---
title: "¿Qué es un archivo de subtítulos SRT? Formato y WebVTT"
description: "Un archivo SRT son subtítulos numerados con inicio y fin en texto plano. El formato, en qué se diferencia WebVTT y cómo generar SRT con una API de voz a texto."
url: https://broadrouter.com/es/glossary/srt-subtitles/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/glossary/srt-subtitles/) (actualizado el 2026-11-15).

# Subtítulos SRT (SRT subtitles)

Actualizado 2026-11-15

SRT (SubRip) es un formato de subtítulos en texto plano. Cada subtítulo consta de un número de secuencia, una hora de inicio y fin escrita como hh:mm:ss,mmm --> hh:mm:ss,mmm, una o más líneas de texto y una línea en blanco. WebVTT es el formato web similar que usa el video en HTML.

También llamado: archivo SRT, subtítulos, archivo de subtítulos, formato SRT, SRT, SRT file, SubRip, WebVTT, subtitle file

Un archivo de subtítulos es una transcripción con un reloj. Obtener el texto es la mitad fácil; los tiempos son la mitad difícil.

## Cómo funciona

Un archivo SRT es texto plano. Cada bloque de subtítulo tiene cuatro partes:

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص
```

La descripción del formato de la Library of Congress da el formato de tiempo como horas:minutos:segundos,milisegundos, con “two hyphens (—) and a right-pointing angle bracket (>)” (traducción: dos guiones (—) y un corchete angular que apunta a la derecha (>)) entre el inicio y el fin, y una línea en blanco después de cada bloque. Califica a SRT como “a very simple text format, but not well standardized,” (traducción: un formato de texto muy simple, pero no bien estandarizado) sin un estándar de codificación de caracteres. La extensión es `.srt`.

WebVTT, el formato del W3C para pistas de texto de video en HTML, se ve casi igual. La especificación exige una primera línea `WEBVTT`, un punto antes de los milisegundos (`00:00:10.700`), codificación UTF-8 y el tipo de medio `text/vtt`. Al 15 de noviembre de 2026 es un borrador de Candidate Recommendation del W3C.

## Por qué importa

-   **Los tiempos vienen de la API, o de usted.** Algunas APIs de voz a texto devuelven [marcas de tiempo](https://broadrouter.com/es/glossary/timestamps-asr/) por palabra o por segmento, o un archivo terminado. La referencia de transcripción de OpenAI incluye `srt` y `vtt` entre sus valores de `response_format`, pero dice que el formato depende del modelo y que `gpt-4o-transcribe` y `gpt-4o-mini-transcribe` solo devuelven `json`.
-   **Diseño en árabe.** SRT no tiene marcado de dirección, así que el reproductor decide cómo se muestran el texto de derecha a izquierda y la puntuación. Vea [texto de derecha a izquierda](https://broadrouter.com/es/glossary/rtl-text/).
-   **Reglas de legibilidad.** La longitud de línea, las líneas por subtítulo y la velocidad de lectura las fijan las guías de estilo, no el formato.

## En BroadNet Inference

El endpoint de transcripción de BroadNet devuelve texto sin marcas de tiempo, así que no puede producir SRT directamente. El enfoque que funciona, probado en [subtítulos en árabe (SRT) desde una API de voz a texto](https://broadrouter.com/es/blog/arabic-subtitles-srt-api/):

1.  Encuentre las pausas con el filtro `silencedetect` de FFmpeg (o con un [VAD](https://broadrouter.com/es/glossary/vad/)).
2.  Corte cada tramo de voz, con un máximo de unos 12 segundos, a WAV mono de 16 kHz.
3.  Transcriba cada tramo con `language=ar` en [BroadNet Transcribe Arabic](https://broadrouter.com/es/models/cohere-transcribe-arabic/).
4.  Use el inicio y el fin de cada tramo como tiempos del subtítulo, repartiéndolos entre las líneas en proporción a la longitud del texto.
5.  Escriba los bloques SRT numerados.

Los bordes de los tramos son tan precisos como su detección de pausas; los tiempos dentro de un tramo son estimaciones. Eso sirve para charlas y podcasts, no para dramas con sincronía labial. Para una sincronización exacta al fotograma, use un proveedor que documente marcas de tiempo por palabra. Los tramos cortos también implican más solicitudes, así que vigile el límite de pago por uso de 30 solicitudes por minuto. La [herramienta para dividir audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) escribe los comandos de FFmpeg.

## Errores comunes

-   **Puntos en lugar de comas en los tiempos SRT**, o al revés en WebVTT. Muchos reproductores rechazan el formato incorrecto.
-   **Faltan líneas en blanco** entre bloques, lo que fusiona los subtítulos.

## Preguntas frecuentes

### ¿Cuál es la diferencia entre SRT y WebVTT?

Los archivos WebVTT empiezan con la línea WEBVTT, usan un punto antes de los milisegundos (00:00:10.700), deben estar en UTF-8 y usan el tipo de medio text/vtt. SRT usa una coma (00:00:10,700) y, según la Library of Congress, no tiene un estándar de codificación de caracteres.

### ¿BroadNet puede devolver un archivo SRT?

No. La respuesta de transcripción documentada de BroadNet es JSON con un único campo de texto y sin marcas de tiempo. Usted construye los tiempos de los subtítulos, por ejemplo a partir de los desplazamientos de los fragmentos de audio.

### ¿Qué codificación debe usar un archivo SRT en árabe?

Use UTF-8 y pruébelo en los reproductores que usa su audiencia. SRT no tiene un estándar de codificación, así que algunas herramientas antiguas adivinan la codificación a partir de los bytes.

## Vea también

-   [Marcas de tiempo en voz a texto (timestamps)](https://broadrouter.com/es/glossary/timestamps-asr/) (término)
-   [Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/) (término)
-   [Detección de actividad de voz (VAD)](https://broadrouter.com/es/glossary/vad/) (término)
-   [Texto de derecha a izquierda (RTL)](https://broadrouter.com/es/glossary/rtl-text/) (término)
-   [WAV (archivo de audio)](https://broadrouter.com/es/glossary/wav/) (término)
-   [API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/) (guía)
-   [Subtítulos en árabe (SRT) desde una API de voz a texto: qué necesita](https://broadrouter.com/es/blog/arabic-subtitles-srt-api/) (artículo)
-   [Transcribir audio largo de más de 25 MB: dividir, enviar y unir](https://broadrouter.com/es/blog/transcribe-long-audio-files-api/) (artículo)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-srt-subtitles&utm_content=page-cta) ·

**Fuentes**

-   [Library of Congress, Sustainability of Digital Formats: SubRip (SRT) fdd000569 (consultado el 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [W3C, WebVTT: The Web Video Text Tracks Format, borrador de Candidate Recommendation (consultado el 2026-11-15)](https://www.w3.org/TR/webvtt1/)
-   [Referencia de la API de OpenAI, crear transcripción: opciones de response\_format por modelo (consultado el 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Referencia de la API de BroadNet Inference: respuesta de transcripción {"text": ...} (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-srt-subtitles&utm_content=sources)
