Convertidor de JSON a SRT

¿Qué es un convertidor de JSON a SRT?

Servicios de transcripción como OpenAI Whisper, AWS Transcribe o Google Cloud Speech-to-Text suelen entregar archivos JSON en lugar de subtítulos listos. Esos JSON pueden incluir tiempos, palabras, frases, alternativas y datos de hablantes. Este convertidor interpreta la estructura, extrae inicio, fin y texto, y crea un archivo SubRip estándar en formato SRT.

¿Cómo se convierte JSON a SRT?

Un JSON sin procesar no se puede subir directamente a YouTube ni importar de forma fiable en Adobe Premiere, DaVinci Resolve o Final Cut Pro. Primero hay que transformarlo en una pista lineal de subtítulos: número, hora de inicio, hora de fin y texto visible. Esa conversión la hace la herramienta automáticamente.

• Subir JSON: Carga un archivo de transcripción de Whisper, AWS, Google u otro sistema speech-to-text.
• Detectar el esquema: La herramienta busca segmentos, listas de palabras, tiempos de inicio/fin, campos de texto y, si existen, campos de hablante.
• Exportar SRT: Los segmentos detectados se ordenan, se numeran y se guardan como archivo .srt compatible.

Ejemplos: entrada JSON y salida SRT

A diferencia de un mini convertidor limitado, esta página muestra estructuras reales de API. Así puedes ver rápido si tu JSON se parece y por qué puede convertirse en un SRT válido.

JSON de Whisper a SRT

Los exports de Whisper suelen incluir un array segments. Cada elemento normalmente contiene start, end y text, una estructura que encaja muy bien con bloques SRT.

{
  "segments": [
    { "start": 0.00, "end": 2.40, "text": "Bienvenido al video." },
    { "start": 2.40, "end": 5.10, "text": "Hoy mostramos el flujo de trabajo." }
  ]
}

1
00:00:00,000 --> 00:00:02,400
Bienvenido al video.

2
00:00:02,400 --> 00:00:05,100
Hoy mostramos el flujo de trabajo.

JSON de AWS Transcribe a SRT

AWS Transcribe suele devolver palabras y signos de puntuación por separado en results.items. La herramienta agrupa esos datos en bloques de subtítulos legibles y puede conservar las etiquetas de hablante.

{
  "results": {
    "items": [
      { "type": "pronunciation", "start_time": "0.00", "end_time": "0.55", "alternatives": [{ "content": "Hola" }], "speaker_label": "spk_0" },
      { "type": "pronunciation", "start_time": "0.56", "end_time": "1.10", "alternatives": [{ "content": "Maik" }], "speaker_label": "spk_0" },
      { "type": "punctuation", "alternatives": [{ "content": "." }] }
    ]
  }
}

1
00:00:00,000 --> 00:00:01,100
spk_0: Hola Maik.

JSON de Google Speech-to-Text a SRT

Google Speech-to-Text suele guardar las palabras en results[].alternatives[].words[]. Los tiempos de inicio y fin aparecen a menudo como segundos con sufijo s, por ejemplo 1.200s.

{
  "results": [
    {
      "alternatives": [
        {
          "words": [
            { "startTime": "0s", "endTime": "0.700s", "word": "Esto", "speakerTag": 1 },
            { "startTime": "0.700s", "endTime": "1.400s", "word": "funciona", "speakerTag": 1 }
          ]
        }
      ]
    }
  ]
}

1
00:00:00,000 --> 00:00:01,400
Speaker 1: Esto funciona

Campos admitidos y detección automática del esquema

JSON no es un formato de subtítulos, sino un formato de datos. Por eso cada proveedor puede usar nombres de campo distintos. El convertidor revisa variantes habituales y también puede buscar en arrays anidados cuando el archivo no sigue exactamente el esquema de Whisper, AWS o Google.

Etiquetas de hablante en archivos SRT

Muchos servicios de transcripción entregan información de hablante como speaker, speaker_label, speakerTag o un campo similar. Si activas “incluir etiquetas de hablante”, el convertidor escribe esa información dentro del texto del subtítulo.

SRT no tiene un campo técnico propio para hablantes. En la práctica, se guardan como prefijo de texto. Es útil para entrevistas, podcasts, reuniones, cursos y grabaciones de soporte.

1
00:00:00,000 --> 00:00:02,200
Speaker 1: Bienvenido a la conversación.

2
00:00:02,300 --> 00:00:04,800
Speaker 2: Gracias por invitarme.

Proveedores y estructuras JSON habituales

La siguiente tabla muestra las estructuras que la herramienta reconoce de forma específica. Además intenta detectar arrays genéricos con inicio, fin y texto.

¿Están seguros mis datos JSON?

Sí. La conversión se ejecuta localmente con JavaScript en tu navegador. Tu JSON no se sube a ningún servidor. Es importante porque las transcripciones suelen contener reuniones internas, material de clientes, guiones sin publicar o videos todavía privados.

Límites de la detección automática de JSON

La herramienta solo puede crear segmentos si el JSON contiene información de tiempo útil. Un JSON que solo tenga texto, sin inicio ni fin, no puede convertirse de forma fiable a SRT porque SRT necesita marcas de tiempo. Si tu archivo solo contiene texto, usa un convertidor TXT a SRT o sincronízalo después en Studio.