Vuelve al audio desde tus notas
Pide el texto con timestamps=true para añadir tiempos a cada línea. Si activaste la identificación de hablantes, también aparecerán sus etiquetas. Consulta las opciones en la referencia de lectura.
Una transcripción con marcas de tiempo sirve para leer, citar y revisar sin abrir un archivo de subtítulos. Conserva el enlace o el nombre de la grabación junto al texto. Una referencia como 00:12:40 no ayuda si ya no sabes a qué archivo pertenece.
En JSON, start y end son segundos desde el inicio del audio o video, no horas del día ni fechas. Usa esos valores para mover el reproductor hasta un pasaje o guardar referencias en tus notas. El texto del ejemplo solo ilustra la descarga.
curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text×tamps=true" \
-H "Authorization: Bearer $TRANSCRIPT1_API_KEY"
[00:00:00] Place the microphone near the speaker.
[00:00:04] Record a short test before the interview.Cuándo elegir SRT y cuándo crear un archivo VTT
SRT contiene entradas numeradas con inicio y fin. WebVTT empieza con WEBVTT y sirve para el elemento track de un video HTML. Cuando la transcripción esté lista, pide format=srt o format=vtt y guarda la respuesta.
Elige según el destino: SRT es habitual en programas de edición y cargas de subtítulos; WebVTT encaja en un reproductor HTML. El archivo no incrusta texto en la imagen ni copia el estilo de una red social. La tipografía, la posición y otros ajustes dependen de tu editor o reproductor.
SRT separa los milisegundos con una coma; WebVTT, con un punto. Cambiar la extensión no convierte el archivo. Pide el formato correcto con el mismo ID de transcripción: no vuelves a consumir minutos.
1
00:00:00,000 --> 00:00:04,200
Place the microphone near the speaker.
2
00:00:04,200 --> 00:00:09,800
Record a short test before the interview.Tiempos por palabra para resaltar texto o preparar cortes
Añade include=words al leer el JSON si necesitas resaltar palabras o localizar un corte preciso. Cuando la fuente no incluye ese detalle, recibes words: null. Consulta los campos en la referencia de la API.
La transcripción con IA aporta inicio, fin y confianza por palabra. Los subtítulos generados automáticamente por YouTube aportan inicios; el fin se deriva del inicio siguiente. Los subtítulos del creador y los de otras plataformas no tienen este detalle, incluidos los automáticos de X, TikTok y Bluesky. En X, transcript_source es x_captions. Prepara tu interfaz para usar los tiempos de segmento cuando falten los de palabra.
Un tiempo por palabra no garantiza un buen punto de corte. Escucha alrededor para no quitar una respiración o el comienzo de un sonido. Para subtítulos, agrupa las palabras en frases legibles y revísalas en el tamaño de pantalla donde se mostrarán.
curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?include=words" \
-H "Authorization: Bearer $TRANSCRIPT1_API_KEY"Prueba el archivo con el video final
Espera a status=completed antes de guardar SRT, VTT o texto. Si la transcripción sigue en curso, la API devuelve el objeto JSON con su estado. Si un editor rechaza tu archivo SRT, comprueba primero que no hayas guardado ese JSON con la extensión equivocada.
Los tiempos corresponden a la grabación que enviaste. Si recortas un fragmento posterior o cambias el inicio, tendrás que ajustarlos. Al reutilizar contenido, conserva el rango del fragmento propuesto y alinea los subtítulos después del montaje final.
Antes de publicar, abre el archivo en el reproductor de destino y revísalo a velocidad normal: longitud de las líneas, tiempo para leer y etiquetas de hablantes. La guía de accesibilidad también cubre sonidos importantes y contexto visual que una transcripción del habla puede omitir.
Guarda el ID junto a la descarga. Si después necesitas WebVTT en vez de SRT o JSON con palabras en vez de texto, lee otra vez la misma transcripción. No hace falta enviar el video de nuevo.