Añadir subtítulos a videos

🤖/video/subtitle añade subtítulos y pistas de Closed Captions a los videos.

Ejemplo de uso

{
  "steps": {
    "captioned": {
      "ffmpeg_stack": "v7",
      "preset": "empty",
      "robot": "/video/subtitle",
      "style": "social",
      "subtitles_type": "burned",
      "use": {
        "steps": [
          {
            "as": "video",
            "name": ":original"
          },
          {
            "as": "subtitles",
            "name": "transcript"
          }
        ]
      }
    },
    "transcript": {
      "format": "json",
      "provider": "aws",
      "robot": "/speech/transcribe",
      "source_language": "en-US",
      "use": ":original"
    }
  }
}

Parámetros

• interpolate

  boolean | Record<string, boolean>

  Controla si las Assembly Variables se interpolan en campos de instrucciones individuales.

  De forma predeterminada, la mayoría de los campos de instrucciones de los Robots interpolan Assembly Variables. Establece esta opción en false para tratar todos los campos de instrucciones como texto literal, o establece la ruta de un campo individual en false para tratar únicamente ese campo como texto literal. En el caso de los campos específicos de un Robot que son literales de forma predeterminada, establece esta opción en true o la ruta de ese campo en true para volver a habilitar la interpolación.

  Usa nombres de campos como path o rutas con puntos como ffmpeg.vf para los objetos anidados.

• output_meta

  Record<string, boolean> | boolean | Array<string>

  Te permite especificar un conjunto de metadatos cuyo cálculo requiere más recursos de CPU y que, por lo tanto, está desactivado de forma predeterminada para mantener el procesamiento de tus Assemblies rápido.

  Para imágenes, puedes añadir "has_transparency": true en este objeto para extraer si la imagen contiene partes transparentes y "dominant_colors": true para extraer un array de códigos de color hexadecimales de la imagen.

  Para imágenes, también puedes añadir "blurhash": true para extraer una cadena BlurHash⁠, una representación compacta de un marcador de posición para la imagen que resulta útil para mostrar una vista previa desenfocada mientras se carga la imagen completa.

  Para imágenes, "thumbhash": true extrae en su lugar un ThumbHash⁠ codificado en base64 en meta.thumbhash, junto con meta.has_alpha (si existe un canal alfa, incluso cuando es totalmente opaco). Describe píxeles orientados según EXIF y usa el primer fotograma en el caso de imágenes animadas. La extracción se realiza según el mejor esfuerzo posible: las imágenes de más de 40 megapíxeles, los formatos no compatibles o una decodificación fallida o limitada no generan ningún marcador de posición. Una extracción exitosa añade un cargo de metadatos equivalente al 20 % de los bytes de ese archivo. No se aplica ningún recargo por ThumbHash cuando está desactivado o cuando no se genera ningún hash.

  Configura esta opción en el Step que genera la imagen, como /upload/handle para los originales subidos o /image/resize para las salidas procesadas. Configurarla únicamente en /transloadit/store no solicita la extracción: el almacenamiento conserva los metadatos del origen. Transloadit Storage conserva un hash generado junto con su versión inmutable y lo devuelve en los resultados almacenados y en las lecturas nativas de activos. Las subidas directas a S3 no generan marcadores de posición. Un marcador de posición contiene información de la imagen, por lo que debes protegerlo con los mismos controles de acceso que la imagen completa.

  Para videos, puedes añadir el parámetro "colorspace": true para extraer el espacio de color del video de salida.

  Para videos, también puedes añadir "interlaced": true para detectar si el video está entrelazado. Esto combina el indicador field_order de ffprobe, cuyo costo computacional es bajo, con una pasada de muestreo limitada mediante idet sobre los primeros fotogramas de la fuente, y expone interlaced, field_order y un objeto de diagnóstico interlace_detection en file.meta. Esto requiere muchos recursos computacionales y se factura en consecuencia.

  Para audio, puedes añadir "mean_volume": true para obtener un único valor que represente el volumen promedio del archivo de audio.

  También puedes establecer esto en false para omitir la extracción de metadatos y acelerar la transcodificación.

• user_meta

  Record<string, any>(valor predeterminado: {})

  Añade metadatos JSON personalizados a cada archivo emitido sin modificar su contenido. Se admiten objetos y arrays anidados.

  La herencia depende del Robot. Los valores se combinan con los user_meta existentes en el archivo de salida; el Step actual reemplaza las claves coincidentes de nivel superior. Asigna explícitamente las claves necesarias cuando un Robot cree nuevos archivos de salida.

  En los Steps de procesamiento, ${file.*} hace referencia a la primera entrada y ${result.*} al archivo emitido. Los valores se evalúan para cada salida después de ejecutarse el Robot, antes de la posterior extracción de metadatos y del almacenamiento temporal. En :original, los valores se evalúan para cada subida antes de la extracción de metadatos.

  Los Steps posteriores leen ${file.user_meta.key}. Consulta Metadatos personalizados para ver un ejemplo completo y las reglas de herencia.

• result

  boolean(valor predeterminado: false)

  Indica si los resultados de este Step deben aparecer en el Assembly Status JSON

• queue

  batch

  Establecer la cola en «batch» reduce manualmente la prioridad de los Jobs de este Step para evitar consumir cupos prioritarios con Jobs que no necesitan un tiempo de espera cero en la cola

• force_accept

  boolean(valor predeterminado: false)

  Forzar a un Robot a aceptar un tipo de archivo que habría ignorado.

  De forma predeterminada, los Robots ignoran los archivos que no reconocen. 🤖/video/encode, por ejemplo, ignorará sin problemas las imágenes de entrada.

  Si configuras el parámetro force_accept como true, puedes forzar a los Robots a aceptar todos los archivos que reciban. Esto normalmente provocará errores y solo debe usarse para depuración o para abordar casos extremos.

• ignore_errors

  boolean | Array<meta | execute>(valor predeterminado: [])

  Ignorar errores durante fases específicas del procesamiento.

  Establecer este parámetro en ["meta"] hará que el Robot ignore los errores durante la extracción de metadatos.

  Establecer este parámetro en ["execute"] hará que el Robot ignore los errores durante la fase principal de ejecución.

  Configurar este parámetro como true equivale a ["meta", "execute"] y hará que se ignoren los errores en ambas fases.

• use

  string | Array<string> | Array<object> | object

  Especifica qué Step o Steps se usarán como entrada.

  • Puedes elegir cualquier nombre para los Steps, excepto ":original" (reservado para las subidas de usuarios gestionadas por Transloadit)
  • Puedes proporcionar varios Steps como entrada mediante arrays:

    {
      "use": [
        ":original",
        "encoded",
        "resized"
      ]
    }
    

  • También puedes etiquetar los Steps de entrada con as para comunicar la intención semántica a los Robots:

    {
      "use": [
        {
          "name": ":original",
          "as": "image"
        },
        {
          "name": ":original",
          "as": "mask"
        }
      ]
    }
    

  Consejo

  Probablemente eso sea todo lo que necesitas saber sobre use, pero puedes consultar los casos de uso avanzados.

• ffmpeg

  object

  Un objeto de parámetros que se pasará a FFmpeg. Si se utiliza un ajuste preestablecido, las opciones especificadas se combinan con las de ese ajuste. Para consultar las opciones disponibles, revisa la documentación de FFmpeg⁠. Las opciones especificadas aquí tienen prioridad sobre las del ajuste preestablecido.

• ffmpeg_stack

  v6 | v7 | v8 | string(valor predeterminado: "v6.0.0")

  Selecciona la versión del stack de FFmpeg que se usará para el encoding. Actualmente recomendamos usar «v7». Las versiones exactas «v6.0.0», «v7.0.0» y «v8.0.0» son valores heredados que siguen aceptándose por compatibilidad con versiones anteriores. También se aceptan los valores obsoletos «v5.x».

• width

  string | number | null

  Ancho del nuevo video, en píxeles.

  Si no se especifica el valor y el parámetro preset está disponible, se aplicará el ancho proporcionado por preset.

• height

  string | number | null

  Altura del nuevo video, en píxeles.

  Si no se especifica el valor y el parámetro preset está disponible, se aplicará la altura proporcionada por preset.

• preset

  android | android-high | android-low | android_high | android_low | dash-1080p-video | dash-1080p_video | 195 más ↓

  Convierte un video según un ajuste preestablecido.

  Puedes usar aquí el valor 'empty' si especificas tus propios parámetros de FFmpeg mediante el Robot o si no quieres que Transloadit establezca ningún ajuste de encoding.

• subtitles_type

  burned | external | burn(valor predeterminado: "external")

  Determina si los subtítulos se añaden al video como un flujo separado (valor "external"), que luego puede activarse y desactivarse en el reproductor de video, o si deben incrustarse directamente en el video (valor "burned" o "burn") para que formen parte del flujo de video.

• style

  social

  Aplica una apariencia prediseñada a los subtítulos incrustados: texto Poppins de gran grosor, un contorno grueso y una sombra negra suave. Los subtítulos JSON se muestran en mayúsculas en el tercio inferior. De forma predeterminada, el tamaño de fuente de los subtítulos JSON se basa en el lado más corto del video y cada subtítulo se ajusta al ancho seguro, preferentemente en una línea y como máximo en dos. Las palabras nunca se dividen. Cada subtítulo crece desde el 85 % hasta su tamaño completo durante 120 milisegundos; luego, sus palabras permanecen en su lugar mientras el resaltado cambia de color. El archivo de transcripción se conserva. Los parámetros de estilo existentes tienen prioridad sobre el ajuste preestablecido; un valor explícito de font_size desactiva el ajuste automático. Los archivos ASS conservan sus propios estilos. Con JSON con marcas de tiempo de /speech/transcribe, la palabra activa permanece resaltada hasta que comienza la siguiente palabra o el siguiente subtítulo; las demás palabras usan font_color. Las comas y los puntos finales se omiten en los subtítulos JSON con estilo social; los signos de interrogación y exclamación se conservan. El resaltado y la agrupación de palabras requieren una entrada JSON.

• highlight_color

  string | string(valor predeterminado: "FFD60A")

  El color de resaltado de la palabra activa en los subtítulos JSON. Solo se aplica a los subtítulos JSON incrustados. Con "style": "social", la palabra anterior permanece resaltada durante las pausas breves hasta que comienza la siguiente palabra o el siguiente subtítulo. Sin el estilo social, se usa font_color para todo el subtítulo durante las pausas.

  Usa el formato "rgb", "rrggbb" o "aarrggbb", con el prefijo opcional #. Los colores de tres dígitos se expanden a seis dígitos. Los colores sin alfa son totalmente opacos. En los colores de ocho dígitos, los dos primeros dígitos especifican la transparencia ("00" es totalmente opaco y "ff" es totalmente transparente).

• max_words_per_caption

  string | number(valor predeterminado: 3)

  El número máximo objetivo de palabras del JSON con marcas de tiempo que se muestran en un subtítulo. Los subtítulos se dividen antes cuando hay signos de puntuación de fin de oración o pausas de más de 0,4 segundos. Con "style": "social", una palabra funcional en inglés al final, como «by», «to» o «the», pasa al siguiente subtítulo cuando es posible. Las frases cortas, como «línea de código», pueden mantenerse juntas, y una palabra aislada al final de una oración puede unirse al subtítulo anterior. Estos ajustes permiten como máximo una palabra adicional por subtítulo, sin cruzar finales de oración ni pausas largas. Los subtítulos de una sola palabra se conservan cuando el límite es 1. Un subtítulo permanece visible hasta que comienza el siguiente si la pausa es de como máximo 0,4 segundos, y desaparece al terminar su última palabra durante pausas más largas. No modifica los segmentos de SRT, VTT ni ASS.

• border_style

  box | outline | shadow(valor predeterminado: "outline")

  Especifica el estilo de los subtítulos. Usa el parámetro border_color para especificar el color del borde.

• border_color

  string | string(valor predeterminado: "000000")

  El color del borde de los subtítulos. El valor predeterminado es negro opaco. Solo se aplica a los subtítulos incrustados.

  Usa el formato "rgb", "rrggbb" o "aarrggbb", con el prefijo opcional #. Los colores de tres dígitos se expanden a seis dígitos. Los colores sin alfa son totalmente opacos. En los colores de ocho dígitos, los dos primeros dígitos especifican la transparencia ("00" es totalmente opaco y "ff" es totalmente transparente).

• font

  string

  La familia tipográfica que se usará. También incluye el grosor y el estilo de la fuente. La fuente predeterminada es Arial. Con "style": "social", la fuente predeterminada es Poppins, con su grosor ExtraBold para los subtítulos JSON. Una fuente explícita tiene prioridad sobre el estilo.

  Consulta aquí la lista de todas las fuentes compatibles.

• font_color

  string | string(valor predeterminado: "FFFFFF")

  El color del texto de los subtítulos. Solo se aplica a los subtítulos incrustados.

  Usa el formato "rgb", "rrggbb" o "aarrggbb", con el prefijo opcional #. Los colores de tres dígitos se expanden a seis dígitos. Los colores sin alfa son totalmente opacos. En los colores de ocho dígitos, los dos primeros dígitos especifican la transparencia ("00" es totalmente opaco y "ff" es totalmente transparente).

• font_size

  string | number

  Especifica el tamaño del texto en el espacio de coordenadas de subtítulos de 288 píxeles, que se escala según la altura del video. El valor predeterminado es 16. Con "style": "social", el valor predeterminado es 54. Para los subtítulos JSON con estilo social, si se omite el valor, este tamaño predeterminado se escala según el lado más corto del video, se aumenta en un 18 % para videos verticales y se reducen los subtítulos según sea necesario para que ocupen como máximo dos líneas. Antes del ajuste, las letras mayúsculas de Poppins miden aproximadamente un 7,5 % del lado más corto, o aproximadamente un 9 % para videos verticales. Un valor explícito mantiene el tamaño relativo a la altura y desactiva el ajuste automático.

• bold

  boolean

  Especifica si el texto de los subtítulos debe estar en negrita. Solo se aplica a los subtítulos incrustados. El valor predeterminado es false. Con "style": "social", el valor predeterminado es true; un valor explícito de false tiene prioridad sobre el estilo.

• italic

  boolean(valor predeterminado: false)

  Especifica si el texto de los subtítulos debe estar en cursiva. Solo se aplica a los subtítulos incrustados.

• outline_width

  string | number | null

  Especifica el ancho del contorno del texto en el espacio de coordenadas de subtítulos de 288 píxeles, que se escala según la altura del video. También se aceptan cadenas numéricas como "4". Solo se aplica a los subtítulos incrustados con los estilos de borde "outline" o "box". Si se omite o es null, se usa el ancho predeterminado (2 con "style": "social", proporcional al tamaño final de la fuente tras el ajuste para los subtítulos JSON con estilo social).

• position

  bottom | bottom-left | bottom-right | center | left | right | top | 2 más ↓(valor predeterminado: "bottom")

  Especifica la posición de los subtítulos. Con "style": "social", la posición inferior predeterminada coloca los subtítulos JSON en el tercio inferior, con espacio adicional debajo en videos verticales. Un valor explícito tiene prioridad sobre el estilo.

• language

  string | null

  Especifica el idioma del flujo de subtítulos mediante un código de idioma de tres letras (por ejemplo, "eng", "deu", "spa"). Solo se utiliza si los subtítulos son externos. Al añadir varios flujos de subtítulos, establece un idioma diferente para cada flujo, de modo que los reproductores de video puedan ofrecer una selección de idiomas.

• name

  string | null

  Especifica un nombre legible para la pista de subtítulos (por ejemplo, "English", "Deutsch", "Español"). Solo se usa si los subtítulos son externos. Este nombre se muestra junto al idioma en los menús de subtítulos de los reproductores de video.

• keep_subtitles

  boolean(valor predeterminado: false)

  Especifica si deben conservarse los subtítulos existentes en el archivo de entrada o si el nuevo subtítulo debe reemplazarlos. Solo se utiliza si los subtítulos son externos. Establécelo en true al encadenar varios Steps /video/subtitle para añadir varios flujos de subtítulos (por ejemplo, en distintos idiomas) al mismo video.

Demos

Publicaciones relacionadas del blog