¿Cuál es la diferencia entre transcripción, subtítulos para sordos y subtítulos?

Estos tres términos se confunden a diario, pero describen cosas distintas.

Una transcripción es el texto escrito completo de una grabación de audio o vídeo – normalmente como texto corrido, a menudo con etiquetas de hablante y marcas de tiempo. Sale como .txt, .docx o .json estructurado y sirve de base para trabajos posteriores: índices de búsqueda, extracción de citas, resúmenes, traducciones o creación de subtítulos.

Los subtítulos para sordos (captions) son breves segmentos de texto sincronizados con precisión al audio y mostrados sobre el vídeo mientras se reproduce. Están dirigidos sobre todo a espectadores sordos y con dificultades auditivas y a menudo incluyen indicaciones no verbales como [risas], [música] o [portazo]. Los archivos de subtítulos para sordos vienen en formatos como SRT (.srt) o WebVTT (.vtt) – ambos contienen marcas de tiempo en formato HH:MM:SS y breves bloques de texto de 1-2 líneas cada uno.

Los subtítulos, en el sentido tradicional, son traducciones del contenido hablado a otro idioma – por ejemplo, una película en inglés con subtítulos en alemán. Técnicamente usan los mismos formatos que los subtítulos para sordos (SRT, VTT), pero suelen omitir las indicaciones sonoras no verbales. En el inglés de EE. UU. las palabras \"captions\" y \"subtitles\" se usan a menudo indistintamente, lo que aumenta la confusión.

Un flujo de trabajo práctico: empieza con una transcripción, divídela en bloques legibles de 32 a 42 caracteres por línea, añade marcas de tiempo de inicio/fin precisas y expórtala como SRT para YouTube/LinkedIn o como VTT para reproductores web HTML5. Herramientas como DeepScript exportan SRT, VTT, TXT y JSON desde una sola transcripción – no tienes que construir la conversión tú mismo.

En resumen: transcripción = contenido. Subtítulos para sordos = contenido + sincronización. Subtítulos = contenido + sincronización + traducción.