Subtitle Edit Whisper: Configuración, Motores y Modelos

La compatibilidad de Subtitle Edit con Whisper está en una sola ventana: Vídeo → Voz a texto... (English: Video → Speech to text...), que en versiones antiguas se llama Audio to text. Abre un vídeo, elige un motor y un modelo, indica el idioma y haz clic en Transcribir (English: Transcribe). Subtitle Edit descarga lo que necesita la primera vez. La decisión real es qué motor encaja con tu hardware.

Este artículo trata esa elección para Windows con una tarjeta NVIDIA, Windows sin ella y Mac, el único problema del modelo turbo con la traducción, el modo por lotes, el informe de calidad y qué revisar cuando no sale nada. Los datos sobre Subtitle Edit proceden de su repositorio de GitHub y de su documentación oficial, consultados el 31 de octubre de 2026.

¿Cómo se usa Whisper en Subtitle Edit?

Siete pasos, tomados de la documentación de voz a texto. Subtitle Edit es gratis y de código abierto con licencia MIT; la versión estable actual es la 5.3.0, del 14 de octubre de 2026.

1. Abre un archivo de vídeo en Subtitle Edit.
2. Elige Vídeo → Voz a texto....
3. Selecciona un Motor (English: Engine). Los botones a su lado abren el sitio web del motor, lo descargan y abren sus ajustes. Whisper CPP y Crisp ASR también muestran un menú desplegable Backend.
4. Selecciona un Modelo (English: Model). Más grande suele significar más preciso, más lento y más pesado en disco.
5. Selecciona el Idioma del audio (English: Language), o la detección automática cuando el motor la admita.
6. Si quieres, marca Traducir al inglés (English: Translate to English) y Post-procesamiento (English: Post-processing).
7. Haz clic en Transcribir.

Los motores y los modelos se descargan automáticamente la primera vez que los usas, así que el primer uso incluye una espera. El resultado es un subtítulo normal en la lista principal, que editas como cualquier otro archivo.

Todavía hay quien busca «subtitle edit audio to text». Es la misma ventana con su nombre antiguo, y una línea del registro de cambios de la serie 5 de Subtitle Edit aún lo usa.

¿Qué motor de Whisper elegir en Subtitle Edit?

Depende de tu tarjeta gráfica, porque la mayoría de los motores de la lista ejecutan los mismos modelos de Whisper, empaquetados de otra forma. El consejo de la propia documentación: «Para usuarios de GPU NVIDIA, usa el backend cuBLAS de Whisper CPP o Purfview Faster Whisper XXL para la transcripción más rápida».

Purfview Faster Whisper XXL y Whisper Const-me no están disponibles en macOS. Whisper OpenAI, la implementación original en Python, figura para todas las plataformas. La tabla de motores de la documentación es donde se mantienen al día las plataformas de cada motor.

En la misma lista hay otros motores. Crisp ASR envuelve varios modelos que no son Whisper, entre ellos Parakeet, Canary y SenseVoice, y puede detectar hablantes, marcando las líneas con (speaker 0). Cuatro motores en línea (OpenAI Compatible Server, OpenRouter, Alibaba Qwen3-ASR y Google Cloud Speech-to-Text) envían tu audio a un servidor, lo que importa si la grabación es confidencial. El resto se ejecuta en tu máquina.

Modelos de Whisper en Subtitle Edit: ¿cuál es el adecuado?

Elige el modelo más grande que tu hardware termine en un tiempo que aceptes. La lista va de tiny, el más rápido y menos preciso, pasando por base, small y medium, hasta large, large-v2 y large-v3, los más precisos y los más lentos.

Algunos detalles de la documentación:

• Los modelos .en son solo para inglés y mejores para audio en inglés. Úsalos cuando todas las palabras sean inglesas.
• large-v3-turbo figura como fuerte en japonés. Para la mayoría de los idiomas es la opción por defecto razonable cuando tu hardware puede con él.
• Existen ajustes finos por idioma: .sv, .nb y anime.ja, el modelo anime-whisper para el japonés del anime y de las novelas visuales.

El espacio en disco y el tiempo de ejecución suben juntos. Si quieres números en lugar de reglas generales, nuestra comparativa de modelos de Whisper recoge el tamaño de descarga real de cada modelo y lo que detectó cada uno en un clip de prueba. Es un clip, no un benchmark, pero muestra lo que cuesta cada subida de nivel.

Subtitle Edit Whisper con GPU y CUDA: lo que de verdad ayuda

En Windows, una GPU significa NVIDIA en primer lugar. Tres puntos prácticos:

1. Elige el backend, no solo el motor. En Whisper CPP, el menú desplegable Backend decide si el trabajo se ejecuta en cuBLAS (NVIDIA CUDA), Vulkan o la CPU. En una máquina con una buena GPU, comprueba que no se haya quedado en la CPU.
2. Haz coincidir las versiones de CUDA. Whisper CTranslate2 necesita CUDA 12.x. Si ese motor te da problemas con CUDA, las alternativas son Whisper CPP cuBLAS y Purfview.
3. ¿Sin memoria? Baja un modelo. La respuesta de la documentación a «CUDA out of memory» es un modelo más pequeño.

Dos ajustes más están en las opciones avanzadas del motor: los parámetros de línea de comandos de cada motor y VAD, que mejora los tiempos.

Traducir al inglés devuelve el idioma original: el problema de turbo

Traducir al inglés convierte el habla que no está en inglés en texto en inglés en la misma pasada. Pero si eliges un modelo turbo, el texto puede volver en el idioma original.

El motivo está en el README de Whisper de OpenAI: el modelo turbo «no está entrenado para tareas de traducción» y devuelve el idioma original aunque se pida la traducción. Su consejo es usar medium o large. Así que, si marcas la casilla con large-v3-turbo seleccionado y no ves inglés, cambia el modelo a medium o large y ejecútalo de nuevo.

Esa ruta solo produce inglés. Para otros idiomas de destino, transcribe primero y usa después Traducir → Traducción automática... (English: Translate → Auto-translate...). Entre sus motores están Google Translate V1 (gratis), DeepL y ChatGPT (ambos con tu propia clave de API), LibreTranslate, MyMemory y modelos locales mediante Ollama, LM Studio o llama.cpp. Nuestra guía para traducir un SRT sin romper los tiempos cubre qué comprobar después.

¿Cómo transcribir muchos vídeos a la vez en Subtitle Edit?

Usa el Modo por lotes (English: Batch mode). Añade tus archivos de vídeo, elige el motor, el modelo y el idioma, y haz clic en Transcribir. Subtitle Edit escribe un archivo .srt junto a cada vídeo. Marca Añadir el código de idioma al nombre del archivo (English: Add language code to file name) si quieres video.en.srt en lugar de video.srt, algo que importa en cuanto varios idiomas comparten una carpeta.

Si tus archivos varían mucho, como una entrevista tranquila junto a una grabación en una calle ruidosa, ejecuta los difíciles como un lote aparte con un modelo más grande.

Post-procesamiento e informe de calidad de la transcripción

La salida de Whisper es precisa pero desordenada, y la opción Post-procesamiento la ordena como parte de la transcripción. La documentación enumera lo que puede hacer:

• ajustar los tiempos, usando los picos de la forma de onda
• corregir las duraciones cortas
• corregir las mayúsculas y añadir puntos
• unir las líneas cortas y dividir las largas
• eliminar las líneas sin habla, como «[Music]»
• eliminar las líneas repetidas

El informe de calidad tras la transcripción (English: the quality report option, Show quality report after transcription) está activado por defecto, y es la parte más útil de la ventana para detectar los vicios de Whisper. Señala cinco problemas: demasiado corto, demasiado largo, solapamiento, sin habla y repetido. «Demasiado largo» incluye lo que la documentación llama la alucinación típica, dos o tres palabras estiradas durante 10 a 30 segundos. «Repetido» significa un motor atrapado en un bucle.

Trata cada subtítulo señalado como un lugar donde escuchar, no solo donde borrar. Los patrones que hay detrás, y los ajustes que los evitan, están en por qué Whisper repite líneas e inventa texto.

Subtitle Edit Whisper no funciona: sin texto, errores, CUDA

Empieza por las causas sencillas. Recorre esta lista, que sale de las preguntas frecuentes y los consejos de la documentación:

1. ¿Están descargados el motor y el modelo? Subtitle Edit pide ambos. Si nunca has usado un motor, deja que descargue el motor y un modelo antes de empezar.
2. Lee el registro de la consola al pie de la ventana Voz a texto. Haz clic derecho en la ventana y elige Ver registro de Whisper (English: View tools log file) para ver el registro completo. Los motores descargables tienen una opción para volver a descargarlos en el mismo menú.
3. ¿Ha desaparecido el archivo del motor? La causa habitual es el antivirus poniendo el ejecutable en cuarentena. Subtitle Edit lo comprueba al empezar la transcripción, nombra el archivo que falta y ofrece descargarlo de nuevo.
4. ¿CUDA sin memoria? Elige un modelo más pequeño.
5. ¿Crisp ASR no devuelve nada con VAD activado? Silero puede rechazar un clip corto por no ser habla. Subtitle Edit lo reintenta una vez sin VAD antes de informar de un resultado vacío.

Si la transcripción termina pero el texto es erróneo en lugar de faltar, comprueba primero el ajuste de idioma y prueba después con un modelo más grande.

¿Cuándo encaja Sablate mejor que Subtitle Edit?

Cuando el objetivo son subtítulos listos para publicar y no un archivo de subtítulos que pulir, y prefieres no elegir entre motores y backends.

Sablate es una aplicación de escritorio para Windows 10 o posterior y macOS 12 o posterior. Ejecuta faster-whisper con cuatro niveles: Fast (tiny), Balanced (small), Accurate (large-v3-turbo) y Best (large-v3). En Windows con una GPU NVIDIA, el runtime de CUDA se descarga la primera vez que se usa la GPU; en un Mac transcribe en la CPU. No hay motor ni backend que elegir.

Lo que añade es la segunda mitad del trabajo. Una transcripción alimenta varias capas de traducción, cada una con su propio estilo y su propia fuente de escritura. Trece presets de subtítulos, entre ellos Hormozi y Karaoke, y un estilo de barrido karaoke a nivel de palabra dan estilo al resultado, y la incrustación admite 9:16, 1:1 o 16:9 mediante recorte o relleno con desenfoque. Los subtítulos palabra por palabra y los subtítulos multilingües muestran esos flujos de trabajo en detalle.

El plan gratuito no necesita cuenta y cubre vídeos de hasta diez minutos, tres trabajos al mes, los modelos Fast y Balanced y una capa de traducción sin conexión; su incrustación lleva una pequeña marca en una esquina. Pro cuesta $29 una sola vez o $5.99 al mes, y la página de precios recoge el resto. Otras aplicaciones que funcionan así se comparan en generadores de subtítulos sin conexión.

Subtitle Edit frente a Sablate de un vistazo

Subtitle Edit gana en precio, plataformas, elección de motor, etiquetas de hablante y cobertura de formatos. Si editas subtítulos para ganarte la vida o quieres el control total del proceso, quédate con él. Sablate es el camino más corto a subtítulos con estilo en varios idiomas, para quien prefiere no leer una tabla de motores.

¿Qué ruta tomar?

«Tengo una tarjeta NVIDIA y edito subtítulos a menudo». Quédate en Subtitle Edit con Whisper CPP cuBLAS o Purfview Faster Whisper XXL, un modelo large-v3-turbo y el informe de calidad activado.

«Tengo un portátil sin GPU NVIDIA». Whisper CPP con el backend Vulkan, un modelo small o medium y paciencia con los archivos largos.

«Estoy en un Mac». Primero Whisper CPP. Prueba WhisperX en Apple Silicon si necesitas tiempos a nivel de palabra.

«El audio no está en inglés y quiero subtítulos en inglés». Usa medium o large con Traducir al inglés, no turbo.

«Entrevistas con varios hablantes». Crisp ASR con detección de hablantes, algo que Sablate no ofrece.

«Quiero subtítulos verticales con resaltado palabra por palabra en tres idiomas para esta noche». Descarga Sablate para Windows o Mac.

Preguntas frecuentes

¿Cómo uso Whisper en Subtitle Edit?

Abre un vídeo, elige Vídeo y después Voz a texto (Video → Speech to text), selecciona un motor y un modelo, indica el idioma hablado y haz clic en Transcribir. Subtitle Edit descarga el motor y el modelo la primera vez que los usas. Al terminar, las líneas aparecen en la lista principal de subtítulos, donde puedes editarlas como cualquier otro subtítulo.

¿Qué motor de Whisper es el más rápido en Subtitle Edit?

Con una GPU NVIDIA, Whisper CPP con el backend cuBLAS o Purfview Faster Whisper XXL, que es lo que recomienda la documentación oficial. Sin NVIDIA, Whisper CPP con el backend Vulkan puede usar otra GPU en Windows. En un Mac, Whisper CPP es el motor que funciona en todas partes, mientras que WhisperX y CTranslate2 necesitan Apple Silicon.

¿Qué modelo de Whisper debo elegir en Subtitle Edit?

Elige large-v3-turbo si tu ordenador puede con él, small o medium si no, y un modelo .en para audio solo en inglés. Los modelos más grandes son más precisos, pero más lentos y ocupan más disco. Tiny es el más rápido y el menos preciso, así que resérvalo para borradores rápidos. Evita turbo cuando uses Traducir al inglés.

¿Por qué Traducir al inglés devuelve el idioma original en Subtitle Edit?

Porque los modelos turbo no están entrenados para traducir. La documentación de Whisper de OpenAI dice que un modelo turbo devuelve el idioma original aunque se pida la traducción, y recomienda medium o large. Cambia el modelo en la ventana Voz a texto a medium o large, vuelve a transcribir y la traducción al inglés debería aparecer.

¿Por qué Subtitle Edit Whisper no da texto o muestra un error?

Normalmente por un motor o un modelo que falta, un archivo eliminado por el antivirus o poca memoria de GPU. Comprueba que ambos estén descargados, lee el registro de la consola al pie de la ventana y elige un modelo más pequeño si CUDA se queda sin memoria. Subtitle Edit también nombra el archivo del motor que falta y ofrece descargarlo de nuevo.

¿Puede Subtitle Edit transcribir muchos vídeos a la vez?

Sí. El modo por lotes permite añadir varios archivos de vídeo y hacer clic en Transcribir, y guarda un archivo SRT junto a cada vídeo. La opción de añadir el código de idioma al nombre del archivo da nombres como video.en.srt. Si una grabación es mucho más difícil que las demás, ejecútala como un lote aparte con un modelo más grande.