Subtítulos en vídeo vertical: incrustarlos no basta

Un subtítulo incrustado en un vídeo vertical sirve para verlo sin sonido. No hace que el vídeo sea accesible. Para serlo, el texto debe recoger toda la información sonora, estar sincronizado y existir fuera de los píxeles: según las recomendaciones de accesibilidad digital de Orange, los subtítulos «deben estar en formato texto y sincronizados con el sonido del vídeo», y no incrustados en la imagen. Subtítulos y accesibilidad en vídeo vertical son, por tanto, dos entregables distintos: el grafismo kinetic para el rendimiento y el archivo .srt o .vtt revisado para la conformidad. La mayoría de las marcas pagan el primero y creen haber comprado el segundo.

¿Un subtítulo incrustado hace realmente accesible tu vídeo vertical?

No. Un subtítulo grabado en la imagen permite ver el vídeo sin sonido, algo que no tiene nada que ver con la accesibilidad. El texto incrustado no es texto: son píxeles. Un lector de pantalla no lo ve. Un usuario que ha configurado su móvil con una fuente ampliada no consigue agrandarlo. Un motor de traducción automática no lo recoge. Y nadie puede extraerlo para releer el contenido a su ritmo.

Las recomendaciones públicas francesas son claras en este punto: los subtítulos deben asociarse al vídeo mediante un archivo de texto independiente y no deben mostrarse directamente en el vídeo. Es la frase que nadie, en las páginas que tratan el tema, relaciona con el flujo de trabajo en redes sociales. Y, sin embargo, tiene una consecuencia directa en tu presupuesto.

No vamos a dejar el burn-in por ello. El texto animado en 9:16 hace parte del trabajo de retención, igual que las tres capas de un hook de 3 segundos. En nuestros lotes de e-commerce, quitar la capa de texto de una creatividad hace caer la retención a 3 segundos de forma sistemática. El burn-in se queda. Simplemente, no sustituye a nada.

El caso de TikTok ilustra bien el malentendido. Cuando la plataforma lanzó sus subtítulos automáticos en abril de 2021, precisó en su anuncio oficial que «Auto captions automatically generate subtitles, allowing viewers to read or listen to content» y que el espectador puede desactivarlos desde el panel de compartir. Resultado: una información transmitida únicamente por los auto-captions puede desaparecer durante la reproducción. Una información transmitida solo por el burn-in no desaparece, pero sigue siendo invisible para quien usa un lector de pantalla. Cada una de las dos vías tiene un agujero. Por eso las entregamos juntas.

La regla que aplicamos desde 2025 en todos nuestros lotes: un vídeo vertical se entrega con dos pistas de texto. El grafismo incrustado, que sirve al rendimiento. El archivo .srt o .vtt revisado, que sirve a la accesibilidad y a la reutilización. Facturar la primera creyendo vender la segunda es un error de presupuesto, no un error de postproducción.

Captions, subtitles, transcripción: ¿qué estás comprando exactamente?

Tres palabras, tres entregables distintos y una confusión que hace fracasar la mitad de los briefs. En inglés, las captions designan el texto en el idioma original, que transcribe los diálogos y los sonidos con significado: una puerta que se cierra de golpe, un timbre, una risa fuera de plano. Es el entregable de accesibilidad. Los subtitles, en cambio, traducen los diálogos a otro idioma: útiles comercialmente, pero no son una medida de accesibilidad. Un lote de Reels subtitulado en inglés para el mercado británico no es un lote accesible.

En Francia, el vocabulario de referencia es el SME: subtitulado para personas sordas y con discapacidad auditiva. La carta de calidad firmada en 2011 bajo los auspicios del CSA, hoy Arcom, fija unas convenciones que la web ha olvidado en gran medida: un código de colores por tipo de interlocutor, blanco para la persona visible en pantalla, amarillo para una voz fuera de plano, rojo para los efectos sonoros. Nadie te pedirá ese nivel en un TikTok de marca. Pero el principio subyacente vale en todas partes: si el sonido transmite una información, el texto también debe transmitirla.

La transcripción, el entregable olvidado

La transcripción es un documento de texto lineal, sin timecode, que recoge todo el contenido del vídeo. En el feed no sirve para nada. Fuera de él sirve muchísimo: en tu ficha de producto, en un artículo de blog, en una landing page con el vídeo insertado y para los motores de respuesta, que no tienen forma de leer tu creatividad. La ficha de redes sociales de Orange es explícita: «Todos los vídeos deben tener subtítulos y, si es posible, una transcripción». Coste marginal real cuando el archivo .srt ya existe: cinco minutos de copiar, pegar y limpiar. Casi nadie lo hace.

¿Dónde colocar los subtítulos en 9:16 para que no queden bajo la interfaz?

La trampa del 9:16 es la parte inferior del encuadre: las cuatro plataformas apilan ahí descripción, nombre de usuario, sonido, barra de progreso y navegación. Un subtítulo colocado «abajo y centrado», como en el cine, desaparece bajo la interfaz. Para todo el mundo y, en primer lugar, para quienes dependen de él. No es un problema de montaje, es un problema de encuadre, es decir, una decisión de rodaje que se toma antes de que la cámara empiece a grabar.

Estas son nuestras mediciones internas, hechas en iPhone 15 y Pixel 8 en octubre de 2026, con las aplicaciones actualizadas, en porcentaje de la altura de un encuadre de 1080 × 1920. Son mediciones propias, no especificaciones oficiales: las plataformas mueven su interfaz sin avisar, así que repite la medición dos veces al año.

Dos consecuencias prácticas. Primero, la franja útil está en el tercio central bajo, no al pie del encuadre: en nuestras producciones, el bloque de texto queda fijado entre el 32 % y el 70 % de la altura, con un margen derecho del 18 % para evitar la columna de botones. Segundo, el encuadre debe dejar ese espacio libre desde el rodaje: una cara centrada abajo y un subtítulo en el mismo sitio es un plano que hay que repetir.

El caso de LinkedIn merece una advertencia: el feed recorta los verticales y el texto colocado demasiado arriba se pierde al generar la vista previa. Ahí solemos decidir de otra forma, porque la relación de aspecto se elige según la ubicación, y esa elección determina de forma automática la zona de texto disponible.

¿Bastan los subtítulos automáticos de las plataformas?

Un subtítulo automático sin revisar no vale nada en términos de conformidad, y a veces vale menos que nada comercialmente. El reconocimiento de voz ha progresado enormemente en francés desde 2023, nadie lo discute. Pero sigue fallando justo donde sale caro: nombres de marca, referencias de producto, dosis, precios, avisos legales, negaciones.

La negación es el caso que debería preocuparte. Que «No aplicar sobre piel lesionada» se convierta en «Aplicar sobre piel lesionada» ya no es una errata, es un mensaje invertido. En nuestros lotes franceses de 30 segundos, encontramos de media entre una y tres correcciones por vídeo en lenguaje corriente, y muchas más en cuanto entra en el guion un nombre de producto, una cifra o un acrónimo. El tiempo de revisión ronda los cuatro a ocho minutos por vídeo. Es poco. Y, sin embargo, es la línea que todo el mundo elimina.

La ficha «redes sociales» del referencial de Orange lo dice sin rodeos: «aunque haya herramientas que generan subtítulos automáticamente, a menudo es necesario verificarlos». Los criterios WCAG, por su parte, exigen subtítulos para todo vídeo pregrabado con banda sonora desde el nivel A (criterio 1.2.2); un subtítulo erróneo no cumple ningún criterio, ya que un criterio de conformidad se refiere a la exactitud, no a la presencia.

El verdadero problema: el auto-caption no es un entregable

Incluso corregido en la aplicación, el subtítulo automático sigue atrapado en la plataforma. No puedes exportarlo, ni reutilizarlo en tu web, ni entregarlo a un comprador que pida un archivo. Cuando un cliente nos pasa un lote «ya subtitulado» por una agencia anterior, comprobamos una sola cosa: ¿hay un .srt en la carpeta? En nueve de cada diez casos, no. Hay que transcribirlo todo de nuevo. Calcula entre 10 y 20 minutos por vídeo para recuperar lo que habría costado seis minutos durante el montaje.

¿Qué vídeos debes subtitular y con qué nivel de exigencia?

Todos los que tengan sonido con significado, y el nivel de exigencia depende de dónde acabe el vídeo, no de dónde se haya rodado. Una creatividad que vive solo en el Administrador de anuncios de Meta y un vídeo insertado en tu ficha de producto no están sujetos al mismo régimen, aunque a menudo se trate del mismo archivo máster.

El orden de magnitud del público afectado basta para zanjar el debate sobre la conveniencia. Según la nota descriptiva de la Organización Mundial de la Salud sobre sordera y pérdida de audición, casi 2.500 millones de personas tendrán algún grado de pérdida auditiva de aquí a 2050, y al menos 700 millones necesitarán rehabilitación auditiva. No es un nicho. Es una parte significativa de tu audiencia de pago.

El marco normativo, y lo que no sabemos

Tres textos estructuran el tema en Francia. El artículo 47 de la ley del 11 de febrero de 2005 impone la accesibilidad de los servicios de comunicación al público en línea del sector público y de los organismos que dependen de él, con el RGAA como referencial técnico; los criterios de la temática «multimedia» tratan explícitamente los subtítulos sincronizados. Las grandes empresas que superan cierto umbral de facturación también están incluidas. Y la Directiva (UE) 2019/882, conocida como European Accessibility Act, es aplicable desde el 28 de junio de 2025, con un ámbito que afecta especialmente al comercio electrónico.

Lo que no sabemos, y preferimos decirlo: la cuestión de si un Reel publicado en una plataforma de terceros entra en el ámbito de estas obligaciones nunca ha recibido, en nuestros expedientes, una respuesta jurídica clara. No somos juristas. Lo que sí observamos es que la cuestión aparece cada vez más a menudo en las licitaciones de grandes cuentas y en la contratación pública, en forma de una línea del pliego de condiciones: «entrega de los archivos de subtitulado». O lo tienes, o no lo tienes.

La cifra que nos negamos a repetir

Habrás leído en todas partes que el 80 o el 85 % de los vídeos en redes sociales se ven sin sonido. Hemos buscado la fuente primaria reciente y rastreable de ese porcentaje. No la hemos encontrado: circula de artículo de agencia en artículo de agencia desde un estudio de 2016 con un ámbito muy distinto. El consumo sin sonido en el feed es una realidad que confirman nuestros propios datos de retención. Su nivel exacto, no. Desconfía de cualquier proveedor que te venda subtitulado con un porcentaje copiado sin URL.

¿Cuánto cuesta un vídeo vertical accesible y en qué línea del presupuesto va?

El sobrecoste de accesibilidad de un vídeo vertical de 30 segundos se sitúa entre 8 y 15 € cuando se integra en el montaje, y entre 25 y 60 € si se trata con plena conformidad. Son costes marginales registrados en nuestros lotes de producción de 2026, no precios públicos: dan por hecho que el montador ya tiene el proyecto abierto. Si se retoma en frío, sobre un lote entregado hace tres meses, cuenta con el doble o el triple.

Cómo decidimos, en concreto. Para un lote orgánico de TikTok de alto volumen, nivel 4 sistemáticamente: el archivo cuesta diez euros y es tuyo. Para una creative ad destinada a circular seis semanas en medios pagados, también nivel 4, y el archivo sirve después para producir las variantes y las versiones traducidas sin volver a transcribir. Para un vídeo insertado en tu web, en una landing o en LinkedIn, nivel 5: ahí es donde el marco normativo aprieta. Para una licitación pública o una gran cuenta con un departamento de accesibilidad, nivel 5, y la cláusula figura en el contrato antes de la firma.

En un presupuesto, esta línea tiene que tener nombre. «Subtitulado» a secas no significa nada: pide «rotulación de texto incrustado» por un lado y «archivo de subtítulos revisado, formato .srt o .vtt» por otro. Si el proveedor junta las dos cosas, te venderá kinetic. El detalle de lo que se espera de un lote está en el anexo de validación en 12 líneas, y la mecánica del presupuesto de un formato corto se explica en el presupuesto línea por línea de un Reel.

¿Cómo validar un lote de 20 vídeos en 15 minutos?

No se revisan 20 vídeos línea por línea: se revisan 20 archivos en treinta segundos cada uno y, después, tres vídeos elegidos al azar en profundidad. Es el protocolo que aplicamos en la entrega y el que recomendamos a nuestros clientes para controlar a sus otros proveedores.

Paso 1, cinco minutos: abre la carpeta entregada. ¿Hay tantos archivos .srt como .mp4? Si no, la validación se detiene ahí y vuelve al proveedor. Paso 2, diez minutos: coge tres vídeos al azar y repasa los ocho puntos siguientes.

• El .srt se abre en un editor de texto y contiene códigos de tiempo con el formato 00:00:01,200. Un archivo sin códigos de tiempo es una transcripción, no un subtítulo.
• Nombres de marca, referencias de producto, precios y dosis: ortografía exacta. Es el primer sitio donde se equivoca el ASR.
• Las negaciones están presentes. Busca «no», «sin», «nunca» en el archivo y cotéjalo con el guion.
• 40 caracteres como máximo por línea y dos líneas como máximo por bloque. Más allá, es ilegible en una pantalla de 6 pulgadas.
• Velocidad de lectura en torno a 15 caracteres por segundo. Es la convención de comodidad que aplicamos; por encima de 20, nadie lo sigue.
• Los sonidos con significado figuran entre corchetes: [timbre], [risa fuera de plano], [pitido del horno]. Si no hay ninguno en todo el archivo y el vídeo sí los contiene, el subtitulado es parcial.
• Zona segura: abre el vídeo publicado en un móvil de verdad, no en el reproductor de tu editor. El texto debe seguir visible bajo el pie de foto desplegado.
• Prueba de corte: desactiva los subtítulos de la plataforma y quita el sonido. ¿El vídeo conserva su sentido? Si es así, la rotulación cumple su función. Si no, la información crítica solo existe de forma oral.

Este protocolo no sustituye a una auditoría de accesibilidad realizada por un experto, ni lo pretende. Elimina en un cuarto de hora el 90 % de los defectos que vemos llegar en los lotes rehechos. Y funciona aún mejor cuando los umbrales ya figuran en el brief inicial, según la lógica descrita en las tres capas del brief útil. Controlar lo que no se ha pedido nunca ha funcionado.

¿Qué sigue siendo inaccesible en un vídeo vertical, más allá de los subtítulos?

El caso más habitual, y el menos tratado: el vídeo mudo cuya información está toda en el texto en pantalla. Un antes y después de un tratamiento capilar, una demostración de montaje de un mueble, un carrusel de precios, todo con música libre de derechos y sin una sola palabra. Un usuario ciego que hace scroll con un lector de pantalla no obtiene nada. Cero. No hay ningún sonido que transcribir ni ningún texto legible por la máquina.

La solución no es elegante, pero funciona: recoger la información clave en el pie de la publicación y facilitar una transcripción de la información visual en el pack de entrega para su reutilización fuera de la plataforma. Ahora la exigimos en todos los formatos «solo texto». Cinco líneas de pie de foto, tres minutos de redacción.

Contraste, destellos, voces sintéticas

En nuestras validaciones se repiten otros tres puntos. El contraste del texto incrustado: el blanco puro sobre fondo claro, muy extendido en las rotulaciones de moda, se vuelve ilegible en cuanto el sujeto se mueve; se añade una sombra o una franja semiopaca, no un contorno fino. Los destellos: las transiciones estroboscópicas rápidas suponen un riesgo real para las personas fotosensibles, y las rechazamos por encima de tres alternancias por segundo. Por último, la voz sintética de TikTok ayuda a algunos usuarios, pero destroza los nombres de marca: si la usas para un gancho, escúchala antes de publicar.

Una observación sobre las Stories, que el referencial de Orange señala como poco accesibles: la propia naturaleza del formato, con su duración fija y su encadenamiento automático, dificulta la lectura de subtítulos para quien lee despacio. No conocemos ninguna solución satisfactoria. La alternativa consiste en no transmitir en ellas información exclusiva y replicar el mensaje en una publicación permanente.

Las plataformas avanzan por su lado, pero solo en la lectura: subtítulos automáticos, texto ampliado, ajustes de contraste, síntesis de voz. Nada de eso genera el archivo que te pedirá tu departamento jurídico. La parte de creación sigue en tu lado de la mesa, y es precisamente ahí donde se juega la cuestión de los subtítulos y la accesibilidad en el vídeo vertical: en el momento de la planificación y en el de la exportación, no en el de la publicación. El día que un comprador te reclame los .vtt de 200 creatividades producidas el año pasado, el presupuesto de recuperación costará diez veces lo que habría costado esa línea en la factura original. Lo hemos presupuestado dos veces en 2026. Las dos veces, el cliente pagó.

Preguntas frecuentes

¿Es obligatorio un archivo SRT si mis subtítulos ya están incrustados?

El texto incrustado no es texto: no lo puede leer un lector de pantalla, no se puede redimensionar ni exportar. Las recomendaciones de Orange piden explícitamente un archivo de texto independiente sincronizado con el sonido. La incrustación sirve para la retención en el feed; el archivo, para la accesibilidad y la reutilización. Entrega ambos: es una línea de presupuesto de diez euros.

¿Bastan los subtítulos automáticos de TikTok para una marca?

No, mientras no se revisen. TikTok indica que sus subtítulos automáticos se generan automáticamente y que el espectador puede desactivarlos. En nuestros lotes franceses de 30 segundos corregimos de media entre uno y tres errores por vídeo, más en los nombres de producto y las negaciones. Además, el texto corregido queda atrapado en la aplicación.

¿Dónde colocar los subtítulos para que no queden bajo la interfaz en 9:16?

En la franja central baja, nunca al pie del encuadre. Nuestras mediciones de octubre de 2026 sitúan la zona útil entre el 32 % y el 70 % de la altura en TikTok, con un margen derecho del 18 % para evitar la columna de botones. Esta zona se reserva en el encuadre, durante el rodaje, no en el montaje.

¿Cuánto cuesta el subtitulado accesible de un vídeo vertical de 30 segundos?

Entre 8 y 15 € de coste marginal cuando el archivo .srt revisado se produce durante el montaje, según nuestros lotes de 2026. Cuenta con 25 a 60 € para un pack de conformidad completo con transcripción y descripción de la información visual. Si se retoma en frío, varios meses después de la entrega, el coste es entre dos y tres veces mayor.

¿Qué diferencia hay entre subtítulos, captions y transcripción?

Las captions reproducen los diálogos y los sonidos con significado en el idioma original: son el entregable de accesibilidad. Los subtitles traducen a otro idioma y no son una cuestión de accesibilidad. La transcripción es un texto lineal sin códigos de tiempo, útil en una web o una ficha de producto. Tres entregables distintos, tres usos.

¿Está mi empresa obligada a subtitular sus vídeos en redes sociales?

El sector público y las grandes empresas que superan un umbral de facturación están sujetos al artículo 47 de la ley francesa de 2005 y al RGAA. La European Accessibility Act se aplica desde el 28 de junio de 2025, en particular al comercio electrónico. El estatus exacto de un vídeo publicado en una plataforma de terceros sigue siendo objeto de debate: que lo decida tu departamento jurídico.