Come aggiungere sottotitoli karaoke parola per parola a Shorts e Reels

I sottotitoli parola per parola hanno bisogno di una cosa che un normale file di sottotitoli non ha: una tempistica per ogni parola. Ottienila da un motore di riconoscimento vocale come Whisper, scegli come far risaltare la parola pronunciata — un cambio di colore, una casella, un riempimento o una parola alla volta — e imprimi i sottotitoli nel video.

Qui imprimere i sottotitoli non è facoltativo. Shorts, Reels e TikTok non accettano alcun file di sottotitoli, quindi l'evidenziazione deve vivere nei pixel. Di seguito: da dove viene il timing delle parole e perché si sfasa, tre modi per ottenere l'effetto — uno dei quali gratuito — e le modifiche che rompono la sincronizzazione senza dare nell'occhio.

Perché i sottotitoli parola per parola hanno bisogno delle tempistiche delle parole

Una normale battuta di sottotitoli ha due tempistiche: quando la riga appare e quando scompare. Questo basta per una riga che resta ferma. Un'evidenziazione karaoke ha bisogno di un inizio e una fine per ogni parola all'interno della riga, e un .srt standard non ha dove memorizzarli.

Whisper produce le tempistiche delle parole in un secondo passaggio. Una volta stabilito il testo, allinea ogni parola al tratto di audio che più probabilmente l'ha prodotta, e la riga di comando openai-whisper etichetta ancora questa opzione come sperimentale. Le tempistiche sono abbastanza buone da guidare un'evidenziazione ma non abbastanza da fidarsene ciecamente — e portano con sé una particolarità che decide come si comporta l'evidenziazione.

Le parole adiacenti condividono spesso un confine esatto. Nella clip che abbiamo esaminato per il nostro confronto tra i modelli Whisper, 172 intervalli su 177 tra le parole erano esattamente zero secondi. Dove esistono pause reali, uno strumento deve decidere cosa fa l'evidenziazione durante di esse:

• Accendere solo la parola che viene pronunciata. L'evidenziazione si spegne a ogni pausa, e una parola breve come «un» o «lo» lampeggia per uno o due fotogrammi. L'evidenziatore di Whisper stesso funziona così: scrive una copia semplice e non evidenziata della riga in ogni intervallo.
• Tenere accesa ogni parola finché non inizia la successiva. L'evidenziazione non si spegne mai, e ogni parola resta a schermo abbastanza a lungo da essere percepita. È così che si comportano la maggior parte delle app per sottotitoli, ed è quello a cui sono abituati gli spettatori dei video brevi.

Il secondo approccio sopravvive anche meglio alla modifica, perché le finestre delle parole coprono l'intera battuta dalla prima all'ultima parola, senza nulla che avanzi.

I quattro stili di sottotitoli karaoke

«Karaoke» comprende quattro aspetti diversi, ed è utile sapere quale vuoi prima di scegliere uno strumento:

Colore e casella funzionano meglio sulle riprese a mezzo busto. Il riempimento è l'aspetto da video musicale. Una parola è il più insistente dei quattro: efficace per un hook, stancante su un minuto intero.

Tre modi per aggiungere sottotitoli parola per parola

1. Whisper e FFmpeg — gratis, in locale, riga di comando. Evidenziazione semplice, controllo completo, un po' di configurazione.
2. Il template per sottotitoli di un video editor — CapCut o DaVinci Resolve Studio. Un clic una volta dentro l'editor; a cambiare sono i termini di utilizzo.
3. Un'app desktop per sottotitoli — Sablate. Preset, inquadratura verticale e impressione in un'unica finestra, sul tuo computer.

Metodo 1: Whisper e FFmpeg (gratis, completamente in locale)

Serve avere Python e FFmpeg installati e nel tuo PATH. Tutto gira sul tuo computer, e il modello Whisper si scarica una sola volta, al primo utilizzo.

1. Installa Whisper:

pip install -U openai-whisper

2. Trascrivi con le tempistiche delle parole e l'evidenziazione attivate, tre parole per battuta:

whisper clip.mp4 --model turbo --word_timestamps True --highlight_words True --max_words_per_line 3 --output_format srt

Questo scrive clip.srt, in cui ogni parola ha la propria battuta e la parola pronunciata è racchiusa in tag <u>.

3. Facoltativamente, trasforma la sottolineatura in un colore. FFmpeg legge i tag <font color> nei file SRT, quindi basta un trova e sostituisci (macOS e Linux, oppure Git Bash su Windows):

sed -e 's/<u>/<font color="#FFE900">/g' -e 's#</u>#</font>#g' clip.srt > karaoke.srt

4. Imprimili:

ffmpeg -i clip.mp4 -vf "subtitles=karaoke.srt:force_style='FontName=Arial,FontSize=16,Outline=2,MarginV=60'" -c:a copy clip-captioned.mp4

Un dettaglio spiega questi numeri. Quando FFmpeg imprime un SRT, prima dispone il testo su una tela virtuale di 384×288, quindi FontSize e MarginV sono misurati rispetto a quelle 288 unità e non ai pixel del tuo video. MarginV=60 solleva la riga di circa un quinto verso l'alto del fotogramma, lontano dall'interfaccia di Shorts e Reels. Se FFmpeg dice di non riuscire a trovare il file di sottotitoli su Windows, il percorso va sottoposto a escape — la guida all'impressione dei sottotitoli illustra la soluzione.

I limiti, detti onestamente: ottieni una sottolineatura o un colore piatto, senza caselle e senza animazioni, e l'evidenziazione si spegne nelle pause. La parte scomoda è la modifica. Ogni parola è una battuta a sé che porta l'intera riga, quindi un nome scritto male in una riga di tre parole risulta scritto male in almeno tre battute. Correggi la trascrizione prima di generare l'SRT, non dopo.

Metodo 2: il template per sottotitoli di un video editor

Se già usi uno di questi per montare, l'evidenziazione parola per parola è a un template di distanza.

CapCut. Genera i sottotitoli automatici, poi applica un template con evidenziazione parola per parola, da desktop o da telefono. Ci sono due condizioni da conoscere. L'audio viene elaborato lato CapCut: la sua informativa sulla privacy dice che può raccogliere contenuti «tramite pre-caricamento al momento della creazione, importazione o caricamento», per esempio per generare i sottotitoli. E il centro assistenza di CapCut indica i sottotitoli automatici come una funzione che può includere elementi riservati a Pro; un progetto che usa funzioni Pro richiede un abbonamento per l'esportazione.

DaVinci Resolve Studio. Timeline → AI Tools → Create Subtitles from Audio trascrive sul tuo computer. Da Resolve 20 in poi, i titoli Animated includono un template Word Highlight: trascinalo sull'intestazione della traccia dei sottotitoli, poi imposta colore, font e velocità nell'Inspector. I sottotitoli automatici sono una funzione di Studio — $295 una tantum — e la trascrizione copre 14 lingue pronte all'uso, con altre disponibili tramite un download aggiuntivo. Se possiedi già Studio, questa è la strada più pulita di questa pagina.

Metodo 3: un'app desktop per sottotitoli

Un'app desktop per sottotitoli fa l'intero lavoro in un'unica finestra sul tuo computer: trascrivere, correggere, scegliere uno stile, inquadrare in verticale, renderizzare.

In Sablate, sei preset di evidenziazione parola per parola — Hormozi, Beast, Reels, One Word, Karaoke e Pop — coprono i quattro aspetti visti sopra, e l'interruttore Word-by-word highlight aggiunge l'effetto a qualsiasi altro stile, con Color, Box, Fill o Word come modalità. I font dei sottotitoli dietro i preset (Montserrat ExtraBold, Anton, Bangers, Bebas Neue e Archivo Black) sono inclusi nell'app e nel suo motore di rendering, così l'impressione disegna lo stesso carattere mostrato nell'anteprima. Un font mancante è uno dei motivi più comuni per cui i sottotitoli esportati appaiono diversi rispetto all'editor.

La tempistica segue le regole viste all'inizio di questa pagina. Ogni parola resta accesa finché non inizia la successiva, quindi l'evidenziazione non si spegne mai in una pausa. Correggere un errore di battitura mantiene le tempistiche registrate finché il numero di parole resta invariato; aggiungere o togliere una parola fa sì che solo quella riga torni a una tempistica stimata. L'impressione è disegnata da libass, lo stesso motore di rendering dei sottotitoli usato dai media player, invece di essere applicata come una sovrapposizione piatta, e viene renderizzata in 9:16, 1:1 o 16:9 ritagliando oppure riempiendo con una copia sfocata della sorgente.

Dove va oltre gli altri metodi è sulle lingue. Ogni livello di traduzione porta il proprio stile e il proprio font per lo script, quindi lo stesso Short può uscire con sottotitoli karaoke in inglese, spagnolo e coreano a partire da un'unica trascrizione, come descrive il flusso di lavoro multilingue. La tempistica su un livello tradotto è stimata anziché misurata, perché nessuno ha pronunciato quelle parole, e l'app lo segnala accanto all'interruttore.

Lo stile parola per parola fa parte di Pro, un unico pagamento di $29. Il piano gratuito mostra in anteprima ogni preset e imprime gli altri stili con un piccolo marchio in un angolo.

Quale metodo dovresti usare?

Due di queste righe giocano contro Sablate: non è un video editor e non funziona su telefono. Se monti, aggiungi musica e pubblichi dal telefono, un'app desktop per sottotitoli è un passaggio in più, non una scorciatoia.

«Un solo clip, e me la cavo bene con il terminale.» Whisper e FFmpeg. Gratis, in locale, e sufficiente per un'evidenziazione a cambio di colore.

«Monto già in CapCut e pubblico ogni giorno.» Resta lì. I template sono il punto di forza, e se paghi comunque Pro, l'argomento del costo cade.

«Monto in DaVinci Resolve Studio.» Usa Word Highlight. Hai già la licenza e la trascrizione resta in locale.

«Le riprese non possono lasciare il mio computer.» Va bene qualsiasi cosa tranne CapCut. Per un confronto più approfondito delle opzioni locali, vedi i generatori di sottotitoli offline.

«Lo stesso Short esce in tre lingue.» Sablate: una trascrizione e uno stile karaoke per lingua, con tempistica stimata sulle traduzioni.

«È un video musicale, e voglio una tempistica a livello di sillaba.» Aegisub, che è gratuito. La sua modalità karaoke temporizza i tag ASS \k sillaba per sillaba, a mano — lento, e resta comunque il miglior risultato per i testi delle canzoni. Il formato ASS è l'unico formato di sottotitoli comune che memorizza in qualche modo la tempistica karaoke.

Come mantenere sincronizzati i sottotitoli parola per parola

L'evidenziazione vale quanto le tempistiche delle parole su cui si basa, e poche abitudini bastano a mantenerle intatte:

• Correggi prima di applicare lo stile. Le tempistiche appartengono alle parole che sono state riconosciute. Una correzione della stessa lunghezza, «perché» al posto di «perchè», le conserva; riscrivere una riga le fa perdere.
• Dai in anticipo i nomi a Whisper. Whisper accetta un breve prompt di nomi e termini che orienta la trascrizione: l'opzione --initial_prompt, oppure Defaults → Custom vocabulary in Sablate. Un nome scritto bene fin dall'inizio non ha mai bisogno di una correzione che disturbi la tempistica. È un orientamento, non una garanzia, quindi controlla comunque i nomi.
• Dividi le battute lunghe invece di rimpicciolire il font. Su un video verticale, una riga di tre-cinque parole si può leggere mentre l'evidenziazione si sposta; due righe intere no.
• Riguarda dopo aver ritemporizzato. Trascinare il bordo di una battuta di solito lascia le tempistiche delle parole al loro posto, quindi le parole più vicine al nuovo bordo vengono compresse. Regola con precisione, poi guarda una volta la battuta.
• Controlla il rendering, non solo l'anteprima. Guarda la prima battuta, l'ultima battuta e il passaggio più veloce prima di caricare.

I sottotitoli parola per parola sono un problema di tempistica travestito da stile. Ottieni tempistiche delle parole pulite, mantieni le correzioni della stessa lunghezza, e scegli l'aspetto solo dopo. Se vuoi preset, inquadratura verticale e più lingue in un unico posto, scarica Sablate per Windows o Mac ed esegui uno Short al suo interno.