# Cómo revisar los subtítulos de YouTube más allá de las palabras

Los subtítulos de YouTube deben transmitir los cambios de hablante y los sonidos importantes, además de las palabras pronunciadas. Pero debes comparar la pista de subtítulos seleccionada con el vídeo completo. No des por hecho que contiene estos detalles. Escucha los sonidos que cambian el significado, comprueba quién habla y confirma que cada bloque de subtítulos aparece en el momento correcto. Revisa por separado la información visual necesaria. Puede ser adecuado preparar una transcripción descriptiva, que añade la información visual necesaria a un registro de texto. [W3C explica estas necesidades de los subtítulos](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html).

Empieza con una revisión manual del vídeo, su audio y sus subtítulos. Una pista de subtítulos es un conjunto seleccionado de subtítulos, normalmente en un idioma. Un bloque de subtítulos es un texto con un tiempo de inicio y un tiempo de fin. Los bloques existentes te dan un punto de partida. No demuestran que los subtítulos transmitan todos los sonidos o cambios de hablante necesarios.

Este método produce un registro de revisión guardado y una versión revisada de los subtítulos por separado. También identifica la información visual que necesita otra forma de acceso. Esta es una revisión del contenido de los subtítulos. No certifica el cumplimiento legal ni el cumplimiento de las Pautas de Accesibilidad para el Contenido Web, conocidas como WCAG.

## Define el alcance antes de revisar

La queja de un lector de que los subtítulos aparecen «solo a veces» señala una comprobación útil: revisar el vídeo completo, incluidos los intervalos entre bloques de subtítulos. Esa queja es un problema observado de un lector. No permite determinar con qué frecuencia ocurre el problema. [Queja pública de un lector](https://www.reddit.com/r/deaf/comments/1mqxe6t).

Un intervalo vacío entre bloques puede ser correcto si no hay audio necesario. También puede contener una advertencia omitida, una voz fuera de plano u otro sonido que explique una acción. No puedes determinar qué caso se aplica solo con leer el texto de los subtítulos.

1. Selecciona un vídeo y un idioma de subtítulos.
2. Registra la URL del vídeo, su título y la pista seleccionada.
3. Define el alcance para incluir el vídeo actual completo. Registra sus tiempos de inicio y fin.
4. Guarda los subtítulos originales con sus tiempos antes de modificarlos.
5. Registra la fecha de revisión y la fuente de los subtítulos.
6. Indica qué resultado prepararás: subtítulos revisados, una transcripción descriptiva o ambos.

Limita el alcance para poder describirlo con claridad. Si solo revisas una parte del vídeo, indica ese intervalo y marca el resto como no revisado. No llames revisión completa a una comprobación de una muestra.

Si faltan subtítulos públicos, usa la [guía de disponibilidad de subtítulos](/es/articles/extraccion-de-subtitulos-de-youtube/) para comprobar la fuente. La falta de subtítulos es un problema distinto de la omisión del contexto sonoro en unos subtítulos existentes. Un fallo de extracción también requiere un diagnóstico propio.

## Guarda el texto de origen con sus tiempos sin modificarlo

Puedes revisar los subtítulos de forma manual en el reproductor de vídeo. Si también necesitas guardar una copia con tiempos, [Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper) puede recopilar pistas de subtítulos públicos existentes. Un Actor es un programa de recopilación de datos alojado en un servidor. Proporciona el texto de origen para esta revisión. Aun así, debes mirar y escuchar el vídeo.

El Actor, según su documentación actual, lee URL directas de vídeos de YouTube o identificadores de vídeo. No acepta canales, listas de reproducción ni búsquedas como datos de entrada. No convierte voz en texto ni descarga audio o vídeo. No escucha sonidos ni crea etiquetas de hablante. Su utilidad documentada en este caso es conservar el texto y los tiempos de los subtítulos existentes.

La siguiente configuración breve selecciona JSON, un formato de texto estructurado que conserva los segmentos de subtítulos. Es una propuesta de datos de entrada, no el resultado de una ejecución.

```json
{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "preferredLanguages": [],
  "outputFormats": ["json"],
  "includeFailedInputDetails": true
}
```

Guarda el texto de origen con sus tiempos sin modificarlo

Antes de usarla, sustituye la URL de ejemplo por la URL del vídeo que quieras revisar. El ejemplo no demuestra que este método de revisión haya producido un resultado útil para ese vídeo.

Una lista `preferredLanguages` vacía permite que el Actor seleccione la mejor pista disponible. Si tu revisión requiere un idioma concreto, establece su código de idioma y comprueba el idioma devuelto. El Actor prueba las preferencias en orden. Si ninguna coincide, informa de un fallo con un tipo específico que indica que el idioma no está disponible, en lugar de seleccionar otro idioma.

Mantén activado `includeFailedInputDetails` para que el registro `OUTPUT` de la ejecución pueda incluir detalles de las entradas fallidas. Los vídeos únicos procesados correctamente generan filas en el conjunto de datos. Las entradas fallidas no las generan. Por tanto, un conjunto de datos vacío no demuestra por sí solo que no haya subtítulos.

Guarda estos campos devueltos cuando estén disponibles: `videoUrl`, `videoId`, `transcriptLanguageCode`, `transcriptLanguageName`, `isAutoGenerated`, `scrapedAt` y `segments`. Cada segmento contiene `startSeconds`, `endSeconds`, `durationSeconds` y `text`. Conserva los valores originales. Una duración ausente no es una duración de cero segundos.

La [configuración predefinida de JSON con marcas de tiempo](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json) es un punto de partida documentado. La evidencia fijada para esta guía solo confirma su página pública y el identificador de la configuración. No confirma datos de entrada guardados, una ejecución de pago ni el éxito de una ejecución actual.

## Mira el vídeo completo y registra los pasajes candidatos

Un pasaje candidato es un pasaje que puede necesitar una indicación sonora, una indicación de hablante o una explicación visual por separado. Registra los candidatos antes de decidir qué cambios conservar.

1. Mira y escucha el vídeo desde el inicio hasta el final del alcance definido.
2. Compara el audio con los subtítulos seleccionados durante toda la reproducción.
3. Registra cada cambio de hablante que afecte a la comprensión.
4. Registra las intervenciones fuera de plano cuando pueda haber dudas sobre quién habla.
5. Registra los sonidos no verbales que puedan explicar una acción o un tono.
6. Registra la información visual necesaria en una categoría aparte.
7. Vuelve a reproducir cada pasaje dudoso antes de tomar una decisión.

Comprueba los inicios, las pausas, los cambios de escena y los finales. Revisa los intervalos entre subtítulos con el mismo cuidado que las palabras subtituladas. Puede haber una advertencia durante una pausa. Una voz puede empezar a hablar antes de que aparezca en pantalla el siguiente hablante.

Para cada candidato, guarda un tiempo de inicio, un tiempo de fin y una descripción sencilla de lo que oíste o viste. Separa la observación de la interpretación. Por ejemplo, registra que se oye un pitido breve antes de que el presentador cambie de dirección. Después, evalúa si la fuente permite describirlo como una advertencia.

Los subtítulos automáticos necesitan revisión. YouTube incluye la pronunciación, los acentos, los dialectos y el ruido de fondo entre los factores que pueden afectar a su precisión. Una extracción correcta no comprueba las palabras ni el contexto sonoro. [Orientaciones de YouTube sobre los subtítulos automáticos](https://support.google.com/youtube/answer/6373554?hl=en).

Marca las palabras pronunciadas que generen dudas para comprobarlas por separado. Mantén esta revisión centrada en el contexto de los hablantes y los sonidos necesarios. No la conviertas en un segundo método completo para corregir términos técnicos o comprobar citas.

## Decide qué deben transmitir los subtítulos

Haz la misma pregunta para cada sonido: ¿ayuda al lector a comprender qué ocurre, qué quiere decir una persona o por qué se produce una acción posterior?

Una alarma puede explicar una parada repentina. Unos golpes en la puerta pueden explicar por qué alguien se gira. La risa puede cambiar el significado de una respuesta hablada. La música puede ser importante cuando transmite información necesaria sobre la escena. Estos son candidatos para la revisión. No son instrucciones para etiquetar de la misma forma todas las alarmas, risas o partes con música.

Un clic incidental puede no aportar nada al significado. Registra el motivo de su exclusión si lo consideraste durante la revisión. Así, la siguiente persona que revise el contenido podrá examinar la decisión.

Usa descripciones breves que la fuente respalde. No atribuyas un sonido a un origen que no puedas confirmar. Si oyes un pitido pero no puedes identificar su función, conserva esa duda en el registro de revisión. Deja una indicación dudosa pendiente de otra revisión, en lugar de presentar una suposición como un hecho.

Las etiquetas de hablante requieren el mismo cuidado. Usa un nombre solo cuando la fuente confirme la identidad. No identifiques a una persona solo por su voz. Si no conoces el nombre, usa una etiqueta provisional clara, como «Hablante fuera de plano 1». Provisional significa que la etiqueta puede cambiar tras otra revisión.

Mantén la misma etiqueta mientras la evidencia la respalde. Si no puedes determinar si dos pasajes corresponden al mismo hablante, registra la duda. No presentes el número de etiquetas como si fuera un número confirmado de personas.

W3C describe los subtítulos como un contenido que incluye diálogo, información sobre los hablantes y sonidos no verbales significativos. Esa orientación respalda la comprobación de estos elementos. No demuestra que una pista de subtítulos concreta los contenga. [Orientaciones de W3C sobre los subtítulos pregrabados](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html).

## Mantén una tabla de revisión y una versión revisada por separado

Guarda una fila por cada candidato. La tabla de revisión es un registro editorial que tú creas. No es una tabla de salida del Actor.

| Campo guardado | Qué registrar |
| --- | --- |
| Identificador de revisión | Una referencia estable para el candidato |
| Fuente y pista | URL del vídeo, idioma de los subtítulos y referencia de la copia de origen |
| Intervalo de tiempo | Tiempos de inicio y fin, con sus unidades |
| Tipo de candidato | Hablante, sonido no verbal o información visual |
| Texto original de los subtítulos | El texto de origen sin modificar o una nota explícita de su ausencia |
| Observación de la fuente | Lo que oíste o viste en ese momento |
| Cambio propuesto | Borrador del bloque de subtítulos o una nota para una transcripción descriptiva por separado |
| Decisión | Adoptar, excluir o dejar pendiente |
| Motivo | Por qué importa la información o por qué la excluiste |
| Estado de revisión | Persona que revisa, fecha y resultado de la comprobación durante la reproducción |

Distingue entre un intervalo sin subtítulos y la falta de datos de origen disponibles. «No hay ningún bloque en este intervalo guardado» significa que examinaste una copia de origen utilizable y no encontraste ningún bloque en ese intervalo. «Fuente de subtítulos no disponible» significa que no pudiste hacer esa comprobación. Ninguno de estos estados significa que el audio no contenga sonidos significativos.

Mantén el texto propuesto para los bloques en una versión revisada por separado. Conserva los subtítulos originales para que otra persona pueda comparar el cambio con la fuente. Guarda el motivo cuando sustituyas una etiqueta provisional de hablante o revises una descripción sonora.

No uses el número de bloques de subtítulos, el número de palabras ni `videoCoverageRatio` como prueba de que el contenido está completo. Un valor de cobertura puede describir el intervalo que abarcan los subtítulos aunque falte información importante dentro de él. Un valor ausente también debe seguir constando como ausente. No lo sustituyas por cero.

## Comprueba la sincronización de los bloques y la información visual necesaria

Una descripción sonora correcta puede causar confusión si aparece en el momento equivocado. Vuelve a reproducir cada pasaje modificado con los subtítulos revisados visibles.

1. Comprueba que la indicación sonora aparece cuando se produce el sonido correspondiente.
2. Comprueba que la indicación de hablante corresponde a la intervención correcta.
3. Lee la indicación junto con las palabras pronunciadas que aparecen a su lado.
4. Comprueba que el texto añadido no oculta palabras necesarias ni entra en conflicto con ellas.
5. Vuelve a reproducir la transición anterior y posterior al cambio.
6. Registra cualquier problema de sincronización o lectura que siga pendiente.

No des por hecho que un mismo estilo de subtítulos sirve para todos los lectores. Usa la vista previa para evaluar la pista revisada real. Deja visible en el registro de entrega cualquier decisión de estilo pendiente.

Si necesitas archivos de subtítulos para la reproducción, sigue la [guía de conversión a SRT y VTT](/es/articles/conversion-de-subtitulos-de-youtube/). SRT y VTT son formatos de archivo de subtítulos con tiempos. Esa guía aparte explica cómo gestionar los archivos. Esta revisión determina qué información sonora y de hablantes deben transmitir los bloques.

Revisa por separado la información visual sin sonido. Por ejemplo, un diagrama puede mostrar una instrucción que nadie lee en voz alta. Añadir indicaciones sonoras no transmite esa instrucción. Cuando corresponda, registra el intervalo de tiempo de la imagen y la explicación necesaria en una transcripción descriptiva identificada por separado.

Una transcripción básica contiene las palabras pronunciadas y la información de audio no verbal necesaria. Una transcripción descriptiva añade también la información visual necesaria. Por tanto, unos subtítulos exportados pueden necesitar contenido adicional antes de servir como documento de lectura completo. [Orientaciones de W3C sobre las transcripciones](https://www.w3.org/WAI/media/av/transcripts/).

## Ejemplo resuelto: una lección de seguridad ficticia

Ficción original: Todos los tiempos, las observaciones, los subtítulos y las decisiones de este ejemplo son inventados con fines didácticos. No se probó ningún vídeo de origen ni ninguna ejecución del Actor. El ejemplo abarca una lección de seguridad completa de 60 segundos y una pista de subtítulos.

El presentador cambia de dirección después de un pitido. Más tarde, una persona fuera de plano da una instrucción breve. Se oyen risas durante una respuesta. Cerca del final se oye un clic suave. Un diagrama sin sonido también contiene una instrucción necesaria.

| Identificador | Intervalo en segundos | Observación ficticia | Tratamiento propuesto | Decisión |
| --- | --- | --- | --- | --- |
| A1 | 12 a 13 | Un pitido de advertencia explica el cambio de dirección | Añadir «[pitido de advertencia]» cuando suena | Adoptar |
| A2 | 20 a 22 | Una voz fuera de plano de una persona cuyo nombre no se conoce dice «Espera aquí». | Añadir «Hablante fuera de plano 1:» al bloque de la intervención | Adoptar |
| A3 | 42 a 44 | La risa puede cambiar el tono de una respuesta, pero su significado sigue sin estar claro | Dejar la descripción sonora pendiente de otra revisión | Pendiente de resolver |
| A4 | 50 a 50,5 | Un clic suave no aporta significado necesario | No añadir ninguna indicación sonora | Excluir |
| V1 | 30 a 34 | Un diagrama sin sonido da una instrucción necesaria | Describir la instrucción en una transcripción descriptiva por separado | Adoptar por separado |

La fuente ficticia establece que el pitido es una advertencia. Sin esa evidencia, la persona que revisa necesitaría una descripción menos específica o tendría que dejar la decisión pendiente. La etiqueta de hablante fuera de plano sigue siendo provisional porque no se conoce el nombre de la persona.

El pitido dura 13 segundos menos 12 segundos, que equivale a 1 segundo. La intervención fuera de plano dura 22 segundos menos 20 segundos, que equivale a 2 segundos. Estos intervalos permiten localizar la evidencia. No demuestran que los bloques propuestos sean fáciles de leer.

Hay 4 candidatos de audio: 2 adoptados + 1 pendiente de resolver + 1 excluido = 4 candidatos. El elemento visual separado no forma parte de ese recuento de audio. Son recuentos de elementos de revisión. No son recuentos de personas ni medidas de precisión de los subtítulos o de resultados de accesibilidad.

En esta ficción, la persona que revisa comprueba los 60 segundos completos. El tiempo sin revisar es de 60 segundos menos 60 segundos, que equivale a 0 segundos. Ese cero se deriva de la revisión ficticia completa declarada. No debe sustituir una duración de revisión desconocida en un registro real.

La siguiente decisión consiste en resolver A3 y comprobar de nuevo toda la pista revisada. El ejemplo no permite considerar completa la versión mientras siga abierta una decisión necesaria sobre un sonido.

## Resuelve los fallos y comprueba toda la versión revisada

Usa estados de fallo que describan lo que sabes. Separa los problemas de acceso a la fuente de las dudas editoriales.

| Estado | Significado | Siguiente acción |
| --- | --- | --- |
| Subtítulos no disponibles | No tienes una fuente de subtítulos públicos utilizable | Comprueba la disponibilidad de los subtítulos antes de evaluar su contenido |
| Extracción fallida | La recopilación no produjo el registro necesario | Examina `OUTPUT`; no deduzcas que no hay subtítulos |
| Idioma requerido no disponible | No hubo coincidencias con ninguno de los idiomas solicitados | Mantén el requisito o documenta un cambio de alcance aceptado |
| Sonido pendiente de resolver | No puedes respaldar una descripción sonora | Vuelve a reproducir el pasaje y solicita otra revisión |
| Hablante pendiente de resolver | No está clara la identidad del hablante o si varias intervenciones corresponden a la misma persona | Mantén una etiqueta provisional y registra la duda |
| Información visual necesaria | Los subtítulos del audio no transmiten el significado visual necesario | Prepara una explicación descriptiva por separado |
| Revisión incompleta | Una parte del vídeo incluida en el alcance sigue sin comprobarse | Termina de revisar ese intervalo antes de afirmar que la revisión está completa |

Después de todos los cambios, compara la pista revisada completa con el audio y la imagen durante la reproducción. Comprobar solo los bloques modificados puede dejar sin detectar un conflicto en una transición. Registra el intervalo revisado, las cuestiones abiertas y la decisión final.

Los propietarios de vídeos pueden seguir el procedimiento documentado de YouTube Studio para gestionar sus propios subtítulos. Los demás investigadores deben conservar una copia derivada por separado, es decir, una copia revisada a partir de la fuente. Los datos de subtítulos públicos no dan acceso a los controles de edición ni a los registros privados de la cuenta de otro propietario. Las acciones que se describen aquí son propuestas para el lector. No son acciones realizadas para esta guía.

## Toma la siguiente decisión de revisión

Guarda los subtítulos sin modificar, la tabla de revisión, la versión revisada y cualquier transcripción descriptiva por separado. Indica si comprobaste todo el contenido incluido en el alcance y qué pasajes siguen pendientes de resolver. Un registro de revisión completo puede contener cuestiones abiertas. Una versión de subtítulos aceptada debe resolver las cuestiones necesarias para el uso declarado.

Empieza con un vídeo completo. Usa [Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper) cuando necesites guardar una fuente de subtítulos públicos con tiempos. Después, mira y escucha el vídeo completo con esa pista. Distingue entre obtener los datos correctamente y determinar si los subtítulos transmiten las palabras, la información sobre los hablantes y los sonidos necesarios.

## Fuentes y lecturas adicionales

- [W3C WAI: Comprender los subtítulos pregrabados — consultado el 25 de octubre de 2026; orientación sobre un criterio de accesibilidad, no un certificado de cumplimiento legal](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html)
- [W3C WAI: Transcripciones — consultado el 25 de octubre de 2026; distingue las transcripciones básicas de las descriptivas](https://www.w3.org/WAI/media/av/transcripts/)
- [Ayuda de YouTube: Usar subtítulos automáticos — consultado el 25 de octubre de 2026; orientación general para la revisión, no una prueba de los subtítulos de este vídeo](https://support.google.com/youtube/answer/6373554?hl=en)
- [Chronometrica YouTube Transcript Scraper — compilación pública 0.1.43 comprobada el 25 de octubre de 2026; evidencia limitada al esquema y la documentación, sin ejecución de pago ni prueba del funcionamiento de la ejecución](https://apify.com/chronometrica/youtube-transcript-scraper)
- [Configuración predefinida de JSON para transcripciones de YouTube con marcas de tiempo — consultada el 25 de octubre de 2026; página pública e identificador de la configuración confirmados, sin comprobar los datos de entrada guardados ni la ejecución](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json)
- [Queja pública de un lector sobre subtítulos intermitentes — observada el 25 de octubre de 2026; fecha de publicación desconocida, una sola queja y no una prueba de demanda](https://www.reddit.com/r/deaf/comments/1mqxe6t)