BroadRouter

Sottotitoli SRT (file .srt)

Aggiornato

SRT (SubRip) è un formato di sottotitoli in testo semplice. Ogni sottotitolo è composto da un numero progressivo, un tempo di inizio e di fine scritto come hh:mm:ss,mmm --> hh:mm:ss,mmm, una o più righe di testo e una riga vuota. WebVTT è il formato web simile usato dai video HTML.

Detto anche: file SRT, sottotitoli SRT, file di sottotitoli, formato SRT, SRT, SRT file, SubRip, WebVTT, subtitle file

Un file di sottotitoli è una trascrizione con un orologio attaccato. Ottenere il testo è la metà facile; i tempi sono la metà difficile.

Come funziona

Un file SRT è testo semplice. Ogni blocco di sottotitolo ha quattro parti:

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 descrizione del formato della Library of Congress indica il formato dei tempi come ore:minuti:secondi,millisecondi, con “two hyphens (—) and a right-pointing angle bracket (>)” (traduzione: due trattini (—) e una parentesi angolare rivolta a destra (>)) tra inizio e fine, e una riga vuota dopo ogni blocco. Definisce SRT “a very simple text format, but not well standardized” (traduzione: un formato di testo molto semplice, ma poco standardizzato), senza uno standard di codifica dei caratteri. L’estensione è .srt.

WebVTT, il formato del W3C per le tracce di testo dei video HTML, è quasi identico. La specifica richiede una prima riga WEBVTT, un punto prima dei millisecondi (00:00:10.700), la codifica UTF-8 e il media type text/vtt. Al 15 novembre 2026 è una Candidate Recommendation Draft del W3C.

Perché è importante

  • I tempi arrivano dall’API, oppure da te. Alcune API speech-to-text restituiscono timestamp per parola o per segmento, oppure un file già pronto. Il riferimento di OpenAI per la trascrizione elenca srt e vtt tra i valori di response_format, ma dice che il formato dipende dal modello e che gpt-4o-transcribe e gpt-4o-mini-transcribe restituiscono solo json.
  • Impaginazione dell’arabo. SRT non ha markup per la direzione, quindi è il player a decidere come mostrare testo e punteggiatura da destra a sinistra. Vedi testo da destra a sinistra.
  • Regole di leggibilità. Lunghezza delle righe, righe per sottotitolo e velocità di lettura sono fissate dalle guide di stile, non dal formato.

Su BroadNet Inference

L’endpoint di trascrizione di BroadNet restituisce testo senza timestamp, quindi non può produrre direttamente un SRT. L’approccio che funziona, testato in sottotitoli arabi (SRT) da un’API speech-to-text:

  1. Trova le pause con silencedetect di FFmpeg (o con una VAD).
  2. Taglia ogni tratto di parlato, al massimo di circa 12 secondi, in WAV mono a 16 kHz.
  3. Trascrivi ogni tratto con language=ar su BroadNet Transcribe Arabic.
  4. Usa inizio e fine di ogni tratto come tempi dei sottotitoli, dividendoli tra le righe in proporzione alla lunghezza del testo.
  5. Scrivi i blocchi SRT numerati.

I bordi dei tratti sono precisi quanto il tuo rilevamento delle pause; i tempi all’interno di un tratto sono stime. Va bene per talk e podcast, non per film con sincronizzazione labiale. Per tempi precisi al fotogramma, usa un provider che documenta i timestamp per parola. Tratti brevi significano anche più richieste, quindi tieni d’occhio il limite del pagamento a consumo di 30 richieste al minuto. Lo strumento per dividere l’audio scrive i comandi FFmpeg.

Errori comuni

  • Punti al posto delle virgole nei tempi SRT, o il contrario in WebVTT. Molti player rifiutano quello sbagliato.
  • Righe vuote mancanti tra i blocchi, che fondono i sottotitoli.

Domande frequenti

Che differenza c’è tra SRT e WebVTT?

I file WebVTT iniziano con la riga WEBVTT, usano un punto prima dei millisecondi (00:00:10.700), devono essere in UTF-8 e usano il media type text/vtt. SRT usa una virgola (00:00:10,700) e, secondo la Library of Congress, non ha uno standard di codifica dei caratteri.

BroadNet può restituire un file SRT?

No. La risposta di trascrizione documentata da BroadNet è un JSON con un solo campo text e nessun timestamp. I tempi dei sottotitoli li costruisci tu, per esempio dagli offset dei pezzi di audio.

Che codifica deve usare un file SRT in arabo?

Usa UTF-8 e fai una prova nei player che usa il tuo pubblico. SRT non ha uno standard di codifica, quindi alcuni strumenti più vecchi indovinano la codifica dai byte.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity