¿Qué hace que un subtítulo sea bueno? Velocidad de lectura, saltos de línea y sincronización
Todas las herramientas de subtitulado del mercado hacen las mismas dos promesas: rapidez y exactitud. Subtítulos en segundos. Noventa y tantos por ciento de precisión por palabra.
Ninguna de las dos dice nada sobre lo que el espectador experimenta realmente: si el subtítulo se puede leer. Una pista de subtítulos puede ser perfecta palabra por palabra y aun así fracasar, porque el texto llega en bloques demasiado largos para terminarlos, con una sincronización demasiado rápida para seguirla y cortados en puntos que pelean contra la gramática de la frase.
Los mejores subtítulos son los que nunca notas. Esta guía recoge los estándares de oficio que lo hacen posible: velocidad de lectura, longitud de línea, saltos de línea, sincronización y los criterios que hay entre medias. Son los mismos estándares que usan las plataformas de streaming y las televisiones, y se aplican igual a un clip social de 40 segundos que a un largometraje.
Las tres propiedades de un subtítulo que funciona
Un buen subtítulo es:
- Exacto: dice lo que se dijo.
- Sincronizado: aparece cuando se pronuncian las palabras y se va cuando terminan.
- Legible: el espectador puede terminarlo con comodidad antes de que desaparezca, sin perder la imagen.
El reconocimiento automático del habla ha resuelto en gran medida la primera propiedad. Los motores de sincronización se ocupan de la segunda con solvencia. La tercera —la legibilidad— es donde sigue fallando casi todo el subtitulado automático, porque la legibilidad no es un problema de transcripción. Es un problema de tipografía y tiempo. El resto de esta guía trata de resolverlo.
Velocidad de lectura: la cifra que lo gobierna todo
La velocidad de lectura es una de las medidas más importantes de la calidad de un subtítulo. Suele expresarse en caracteres por segundo (CPS) y se calcula dividiendo el número total de caracteres del subtítulo, incluidos espacios y signos de puntuación, entre el tiempo que permanece en pantalla. En la práctica, los subtítulos profesionales se mantienen en torno a 15–17 CPS, mientras que 20 CPS se trata habitualmente como límite superior para espectadores adultos. La subtitulación europea tradicional ha usado a menudo un ritmo más lento, alrededor de 12 CPS, mientras que las pautas de emisoras como la BBC corresponden normalmente a unos 15–17 CPS. Como regla rápida, multiplicar los CPS por 10,5 da una velocidad aproximada en palabras por minuto: 12 CPS son unas 125 palabras por minuto, 17 CPS unas 180, y 20 CPS es un ritmo exigente que conviene usar con moderación.
Lo importante es que la velocidad máxima no se convierta en el objetivo por defecto. Mantener los subtítulos pegados al límite superior cansa y obliga al espectador a concentrarse más en leer que en ver el vídeo. Apuntar a unos 15–17 CPS deja margen para los tramos de diálogo más rápidos sin hacer que toda la experiencia sea innecesariamente exigente. Además, leer subtítulos no es como leer un texto normal: el espectador no puede bajar el ritmo, volver atrás ni saltarse líneas a su gusto, porque cada subtítulo desaparece en un momento fijo. Cuando los subtítulos van demasiado rápido, sencillamente no da tiempo a terminarlos, y eso convierte la velocidad excesiva en un problema funcional de accesibilidad, no en una cuestión de estilo.
La forma: dos líneas, ~42 caracteres, sin huérfanas
La forma física de un subtítulo está notablemente estandarizada:
- Máximo dos líneas por subtítulo. Los subtítulos de tres líneas tapan demasiada imagen y obligan a un barrido vertical.
- Máximo ~42 caracteres por línea en lenguas de alfabeto latino: la cifra de Netflix, hoy norma de facto del sector. Las tradiciones de emisión construidas sobre el teletexto usaban 37, y muchas emisoras siguen haciéndolo.
- Quédate en una línea cuando el texto quepa. La segunda línea es una necesidad, no una opción por defecto.
- Equilibra las líneas. Cuando haya que partir en dos, busca longitudes parecidas. Evita la «huérfana»: una línea larga con una sola palabra varada debajo. Cuando no sea posible un reparto exacto, suele preferirse una línea superior algo más corta: mantiene el bloque compacto y tapa menos imagen.
Estos límites existen por el mismo motivo que el límite de velocidad: el ojo tiene que recorrer el texto y la imagen en los mismos segundos. Las formas cortas y previsibles hacen ese viaje rápido.
Saltos de línea: sigue la gramática, no la regla
Aquí es donde el buen subtitulado se separa de forma más visible de la salida automática. Dónde se corta una línea importa tanto como su longitud, porque leemos el texto por bloques gramaticales. Un corte en mitad de un bloque obliga al cerebro a mantener abierta una estructura incompleta durante el salto: un esfuerzo mínimo, multiplicado por cada subtítulo del vídeo.
La regla: nunca separes palabras que pertenecen a la misma unidad gramatical.
Mantén juntos:
- Artículo + sustantivo (el / informe ✗)
- Preposición + su término (a la / presidenta ✗)
- Verbo + auxiliar o perífrasis (ha / terminado, vamos a / empezar ✗)
- Nombre + apellido, cifras + unidades, fechas
Corte deficiente (parte el sintagma preposicional):
Entregó el informe a la presidenta del comité.
Buen corte (cada línea es una unidad completa):
Entregó el informe a la presidenta del comité.
Corte deficiente (separa el verbo de su objeto):
Después de la reunión decidimos aplazar el lanzamiento hasta la primavera.
Buen corte:
Después de la reunión decidimos aplazar el lanzamiento hasta la primavera.
Fíjate en que las versiones buenas no son más cortas: simplemente están cortadas donde la propia frase respira. Ese es todo el principio. Cuando una frase ofrece una coma, un límite de oración o una pausa natural, corta ahí; la regla es una restricción, no una guía.
Sincronización: cuándo vive el subtítulo y los huecos entre ellos
Cuatro cifras gobiernan la sincronización de los subtítulos:
Duración mínima: ~0,8–1 segundo. Incluso un subtítulo que solo dice «Sí.» necesita tiempo para ser advertido, fijado y leído. El suelo de Netflix está en ⅚ de segundo (unos 833 ms); por debajo de eso se registra como un parpadeo.
Duración máxima: 6–7 segundos. Pasado ese punto, el espectador termina, relee y empieza a preguntarse si el reproductor se ha congelado. Si el habla se prolonga más, divide el subtítulo.
Sincroniza con el inicio del habla. El subtítulo debe aparecer cuando arrancan las palabras: una fracción de adelanto es tolerable, un retraso perceptible no, porque el espectador oye la voz y baja la vista a un texto que aún no está.
Huecos entre subtítulos consecutivos: ~2 fotogramas (80–120 ms). Este es invisible e imprescindible. Cuando un subtítulo es sustituido de inmediato por el siguiente sin hueco, el ojo a menudo no registra que el texto ha cambiado, sobre todo si los dos bloques tienen forma parecida. Un parpadeo de dos fotogramas le dice al lector: texto nuevo, empieza de nuevo. El subtitulado profesional inserta esos microhuecos en todas partes; los subtítulos automáticos en bruto casi nunca.
Y un refinamiento que distingue el trabajo de calidad de emisión: respeta los cambios de plano. Un subtítulo que se queda colgado a través de un corte tiende a releerse: la escena cambió, así que el cerebro asume que el texto también. Cuando la sincronización lo permita, termina el subtítulo en el corte o llévalo bastante más allá; no dejes que se cruce con el montaje por unos pocos fotogramas.
Una idea por subtítulo
Más allá de la mecánica está la segmentación: qué va en cada bloque. El principio es que cada subtítulo sea una unidad de significado autónoma: una frase, o una oración completa dentro de ella.
- Prioriza frases enteras por bloque. Cuando una frase deba ocupar dos bloques, divide en un límite de oración y deja que el primero acabe en una pausa natural.
- No arrastres dos o tres palabras huérfanas a un subtítulo nuevo. Si la cola de la frase es tan corta, reequilibra el reparto.
- En el diálogo, no mezcles el final de la frase de un hablante con el inicio de la de otro en el mismo bloque, salvo que estés formateando deliberadamente un subtítulo de dos hablantes (con guiones).
Una mala segmentación es la razón de que algunas pistas de subtítulos resulten inexplicablemente cansadas aunque cada bloque suelto sea corto: los cortes caen a mitad de idea, así que cada bloque deja al lector en suspenso.
¿Literal o editado? Una respuesta honesta
El habla real está llena de arranques fallidos, muletillas y repeticiones: «Bueno, eh, creo que… creo que lo que probablemente deberíamos hacer es…». ¿Debe el subtítulo cargar con todo eso?
La respuesta profesional es: depende de para qué sirva el vídeo, y hay una tensión real en ambos sentidos.
El argumento a favor de editar ligeramente. Cuando el habla supera la velocidad de lectura, algo tiene que ceder, y recortar muletillas, arranques fallidos y autorrepeticiones inmediatas es el primer movimiento estándar del subtitulado profesional. Convierte un habla ilegible de 24 CPS en un texto legible de 16 CPS conservando cada palabra que aporta significado. Para contenido de marketing, cursos y clips sociales, casi siempre es lo correcto.
El argumento a favor de lo literal. Muchos espectadores sordos y con pérdida auditiva prefieren explícitamente los subtítulos literales: las vacilaciones, las muletillas, la forma en que alguien habla forman parte de lo que el resto recibe por el oído, y quitarlas es un pequeño acto de tutela. En entrevistas donde importa la manera del hablante, en registros legales y de archivo, y como opción de accesibilidad por defecto cuando la velocidad de lectura lo permite, lo literal es la elección más respetuosa.
La posición deshonesta es fingir que no hay tensión. El flujo honesto es: literal donde la velocidad de lectura lo permita; condensa solo cuando la alternativa sea un subtítulo que nadie puede terminar; y nunca «mejores» lo que alguien dijo realmente.
Para espectadores sordos y con pérdida auditiva: los extras SDH
Los subtítulos estándar dan por hecho que el espectador lo oye todo salvo el idioma. Los SDH (subtítulos para personas sordas y con discapacidad auditiva) dan por hecho que no oye nada, y añaden:
- Identificación del hablante cuando no resulta visualmente obvia: una voz fuera de campo, una llamada, hablantes solapados: `DAVID: Tenemos que hablar.`
- Indicaciones sonoras relevantes para la historia: `[portazo]`, `[discusión amortiguada al lado]`, `[vibra el móvil]`. El criterio es la relevancia narrativa: subtitula el sonido que la trama necesita, no todo el ruido ambiente.
- Notación musical: ♪ para la letra cantada, o una descripción —`[cuerdas tensas en aumento]`— cuando la música está haciendo trabajo narrativo.
Si la accesibilidad es parte del motivo por el que subtitulas —y legalmente cada vez lo es más—, las convenciones SDH son el listón, no el extra. (Para la parte legal, consulta nuestra guía sobre la ley europea de accesibilidad y lo que exige al vídeo.)
Por qué los subtítulos automáticos en bruto incumplen estos estándares
Nada de lo anterior es conocimiento exótico, así que ¿por qué lo ignora la mayoría del subtitulado automático?
Porque los motores de reconocimiento del habla segmentan por detección de pausas, no por gramática ni por velocidad de lectura. El motor oye un tramo de habla, lo transcribe y sella todo el tramo como un bloque. Un ponente seguro que no hace pausas produce un muro de cinco segundos y 120 caracteres. Los límites de bloque caen donde el hablante respiró: a mitad de oración, a mitad de nombre, a mitad de cifra. Los bloques consecutivos chocan entre sí con cero fotogramas de separación. Cada palabra puede ser correcta mientras la pista, en conjunto, resulta funcionalmente ilegible.
Ese es el significado exacto de «exacto e inservible», y por eso el porcentaje de precisión por palabra de una pista de subtítulos dice muy poco sobre si funciona.
La especificación de un vistazo
Los subtítulos profesionales deberían mantenerse normalmente dentro de una velocidad de lectura de 15–17 caracteres por segundo (CPS), equivalente a unas 160–180 palabras por minuto, tratando 20 CPS como techo absoluto. Cada subtítulo debería usar una línea siempre que se pueda y nunca más de dos, con un máximo de unos 42 caracteres por línea en alfabeto latino. Los saltos de línea deberían seguir límites gramaticales naturales, mientras que cada subtítulo debería permanecer en pantalla al menos 0,8–1 segundo y no más de 6–7 segundos. Los subtítulos consecutivos deberían separarse por un pequeño hueco de unos dos fotogramas, es decir, 80–120 milisegundos, y no deberían cruzar los cambios de plano por unos pocos fotogramas. La segmentación debería seguir frases completas u oraciones con sentido en lugar de dejar fragmentos cortos y huérfanos, mientras que los subtítulos para personas sordas y con pérdida auditiva (SDH) deberían incluir además identificación del hablante e indicaciones sonoras relevantes para entender la narración.
Dónde encaja Inwista
Todo lo anterior puede hacerse a mano. Los subtituladores profesionales llevan décadas haciéndolo a mano, con un coste real medido en horas.
Inwista lo automatiza. La transcripción te da el texto exacto; el editor te da control manual completo; y Enhance aplica este artículo en un clic: divide los bloques demasiado largos en otros legibles, corta las líneas en límites gramaticales, inserta los microhuecos estándar del sector entre subtítulos y baja la velocidad de lectura hacia el rango profesional, mientras tú conservas la última palabra en cada bloque. Los preajustes afinan la salida para una entrega de estilo emisión o de estilo redes sociales.
El plan gratuito de Inwista te permite recorrer el flujo completo con tu propio material: subir, transcribir, estructurar, editar y exportar. Los límites vigentes y los detalles de cada plan están en la página de precios.
Pruébalo en tu próximo vídeo →
Preguntas frecuentes
¿Qué es CPS en subtitulación? Caracteres por segundo: el número de caracteres de un subtítulo (incluidos espacios y puntuación) dividido entre su duración en pantalla. Es la medida estándar de la velocidad de lectura de un subtítulo. El trabajo profesional apunta a 15–17 CPS; Netflix permite hasta 20 CPS en contenido en inglés para adultos.
¿Cuántos caracteres debe tener una línea de subtítulo? Como mucho unos 42 caracteres por línea en lenguas de alfabeto latino, con un máximo de dos líneas por subtítulo. Las tradiciones de emisión enraizadas en el teletexto suelen usar 37.
¿Qué es la regla de los seis segundos? Una pauta europea clásica: dos líneas completas de subtítulo deberían permanecer en pantalla unos seis segundos, lo que sale a unos 12 CPS. Los estándares actuales de las plataformas permiten ritmos más rápidos, pero la regla sobrevive como recordatorio de que lo cómodo es más lento que lo posible.
¿Los subtítulos deben ser literales o editados? Ambas opciones son legítimas. Lo literal conserva exactamente lo que se dijo y lo prefieren muchos espectadores sordos y con pérdida auditiva; la edición ligera (quitar muletillas y arranques fallidos) es el estándar cuando el habla es demasiado rápida para leerla de otro modo. Condensa solo cuando te obligue la velocidad de lectura, y nunca alteres el significado.
¿Por qué cuesta leer los subtítulos automáticos aunque las palabras estén bien? Porque los motores de reconocimiento segmentan por pausas, no por gramática ni por velocidad de lectura, y eso produce bloques demasiado largos, cortes a mitad de oración y ningún hueco entre subtítulos. Precisión por palabra y legibilidad son problemas distintos.
¿Cuánto tiempo mínimo debe permanecer un subtítulo en pantalla? Alrededor de 0,8–1 segundo, incluso para una sola palabra. El suelo de Netflix está en ⅚ de segundo. Por debajo de eso se lee como un parpadeo, no como texto.
Los estándares citados son las pautas publicadas o ampliamente documentadas de las plataformas y emisoras mencionadas en el momento de escribir este texto; los manuales de estilo evolucionan y cada producción puede imponer los suyos.