Subtítulos SDH y CC: qué significan y en qué se diferencian

La diferencia entre SDH, closed captions y subtítulos es el público. Los subtítulos son para quien oye pero no entiende el idioma, así que llevan el diálogo, normalmente traducido. Los subtítulos ocultos u opcionales (closed captions, CC) y el SDH (subtítulos para personas sordas y con discapacidad auditiva) son para quien no oye, así que añaden los sonidos: la música, los efectos y quién habla.

El SDH y los subtítulos ocultos se diferencian sobre todo en cómo se entregan, y los subtítulos forzados son un cuarto tipo que se activa solo. Primero los cuatro lado a lado, y después qué tiene que llevar cada uno.

SDH, subtítulos ocultos (CC), subtítulos normales y forzados

La columna que rompe el patrón es la última. Los subtítulos forzados están escritos para espectadores que oyen y entienden el idioma principal, y son los únicos que el espectador nunca tiene que activar.

Los otros tres se dividen limpiamente por una sola línea. Si la pista da por hecho que el espectador oye la banda sonora, es un subtítulo. Si la sustituye, es un subtítulo para sordos, se etiquete como CC o como SDH.

¿Qué tiene que llevar una pista SDH?

Todo lo que un espectador que oye obtiene del audio y que importa para la historia. Las pautas de accesibilidad del W3C definen los subtítulos (captions) como una alternativa de texto «para la voz y para la información de audio que no es voz y que hace falta para entender el contenido multimedia», y consideran parte de ello los efectos de sonido, la música, la risa, la identificación del hablante y su ubicación (WCAG 2.2, Understanding SC 1.2.2).

La guía de estilo de texto temporizado de Netflix para inglés (EE. UU.) lo convierte en reglas concretas para SDH:

1. Los efectos de sonido y los nombres de los hablantes van entre corchetes, en minúsculas, salvo los nombres propios: [door creaks], [Maya].
2. Etiqueta solo lo que la imagen no muestra. La identificación de un hablante o un efecto de sonido solo se usa cuando no se puede identificar visualmente.
3. Describe el sonido, no la acción. «Describe los sonidos y el audio, no los elementos visuales ni las acciones»: la voz, la velocidad del habla, el volumen.
4. Los efectos de sonido relevantes para la trama se incluyen siempre, salvo que la imagen ya los deje claros.
5. La letra de las canciones va entre notas musicales, con un espacio a cada lado: ♪ like this ♪.
6. Los hablantes sin nombre llevan etiquetas genéricas como [man] o [woman], numeradas cuando hay varios.

En un archivo de subtítulos, tres subtítulos SDH tienen este aspecto:

12
00:01:04,200 --> 00:01:06,900
[door creaks open]

13
00:01:07,100 --> 00:01:09,800
[Maya] Is anyone here?

14
00:01:10,400 --> 00:01:13,600
♪ I've been waiting all night ♪

Nada en ese archivo es técnicamente especial. Es un .srt normal, el mismo formato que usa un subtítulo traducido. Lo que lo convierte en SDH es solo el contenido: el sonido entre corchetes, el hablante fuera de plano con su nombre, la letra marcada como cantada.

La misma guía da a los subtítulos SDH y a los traducidos los mismos límites de maquetación: 42 caracteres por línea y hasta 20 caracteres por segundo en programas para adultos y 17 en programas infantiles. Otros idiomas fijan sus propias cifras, y algunos permiten que el SDH corra más deprisa que los subtítulos normales; la guía de velocidad de lectura tiene la tabla.

En Estados Unidos, los subtítulos de televisión también están sujetos a normas legales de calidad. Las reglas de la FCC piden subtítulos precisos, sincronizados, completos y bien colocados, y cuentan los ruidos de fondo y otros sonidos como parte de la precisión (guía para consumidores de la FCC).

¿Es lo mismo SDH que los subtítulos ocultos (closed captions)?

En lo que dicen, casi. En cómo llegan a la pantalla, no, y esa diferencia es la razón de que sobrevivan los dos nombres.

Los subtítulos ocultos nacieron como una tecnología de emisión. La guía de subtítulos de Final Cut Pro de Apple describe CEA-608 como «un estándar de subtítulos opcionales para emisiones y vídeo web», y puede viajar incrustado dentro del archivo multimedia. El reproductor o el televisor decodifica esos datos y los dibuja con su propio renderizador de subtítulos.

El SDH es el mismo tipo de contenido entregado como una pista de subtítulos normal: un .srt, un .vtt, una pista dentro de un .mkv, el flujo de subtítulos de un disco. Puede usar las fuentes y el posicionamiento que usa cualquier subtítulo, y se reproduce en todo lo que reproduzca subtítulos. Por eso el mismo tipo de pista aparece como «CC» en un servicio de streaming y como «SDH» en otro.

Dos términos más completan el conjunto, ambos de la misma página del W3C:

• Subtítulos ocultos (closed captions): «se pueden activar y desactivar con algunos reproductores».
• Subtítulos abiertos (open captions): «no se pueden desactivar», porque forman parte de la imagen. Los subtítulos incrustados de un vídeo de TikTok o Reels son subtítulos abiertos; hardsub vs softsub explica cuándo incrustarlos.

El W3C señala además que «en algunos países, los subtítulos para sordos (captions) se llaman subtítulos (subtitles)». Las cadenas británicas usan «subtitles» para lo que las estadounidenses llaman «captions», y de ahí viene la mayor parte de la confusión en los resultados de búsqueda.

Cómo se llama el SDH en otros idiomas

Los términos no se traducen uno a uno, así que aquí tienes qué significa cada etiqueta en el lugar donde te la vas a encontrar:

Los servicios de streaming suelen mantener la abreviatura inglesa en sus menús sea cual sea el idioma de la interfaz, y por eso «SDH» y «CC» se buscan en todos los idiomas de esta lista.

¿Qué son los subtítulos forzados?

Los subtítulos forzados son los que aparecen cuando los subtítulos están desactivados. Cubren solo lo que un espectador que entiende el idioma principal seguiría sin poder seguir: una escena en otro idioma, un cartel, un mensaje de texto en la pantalla de un móvil.

Netflix los llama forced narratives, y su guía de estilo para inglés es estricta con ellos: el texto en pantalla solo se subtitula si importa para la trama, en mayúsculas, nunca combinado con diálogo en el mismo subtítulo, y los diálogos en otro idioma solo se traducen si el público debía entenderlos.

Dentro de un archivo de vídeo, lo que hace forzada a una pista es un indicador. La especificación de Matroska define el indicador forzado de los subtítulos como el que hace que una pista pueda seleccionarse automáticamente cuando coincide con el idioma del espectador «aunque las preferencias del usuario normalmente no activarían los subtítulos», para «pistas que contienen solo traducciones del audio en idiomas extranjeros o del texto en pantalla». La misma especificación tiene un indicador aparte de discapacidad auditiva para las pistas SDH. En MKVToolNix los dos son --forced-display-flag y --hearing-impaired-flag; añadir subtítulos a un MKV explica el muxing, y por qué una pista completa no debe marcarse nunca como forzada.

¿Cuál deberías hacer?

«Voy a subir a YouTube un vídeo de una persona hablando a cámara». Una pista de estilo SDH en el idioma hablado. Casi todo es diálogo, más los pocos sonidos que importan: [laughs], [upbeat music], una voz fuera de plano.

«Voy a traducir mi vídeo para otros mercados». Subtítulos normales, uno por idioma. Un espectador que lee la pista en español normalmente puede oír la banda sonora.

«Mi película tiene una escena en otro idioma». Una pista forzada solo para esa escena, más subtítulos completos o SDH para quien los quiera.

«Voy a entregar a un servicio de streaming o a una cadena». Manda su especificación, hasta el estilo de los corchetes. Netflix publica una guía de estilo de texto temporizado por idioma.

«Es para TikTok o Reels». Subtítulos abiertos, incrustados en la imagen. La mayor parte de la audiencia ve el vídeo sin sonido, así que una breve indicación sonora también se gana su sitio ahí.

¿La transcripción automática produce SDH?

No, y conviene ser preciso sobre lo que falta. Los modelos de reconocimiento de voz como Whisper están hechos para transcribir habla. Producen el diálogo, que es la parte más grande de una pista SDH, y dejan fuera casi todo lo que la hace SDH.

• Efectos de sonido. Whisper no describe de forma fiable una puerta, un teléfono o un disparo. Cuando imprime algo entre corchetes sobre música o silencio, trátalo como una suposición que comprobar, no como una indicación que conservar; por qué Whisper inventa texto explica de dónde salen esas líneas.
• Nombres de hablantes. Whisper no sabe quién habla. Las herramientas de diarización pueden separar las voces en «hablante 1» y «hablante 2», pero ponerles nombre, y decidir cuándo la imagen ya muestra quién habla, es una decisión de criterio.
• Música. La letra puede transcribirse, a veces mal; que una canción merezca una indicación ♪, un título entre comillas o nada en absoluto es una decisión editorial.

Así que una transcripción automática es un subtítulo de diálogo. Convertirla en SDH requiere una pasada de alguien que vea el vídeo con el sonido puesto y añada las indicaciones. Esa pasada es más rápida que transcribir desde cero, pero no es opcional.

Hacer SDH y subtítulos a partir de una sola transcripción

Sablate cubre la parte que la automatización hace bien y deja espacio para la que no. Transcribe el diálogo en tu propio equipo, y en el editor puedes añadir [door slams] o el nombre de un hablante a cualquier subtítulo, dividir un subtítulo que haya quedado demasiado largo y arrastrar su tiempo en la línea de tiempo. El editor avisa cuando una línea se lee demasiado rápido, algo que importa más en SDH, donde las indicaciones sonoras añaden caracteres sin añadir tiempo.

A partir de la misma transcripción, las traducciones se añaden como capas, cada una con su propio estilo y su propia fuente. Eso cubre las dos caras de este artículo: una pista SDH en el idioma original y subtítulos normales en cada idioma al que traduzcas. Cada una se exporta como .srt o .vtt, como .mp4 con los subtítulos incrustados para los subtítulos abiertos o, con Pro, como un único .mkv con una pista por idioma.

Sablate no identifica a los hablantes y no define los indicadores forzado ni de discapacidad auditiva en el .mkv. Para los indicadores, MKVToolNix es la herramienta adecuada, y para un trabajo intenso de SDH en decenas de formatos de subtítulos, Subtitle Edit es gratuito:

El plan Gratis cubre vídeos de hasta diez minutos, tres trabajos al mes y una capa de traducción sin conexión; Pro es un único pago de $29, y la página de precios detalla la diferencia.

En resumen

Los subtítulos dan por hecho que el espectador oye; los subtítulos ocultos (CC) y el SDH dan por hecho que no, y añaden los sonidos y los hablantes. CC y SDH llevan el mismo tipo de contenido y se diferencian en cómo se entregan: datos de subtítulos de emisión frente a una pista de subtítulos normal. Los subtítulos forzados son la pista parcial que se muestra sola, para las frases en otro idioma y el texto en pantalla. Si haces una sola pista para tu propio vídeo, hazla SDH en el idioma hablado, y reserva los subtítulos normales para las traducciones.

Preguntas frecuentes

¿Qué significa SDH en los subtítulos?

SDH significa subtítulos para personas sordas y con discapacidad auditiva. Una pista SDH lleva el diálogo más los sonidos que un espectador no puede oír: efectos de sonido entre corchetes, letras de canciones entre notas musicales y el nombre del hablante cuando está fuera de plano. Los menús de streaming la muestran como una opción aparte, junto a los subtítulos normales del mismo idioma.

¿Qué diferencia hay entre los closed captions (CC) y los subtítulos?

El público. Los subtítulos dan por hecho que el espectador oye y suelen traducir el diálogo a otro idioma. Los closed captions, o subtítulos ocultos, dan por hecho que no oye, se quedan en el idioma hablado y añaden efectos de sonido, música e identificación del hablante. Ambos se pueden activar y desactivar; los que no se pueden desactivar se llaman subtítulos abiertos (open captions).

¿Es lo mismo SDH que los closed captions?

Casi, en contenido; no en cómo se entregan. Ambos describen sonidos e identifican hablantes para espectadores sordos o con discapacidad auditiva. Los closed captions en sentido estricto son un formato de emisión, como los datos de subtítulos CEA-608 que viajan en la señal de vídeo. El SDH viaja como una pista de subtítulos normal, así que se reproduce donde haya subtítulos y usa sus fuentes y su posicionamiento.

¿Qué son los subtítulos forzados?

Los subtítulos forzados aparecen aunque los subtítulos estén desactivados. Traducen solo lo que el público debe entender y no puede, como una frase en otro idioma o un cartel en pantalla. Netflix los llama forced narratives. En un archivo MKV, un indicador forzado le dice al reproductor que muestre esa pista automáticamente cuando coincide con el idioma del audio.

¿Debo hacer SDH o subtítulos normales para mi vídeo?

Para una pista en el idioma hablado, haz SDH. Los espectadores sordos necesitan las indicaciones sonoras, a quienes ven el vídeo sin sonido también les ayudan, y las WCAG definen los subtítulos como la cobertura del audio que no es voz además del diálogo. Los subtítulos normales son la opción adecuada para traducciones dirigidas a espectadores que oyen y no entienden el idioma original.

¿Puede la IA generar subtítulos SDH automáticamente?

Solo la parte del diálogo. El reconocimiento de voz, como Whisper, transcribe lo que se dice, la mayor parte de una pista SDH, pero no describe de forma fiable los efectos de sonido, no marca la música ni nombra a los hablantes. Esas indicaciones aún necesitan a alguien que vea el vídeo y añada descripciones entre corchetes, como un portazo, y el nombre de quien habla fuera de plano.