SRT vs VTT vs TXT: ¿Qué formato de transcripción necesitas?

Transcribes un vídeo y la herramienta te ofrece tres descargas: TXT, SRT y VTT. Llevan las mismas frases, así que lo natural es suponer que son tres variantes de lo mismo y que vale cualquiera. No lo son, y esa suposición tiene un fallo muy concreto: un archivo de subtítulos que se importa sin quejarse, se reproduce sin error, y va medio segundo por detrás del audio durante todo el vídeo.

Esta guía cubre qué es cada formato, cuál espera cada plataforma, y la diferencia de un solo carácter entre SRT y VTT que rompe más subtítulos que ninguna otra cosa.

La respuesta corta

• TXT — quieres leer las palabras. Apuntes, citas, investigación, o pegarlo en otra herramienta.
• SRT — quieres subtitular un vídeo en un editor o en una red social.
• VTT — quieres subtítulos en la web, en un reproductor HTML5.

Si solo te llevas una idea: el TXT es para que lo lea una persona; el SRT y el VTT son para que los muestre una máquina. Todo lo de abajo es el detalle de eso.

TXT: la transcripción como texto corrido

Una transcripción en texto plano son solo las palabras, sin ninguna marca de tiempo. Las buenas vienen agrupadas en párrafos; las malas son un muro de fragmentos de cinco palabras, uno por línea, que es lo que sale cuando una herramienta vuelca los subtítulos a un .txt sin unirlos.

Esa diferencia importa más de lo que parece. Una transcripción cortada en cada límite de subtítulo está técnicamente completa y es prácticamente inservible: no se puede leer con comodidad, y pegarla en cualquier sitio implica limpiarla a mano primero. Una agrupada por las pausas naturales se lee como algo que escribió una persona.

Usa TXT cuando

• Estudias una clase o una entrevista larga y prefieres leer a ver.
• Necesitas una cita exacta y quieres buscarla en vez de arrastrar la línea de tiempo.
• Vas a convertir una charla en un artículo y quieres un borrador de partida.
• Vas a pegar el contenido en un resumidor o en otra herramienta de IA.

SRT: el formato universal de subtítulos

SubRip Subtitle —SRT— viene de un programa de extracción de DVD de finales de los noventa, y buena parte de por qué ganó es justo eso: es viejo, es simple hasta el absurdo, y todas las herramientas han tenido dos décadas para soportarlo. La estructura son cuatro elementos que se repiten:

1
00:00:01,000 --> 00:00:03,500
Lo primero que hay que entender

2
00:00:03,500 --> 00:00:06,000
es que esto se acumula.

Un número de orden, un rango de tiempo, el texto y una línea en blanco. Esa es la especificación entera. No hay estilos, ni posicionamiento, ni metadatos, y esa austeridad es la virtud: no hay nada en lo que ser incompatible.

Usa SRT cuando

• Editas vídeo — Premiere Pro, Final Cut, DaVinci Resolve y CapCut importan SRT como pista de subtítulos.
• Subes a YouTube — en Subtítulos, dentro de los ajustes del vídeo.
• Publicas en Instagram, TikTok o LinkedIn — donde se admite subir subtítulos, el formato es SRT.
• No lo tienes claro — el SRT es la opción segura. Lo acepta más gente que a ningún otro.

VTT: el formato de la web

WebVTT se diseñó para el navegador, en concreto para el elemento <track> de HTML5. Se parece muchísimo al SRT, con tres diferencias que sí importan:

• Empieza con una línea de cabecera WEBVTT obligatoria.
• Los milisegundos van separados por un punto, no por una coma.
• Los números de orden son opcionales, y las entradas pueden llevar posición y estilo.

WEBVTT

00:00:01.000 --> 00:00:03.500
Lo primero que hay que entender

Usa VTT cuando

• Incrustas vídeo en tu propia web con un elemento <video>.
• Tu reproductor o tu gestor de contenidos pide WebVTT explícitamente.
• Necesitas posicionar los subtítulos — mover una línea para que no tape un rótulo.

El fallo que rompe los subtítulos en silencio

Como el SRT y el VTT se parecen tanto, el atajo tentador es renombrar subtitulos.srt a subtitulos.vtt y seguir. A veces hasta parece funcionar.

No debería, y este es el motivo. Un analizador estricto de WebVTT exige la cabecera WEBVTT y espera 00:00:01.000; si le das 00:00:01,000, la marca de tiempo está mal formada. Algunos reproductores rechazan el archivo entero, que es el buen desenlace, porque al menos te enteras. Otros son permisivos: se saltan las entradas que no pueden interpretar y muestran las que sí. El resultado es una pista de subtítulos que funciona a medias y se descuadra. Nadie lo nota hasta que lo dice un espectador.

La trampa funciona igual al revés. Meter un VTT en un editor que espera SRT puede producir subtítulos que aparecen todos en 00:00:00, porque el analizador leyó el punto como separador decimal en otra posición.

No los renombres nunca. Exporta cada formato como toca. Una herramienta decente te da los dos de una sola transcripción, así que no hay razón para convertir nada a mano.

¿Y la fiabilidad y los tiempos?

Ninguno de estos formatos afecta a la fiabilidad: son contenedores. Lo que determina si tus subtítulos están bien es de dónde salieron el texto y los tiempos.

Hay dos orígenes, y uno es claramente mejor. Si la plataforma ya publica una pista de subtítulos del vídeo, esos tiempos se generaron contra el audio original por quien tenía el archivo maestro. Si en cambio una herramienta se descarga el vídeo y transcribe el audio ya recomprimido, todo es deducido: las palabras y el momento en que se dijeron.

Los dos funcionan. El primero es más rápido, no consume proceso y está alineado con más precisión. Por eso la herramienta de vídeo a texto de SnapMedia lee primero los subtítulos existentes y solo transcribe el audio cuando no hay ninguno: no por ahorrar, sino porque para la mayoría de vídeos es sinceramente mejor material de partida.

Un flujo de trabajo práctico

1. Transcribe una vez, exporta lo que necesites. Una sola pasada debería darte los tres formatos. Pega la URL en vídeo a texto y llévate TXT, SRT y VTT del mismo resultado.
2. Lee primero el TXT. Es la forma más rápida de comprobar que la transcripción es correcta antes de construir nada encima.
3. Corrige los errores en el SRT, no en el vídeo. El SRT es texto plano: ábrelo en cualquier editor y arregla un nombre o un término que se entendiera mal.
4. Exporta el VTT solo cuando lo pida la web. Para todo lo demás, el SRT basta.

Referencia rápida

• Premiere / Final Cut / Resolve / CapCut → SRT
• Subir subtítulos a YouTube → SRT
• Instagram / TikTok / LinkedIn → SRT
• Tu propia web, reproductor HTML5 → VTT
• Leer, citar, resumir → TXT

Si lo que necesitas concretamente es el archivo de subtítulos y no la transcripción, el generador de SRT es el camino directo. Y si solo quieres leer lo que dice un vídeo de YouTube, la transcripción de YouTube va directa al texto.