Timing y legibilidad forman un mismo problema. Un cue puede estar perfectamente transcrito y aun así resultar incómodo si aparece demasiado pronto, desaparece enseguida, contiene demasiado texto o corta una frase en mal lugar. El objetivo no es perseguir milisegundos por sí mismos, sino conseguir una lectura fluida mientras la atención sigue en el vídeo.
Los cuatro factores que hay que equilibrar
Sincronía
El texto debe sentirse unido a la frase hablada o al sonido relevante, sin anticiparse de forma evidente ni llegar tarde.
Duración
El tiempo en pantalla debe corresponder a la cantidad de texto.
Velocidad de lectura
Los caracteres por segundo (CPS) ayudan a detectar cues demasiado densos.
Segmentación
Los cortes deben respetar significado, gramática y ritmo de la escena.
Referencias profesionales útiles, no leyes universales
Cada broadcaster, plataforma, idioma y formato social puede tener reglas distintas. Estos valores sirven como referencia profesional, no como obligación para todo vídeo de YouTube, TikTok o web.
| Métrica | Referencia práctica | Cómo usarla |
|---|---|---|
| Duración | Netflix: mínimo 5/6 s y máximo 7 s por evento. | Buen punto de partida para long-form; el short-form puede usar otro ritmo. |
| Velocidad | Netflix SDH en inglés/alemán: hasta 20 CPS adultos y 17 CPS niños. | Úsalo como señal de alerta, no como aprobado/suspenso universal. |
| Líneas | Máximo dos líneas es una regla profesional muy común. | En captions quemados para móvil puede convenir mostrar aún menos texto. |
| Separación | Netflix usa al menos 2 frames entre cues en su flujo de timing. | Evita microhuecos que provoquen parpadeo. |
| Permanencia | A veces se deja el cue un poco después de terminar el habla si hay espacio. | Solo si mejora la lectura y no choca con el siguiente evento. |
No optimices una sola cifra. Un cue a 18 CPS puede seguir siendo malo si el corte de línea es torpe; en un clip publicitario muy rápido, un valor superior puede funcionar con texto sencillo y sincronía precisa.
Cómo calcular CPS
CPS significa caracteres por segundo. Divide los caracteres visibles entre la duración del cue. Cada herramienta puede contar espacios o formato de forma distinta, por eso conviene medir siempre con el mismo criterio.
CPS = caracteres visibles / duración en segundos
72 caracteres / 4,0 segundos = 18 CPSSi un cue va demasiado rápido, puedes alargarlo, acortar la frase, dividirla o reorganizar cues cercanos para ganar tiempo.
Duración del cue: suficiente tiempo sin dejar texto colgado
Los cues demasiado cortos parpadean y obligan a perseguir el texto. Los demasiado largos pueden quedar desconectados del habla o seguir visibles cuando la escena ya cambió.
- Cue corto: Para intervenciones realmente breves, no para meter una frase completa.
- Cue largo: Útil si la idea sigue activa y se lee cómodamente.
- Diálogo rápido: Mejor condensar y segmentar que convertir cada frase en flashes.
- Cambios de plano: Comprueba si cruzar el corte resulta natural; el diálogo continuo puede justificarlo.
Sincronizar con el habla sin obsesionarse con milisegundos arbitrarios
El cue debería entrar lo bastante cerca del habla para percibirse como un mismo evento. Pero pegar cada frontera exactamente a la waveform puede generar parpadeos, huecos incómodos y una lectura nerviosa.
Demasiado pronto
El espectador puede leer una respuesta o punchline antes de oírla.
Demasiado tarde
Primero se oye la frase y luego hay que alcanzar el subtítulo.
Demasiado rígido
Cada pequeña pausa convertida en cue rompe el ritmo.
Los cortes de línea importan tanto como el timing
No cortes solo porque lo diga un contador. Mantén juntas las unidades gramaticales y semánticas y busca pausas naturales.
MAL
00:00:02,000 --> 00:00:04,000
Si quieres mejores subtítulos no metas una frase larga completa dentro de un cue demasiado corto.MEJOR
00:00:02,000 --> 00:00:04,400
Si quieres mejores subtítulos,
00:00:04,500 --> 00:00:07,200
no metas una frase larga
entera en un cue muy corto.- Mantén una idea unida cuando sea posible.
- Evita dejar una palabra corta sola en una línea.
- No separes nombres o grupos gramaticales solo para igualar longitudes.
- Con dos líneas, elige el corte más fácil de entender, no el más simétrico.
Long-form y short-form requieren decisiones diferentes
| Contenido | Prioridad de timing | Prioridad de lectura |
|---|---|---|
| Película / long-form | Ritmo estable, sincronía y respeto por los cortes. | Velocidad cómoda y segmentación lingüística limpia. |
| YouTube long-form | Sincronía clara con tiempo suficiente. | Cues por frase y formato coherente. |
| Shorts / Reels / TikTok | Ritmo rápido pero intencional; captions más pegados al habla. | Menos palabras simultáneas, gran legibilidad móvil y posición segura. |
| Cursos / webinars | No convertir cada pausa en un cue nuevo. | Cues algo más largos y coherentes suelen ser mejores que fragmentos. |
| Traducción | Retemporizar si el idioma destino cambia de longitud. | Frase natural en destino antes que copiar los cortes del original. |
¿Pueden mejores subtítulos mejorar el watch time?
Los subtítulos legibles pueden apoyar la retención porque permiten seguir el contenido sin audio o cuando el habla resulta difícil. Pero no existe un porcentaje universal serio que garantice cuánto aumentará el watch time.
- Mide watch time como resultado, no como promesa.
- Compara retención antes y después de cambios reales.
- En short-form prueba densidad, posición y ritmo.
- En long-form revisa los puntos de abandono y comprueba los subtítulos de esas secciones.
Errores frecuentes de timing y legibilidad
| Error | Por qué molesta | Mejor solución |
|---|---|---|
| Un cue largo para una frase rápida | Alta densidad y mal ritmo. | Dividir por unidades naturales o condensar. |
| Cada pausa crea cue | Lectura fragmentada y parpadeante. | Unir discurso relacionado cuando sea posible. |
| Cue antes del hablante | Anticipa información. | Acercar el inicio al habla. |
| Cue termina con el último fonema | Se pierde tiempo útil. | Mantenerlo un poco más si hay espacio. |
| Traducción literal con timing original | La longitud cambia entre idiomas. | Localizar y resegmentar. |
| Validator verde = QA terminada | La sintaxis puede ser correcta y el timing malo. | Ver el resultado completo en el reproductor real. |
Workflow práctico de QA
- Corrige primero la transcripción.
- Comprueba si existe un desfase global.
- Busca solapamientos, duraciones inválidas y timestamps rotos.
- Detecta CPS muy alto y cues extremadamente cortos.
- Revisa gramática, cortes y límites de cue.
- Mira diálogo rápido, cambios de hablante, bromas, cortes y silencios a velocidad normal.
- Comprueba móvil para contenido vertical.
- Revisa cada idioma traducido por separado.
- Prueba la exportación final en el entorno real.
¿Desplazamiento global o edición individual?
Desplazamiento global
Cuando todo el archivo está adelantado o retrasado casi por la misma cantidad.
Editar cues
Cuando solo fallan algunas zonas, hay solapamientos o mala segmentación.
Realinear / regenerar
Cuando el error se acumula o el vídeo fue reeditado después de crear los subtítulos.
El mejor timing casi no se nota: el texto llega con el diálogo, permanece lo suficiente, se corta en lugares naturales y desaparece sin distraer. CPS, frames y límites de duración son herramientas para conseguirlo, no el objetivo final.
FAQ sobre timing y legibilidad
¿Cuál es una buena velocidad de lectura?
No hay un valor universal. Netflix usa como referencia SDH hasta 20 CPS para adultos y 17 CPS para niños en inglés/alemán.
¿Cuánto debe durar un subtítulo?
Depende del texto y contexto. Netflix usa como guía general entre 5/6 de segundo y 7 segundos por evento.
¿Debe empezar exactamente con el habla?
Debe sentirse sincronizado, pero la alineación exacta con cada borde de waveform no siempre ofrece la mejor lectura.
¿Cuántas líneas?
Dos líneas máximo es una regla profesional común; en móvil puede convenir menos texto.
¿Qué es CPS?
Caracteres por segundo: una medida aproximada de cuánta lectura exige un cue durante su duración.
¿El timing perfecto garantiza más watch time?
No. Puede eliminar barreras de comprensión, pero la retención depende también del contenido, audiencia, ritmo y plataforma.