.

Editores de subtítulos: Las herramientas específicas permiten reproducir el video de manera sincronizada con el texto de los subtítulos, lo que te permite ajustar la sincronización mientras ves el video.

Creación de archivos VTT

Tienes dos formas principales de crear archivos VTT:

Creación manual: Abre un editor de texto, agrega el encabezado “WEBVTT” y, a continuación, escribe tus indicaciones con marcas de tiempo precisas. Este método funciona para clips cortos, pero resulta poco práctico para contenidos más largos: un video de una hora podría contener cientos de entradas de subtítulos individuales.

Generación automatizada: Software de transcripción analiza tu audio o video y genera automáticamente archivos VTT con códigos de tiempo. Moderno Transcripción de IA se encarga de la identificación de los hablantes y alcanza altos índices de precisión, lo que lo convierte en el método estándar para los profesionales que manejan un volumen considerable de videos. Plataformas como Sonix combinar la transcripción automatizada con la generación de VTT, gestionando simultáneamente tanto la identificación de los hablantes como la codificación temporal.

Para las productoras de televisión, los bufetes de abogados que procesan declaraciones juradas o las instituciones educativas que subtitulan bibliotecas de conferencias, la generación automatizada de VTT transforma lo que antes requería días de trabajo en un flujo de trabajo optimizado.

Conversión entre VTT y SRT

A pesar de las ventajas técnicas del formato VTT, a menudo necesitarás ambos formatos. Las principales plataformas sociales, como LinkedIn y X (Twitter), solo aceptan archivos SRT, mientras que el reproductor HTML5 de tu sitio web requiere el formato VTT.

La conversión en sí es sencilla; las principales diferencias son:

Formato VTT:

• Separador de milisegundos: Punto (.)
• Encabezado obligatorio: “WEBVTT”
• Numeración de las pistas: Opcional
• Compatibilidad con estilos: Sí

Formato SRT:

• Separador de milisegundos: coma (,)
• Encabezado obligatorio: Ninguno
• Numeración de las pistas: Obligatoria
• Compatibilidad con estilos: No

En lugar de mantener archivos separados de manera manual, herramientas automatizadas de subtitulado puede exportar ambos formatos a partir de un único guion original. Esto garantiza la coherencia en todas las plataformas y evita el trabajo duplicado.

Edición de archivos VTT para garantizar la precisión

Incluso los mejores subtítulos automatizados se benefician de una revisión humana. Al editar archivos VTT, enfócate en:

Ajustes de sincronización: Asegúrate de que los subtítulos aparezcan un poco antes de que se pronuncien las palabras y desaparezcan poco después. Asegúrate de que velocidad de lectura de subtítulos se mantenga por debajo de las 160-180 palabras por minuto para facilitar la lectura.

Precisión del texto: Una sola palabra equivocada puede cambiar por completo el significado: si ”ahora” se convierte en “no”, el mensaje se invierte. Revisa los subtítulos generados automáticamente comparándolos con el audio real.

Etiquetas de los altavoces: En entrevistas, declaraciones juradas o mesas redondas, identificar claramente a los participantes ayuda a los espectadores a seguir la conversación.

Saltos de línea: Mantén cada leyenda en un máximo de dos líneas, con aproximadamente 42 caracteres por línea, para garantizar la legibilidad en todos los dispositivos.

Los flujos de trabajo profesionales suelen utilizar editores basados en navegador que sincronizan el texto de los subtítulos con la reproducción del video, lo que te permite detectar problemas de sincronización y hacer correcciones mientras lo ves.

Por qué son importantes los archivos VTT: Accesibilidad y SEO

Los archivos VTT cumplen dos funciones cada vez más importantes más allá del subtitulado básico:

Cumplimiento de las normas de accesibilidad: La Pautas de las WCAG Se recomienda incluir subtítulos en los videos, y normativas como la ADA y la Sección 508 los exigen en muchos contextos. La Ley de Accesibilidad de la Unión Europea, cuyo plazo de cumplimiento vence el 28 de junio de 2025, exige que los videos del comercio electrónico de la UE sean accesibles. El soporte que ofrece VTT para el audio descriptivo y la identificación detallada de los hablantes ayuda a cumplir con estos requisitos.

Visibilidad en las búsquedas: Los motores de búsqueda no pueden ver tus videos, pero sí pueden leer tus archivos de subtítulos. Dado que los videos tienen cada vez más protagonismo en los resultados de búsqueda, los archivos VTT permiten que tu contenido hablado sea fácil de encontrar. Ya sea para investigadores que analizan grabaciones de entrevistas, equipos legales que buscan en archivos de declaraciones juradas o especialistas en mercadotecnia que buscan maximizar el alcance del contenido, los archivos VTT transforman el video de una caja cerrada a un texto que se puede buscar e indexar.

Términos relacionados

• Archivo SRT — Formato de subtítulos más sencillo con mayor compatibilidad con versiones anteriores
• Subtítulos — Los subtítulos que los espectadores pueden activar o desactivar
• Transcripción — La conversión de voz a texto: la base para la creación de subtítulos
• Diarización de ponentes — Identificar quién dijo qué en contenidos con varios hablantes
• Codificación temporal — Agregar marcas de tiempo que sincronicen el texto con el audio

Preguntas frecuentes

¿Cuál es la diferencia entre los archivos VTT y SRT?

Los archivos VTT admiten estilos de texto, posicionamiento, etiquetas de hablantes y personalización con CSS, mientras que los archivos SRT solo contienen texto sin formato con marcas de tiempo. VTT utiliza puntos para los milisegundos (00:00:01.000) y SRT utiliza comas (00:00:01,000). VTT es el estándar nativo de la web para videos HTML5; SRT tiene una compatibilidad más amplia con formatos heredados.

¿Puedo convertir un archivo SRT a VTT?

Sí. La conversión principal consiste en cambiar los separadores de coma por puntos y agregar el encabezado “WEBVTT”. Muchas plataformas de transcripción exportan ambos formatos al mismo tiempo, lo que elimina la necesidad de una conversión manual.

¿Los archivos VTT ayudan con el SEO de video?

Por supuesto. Los motores de búsqueda indexan el texto de los subtítulos, lo que permite que el contenido hablado de tu video sea localizable en las búsquedas. Los videos con subtítulos suelen posicionarse mejor y aparecer con más frecuencia en los resultados de búsqueda, ya que el contenido se vuelve legible para los rastreadores.

¿Qué navegadores son compatibles con los archivos VTT?

Todos los principales navegadores —Chrome, Firefox, Safari y Edge— son compatibles con los archivos VTT desde 2015. El formato funciona a través del elemento HTML5 , lo que lo convierte en el estándar para los subtítulos de videos en la web.

¿Cómo agrego un archivo VTT al video de mi sitio web?

Agrega un elemento dentro de tu etiqueta