Subtítulos traducidos en tiempo real:
Cómo funcionan de verdad

Los subtítulos traducidos en tiempo real son subtítulos generados a partir de audio en directo y traducidos mientras el hablante sigue hablando. Aparecen en pantalla durante unos segundos y luego desaparecen. Eso es lo contrario de un archivo de subtítulos como SRT o WebVTT, que es un artefacto terminado: una lista de indicaciones con código de tiempo alineadas con una grabación que ya existe.

Esas dos cosas se tratan constantemente como si fueran el mismo producto, y por eso tantos consejos sobre este tema no sirven para nada. Si buscas subtítulos traducidos en tiempo real, lo más probable es que te ofrezcan editores de subtítulos: herramientas que quieren un archivo de vídeo subido, una pasada de transcripción y veinte minutos de tu tarde. Buen software. Problema equivocado. Nadie sube un archivo a una videollamada que está ocurriendo ahora mismo.

Esta guía cubre qué son realmente los subtítulos generados en directo, qué no pueden hacer, el único escenario que el resto de internet se salta y cómo ponerlos en marcha en una pestaña del navegador en un par de minutos. Si quieres saltarte la teoría, puedes abrir MirrorCaption en tu navegador y apuntarlo a una pestaña.

Qué son realmente los subtítulos traducidos en tiempo real

Un subtítulo, en el sentido tradicional, es un artefacto temporizado. La especificación WebVTT del W3C define una indicación como texto vinculado a una hora de inicio y una hora de fin, expresado sobre la línea temporal de un archivo multimedia. Esa definición presupone que el medio ya está terminado. No puedes vincular una indicación a una línea temporal que todavía no ha ocurrido.

Así que "subtítulo en tiempo real" es, estrictamente, una contradicción. Lo que la gente quiere decir cuando lo busca es: texto en mi pantalla, en mi idioma, que coincida con lo que estoy oyendo ahora mismo. Eso es una canalización en directo, no un documento. El audio entra, un motor de transcripción emite palabras parciales que se autocorrigen a medida que llega más contexto, una capa de traducción las reescribe al idioma de destino y el resultado se pinta en pantalla con un pequeño retraso respecto a la voz.

La distinción no es una cuestión de pedantería. Determina qué puedes pedir y qué no.

Subtítulos en tiempo real frente a las tres cosas con las que se confunden

La tercera columna es la que la gente más suele confundir, y no vamos a reabrir ese debate aquí: nuestra guía sobre subtítulos en directo frente a transcripciones ya desarrolla esa terminología correctamente.

¿Cuál de estos tres lectores eres tú?

Tres personas bastante distintas escriben esta frase en un buscador.

1. El asistente. Estás viendo audio que no controlas: un directo, una retransmisión de una conferencia, un seminario web en el que eres invitado. Sigue leyendo, este artículo es sobre todo para ti.
2. El participante en la reunión. Estás en una llamada en la que alguien habla un idioma que tú no hablas. Sigue leyendo también, las secciones tres y cuatro son para ti.
3. La persona que necesita un archivo de subtítulos entregable. Quieres un SRT para adjuntarlo a un vídeo y que otras personas lo vean más tarde. Las herramientas en tiempo real están en la estantería equivocada por completo, y ninguna cantidad de ingenio cambiará eso. Usa un editor de subtítulos dedicado sobre la grabación. Preferimos decírtelo en el párrafo doce antes que hacerte perder la tarde.

El caso del que nadie escribe: cuando no controlas el audio

Ahí está la laguna. Casi todos los artículos sobre traducción en directo asumen que eres el anfitrión. Los proveedores empresariales de subtitulado quieren venderle un contrato a tu equipo de eventos. La documentación de la plataforma te dice que se lo pidas al organizador de la reunión. Los blogs de subtitulado te dicen que esperes a que se publique la grabación.

Nada de eso ayuda a la persona que simplemente está escuchando. Y esa persona es común: un ingeniero viendo desde Shenzhen la retransmisión del lanzamiento de un hardware, un analista de políticas siguiendo una sesión parlamentaria, un estudiante asistiendo a una clase magistral invitada, un inversor en una llamada de resultados en la que está claramente en modo solo escucha.

En todos esos casos no tienes permiso para cambiar nada de la emisión, ni relación con quien la gestiona. Lo que sí tienes es un navegador que ya está decodificando el audio. Ahí está la ventaja. La API getDisplayMedia permite conceder a una página acceso al audio de otra pestaña, con un aviso de permiso explícito cada vez. El sonido nunca sale del grafo de audio de tu máquina en su camino hacia la captura; estás subtitulando lo que ya estás oyendo.

Dos matices honestos, porque aquí es donde mucha publicidad miente en silencio. Primero, la captura de audio de pestaña es una función de navegador de escritorio: funciona en Chrome y Microsoft Edge, y no está disponible en navegadores móviles. Segundo, que ningún bot se una a la reunión es una afirmación técnica, no legal. Si puedes transcribir una llamada concreta depende de tu jurisdicción y de la política de tu empresa, y esas preguntas merecen una respuesta real antes de pulsar iniciar en cualquier cosa externa.

Cómo obtener subtítulos traducidos en tiempo real en una pestaña del navegador

La configuración es tan breve que describirla lleva más tiempo que hacerla.

1. Abre la fuente de audio en Chrome o Edge de escritorio. Una llamada de Zoom o Google Meet en el navegador, un directo de YouTube, un reproductor de seminarios web, una emisión de noticias, cualquier cosa que reproduzca sonido en una pestaña.
2. Abre MirrorCaption en una segunda pestaña y elige el modo Meet, que es el modo creado para capturar el audio de la pestaña de la reunión.
3. Elige el idioma de origen y el de destino. Hay 60+ idiomas seleccionables, y la pareja es bidireccional, así que mandarín a alemán es tan válido como inglés a español.
4. Concede el audio de la pestaña cuando el navegador te lo pida. Aparece el selector para compartir; elige la pestaña que está reproduciendo el audio y asegúrate de que el interruptor de audio está activado. Este aviso lo impone el navegador y aparece en cada sesión.
5. Lee. El original y la traducción aparecen uno al lado del otro en escritorio, apilados en móvil, con cada voz etiquetada por separado.

No hay instalación, no hay extensión del navegador y nada se une a la llamada como participante. Esa última parte es la diferencia con la categoría de bots de reunión: herramientas como Fireflies necesitan un asistente invitado a la reunión, que es exactamente lo que un asistente no puede organizar.

Cuando la otra persona necesita oírlo, no leerlo

Los subtítulos son una interfaz de lectura, lo cual está bien cuando eres el único que necesita la traducción. Deja de estar bien en el momento en que la conversación es bidireccional.

Speak Translations cubre eso. Lee en voz alta tu propia voz traducida en el idioma de destino, lo bastante cerca del tiempo real como para mantener una conversación en marcha. La reproducción puede salir por el altavoz del portátil, por un teléfono emparejado mediante código QR para que el sonido salga del teléfono o, en el cliente para Mac, por un micrófono virtual que Zoom, Meet y Teams ven como un dispositivo de entrada normal.

En un teléfono, el modo Talk se encarga de la versión cara a cara. Es una sesión continua en lugar de un botón de pulsar para hablar: la inicias una vez, ambas personas hablan por turnos y el contexto de la transcripción y la traducción se mantiene durante todo el intercambio en lugar de reiniciarse después de cada frase.

Qué esperar de la calidad de la traducción en directo

La traducción en directo es realmente buena ahora y no es perfecta, y cualquier página que diga lo contrario te está vendiendo algo. Esta es la forma honesta en que funciona.

Los resultados parciales se corrigen solos. La transcripción en streaming emite palabras antes de que la frase termine y luego las revisa a medida que se resuelve la gramática. Que el texto se reescriba visiblemente a mitad de frase es el sistema funcionando, no fallando. También es la razón por la que una captura de pantalla de subtítulos en directo tomada en el instante equivocado siempre parece peor que la experiencia real.

La calidad del audio domina todo lo demás. Un micrófono limpio de diadema en una sala silenciosa es un problema distinto de un altavoz de portátil en una sala de reuniones con eco y tres personas hablando a la vez. El audio claro es la palanca más importante que controlas.

El idioma figurado sigue siendo donde las máquinas pierden. Cuando un cliente japonés dice ちょっと難しいです, un traductor lo renderizará como "es un poco difícil", que lingüísticamente es correcto y comercialmente una negativa educada. La traducción no está mal; la interpretación sí. Precisamente por eso MirrorCaption muestra el original junto a la traducción y te permite tocar cualquier palabra traducida para revelar la fuente. Si negocias entre idiomas, mantén un ojo en la columna izquierda.

Espera buenos resultados con habla clara en idiomas bien soportados, y espera verificar cualquier cosa que tenga peso económico o legal. Profundizamos más en esto en nuestro artículo sobre precisión de la traducción en tiempo real.

Qué cubren las opciones integradas de la plataforma

Toda gran plataforma de videoconferencia ya incluye alguna forma de traducción en directo, y para muchos equipos esa es la respuesta correcta. Si tu organización vive dentro de una sola plataforma y tu anfitrión tiene la licencia adecuada, usar lo que ya existe es mejor que añadir otra herramienta.

• Zoom Translated Captions traduce el habla a otro idioma durante una reunión de Zoom. La disponibilidad depende del nivel del plan de la cuenta y de que el anfitrión active la función.
• Microsoft Teams live translated captions hacen lo equivalente dentro de Teams, también condicionado por la licencia y por los ajustes de administración a nivel de inquilino.
• Google Meet translated captions cubren un conjunto de pares de idiomas dentro de Meet, sujeto a la edición de Workspace en uso.

Consulta la documentación actual de cada proveedor para ver las listas exactas de idiomas, porque cambian y cualquier número impreso en una entrada de blog envejece mal. Pero las limitaciones estructurales no cambian:

• Solo funcionan dentro de su propia plataforma. Un directo, un reproductor de seminarios web, una emisión de radio basada en navegador o una conversación presencial quedan fuera por definición.
• Dependen del plan de otra persona. Como asistente, no puedes activar una función que la licencia del anfitrión no incluya.
• Los subtítulos suelen ser efímeros. La exportación varía según el plan; a menudo el texto en curso no es tuyo para conservarlo.

MirrorCaption se sitúa fuera de esas tres limitaciones porque captura la pestaña en lugar de integrarse con la plataforma. La agnosticidad respecto a la herramienta es el objetivo de diseño: usa la herramienta de videoconferencia que haya elegido tu anfitrión. Si estás valorando bien las alternativas, nuestro resumen de los mejores traductores para reuniones en 2026 compara la categoría lado a lado, incluyendo dónde los competidores son realmente más fuertes.

Preguntas frecuentes

¿Puedo obtener subtítulos traducidos en tiempo real en un directo que solo estoy viendo?

Sí, si la emisión se reproduce en una pestaña del navegador en tu propio equipo. La captura de audio de pestaña lee el sonido que tu navegador ya está reproduciendo y lo subtitula localmente, así que no necesitas que el emisor active nada. Es la vía estándar cuando eres asistente y no anfitrión.

¿Puedo descargar subtítulos traducidos en tiempo real como archivo SRT?

No como un SRT con código de tiempo. Los subtítulos en tiempo real se generan a partir del audio mientras se reproduce, así que no hay nada alineado con un archivo multimedia terminado. MirrorCaption exporta la transcripción en curso y su traducción como Markdown o texto plano. Para un SRT distribuible, usa una herramienta de subtitulado sobre la grabación.

¿Necesito permiso del anfitrión para subtitular una reunión en la que estoy?

No se une nada a la reunión, así que no hay ningún bot que aprobar, pero eso no es lo mismo que una luz verde legal. Las normas sobre grabación y transcripción varían según el país y según la empresa. Comprueba la legislación local y la política de tu compañía antes de subtitular una llamada, especialmente si es externa.

¿La traducción en tiempo real funciona en ambos sentidos durante una conversación?

Sí. El modo Talk funciona como una sola sesión continua, de modo que ambas personas se turnan dentro de la misma conversación en lugar de reiniciarse por frase. Speak Translations puede leer en voz alta tu discurso traducido de forma opcional, para que la otra parte oiga el idioma de destino en lugar de limitarse a leerlo.

¿Cuánto cuestan los subtítulos traducidos en tiempo real?

MirrorCaption da a cada cuenta 1 hora gratis, una sola vez, sin tarjeta de crédito y sin reinicio mensual. Anual es 54.99 euro al año con 100 horas de crédito de transcripción alojada; Premium es 99 euro una sola vez con 200 horas incluidas. Las horas extra vienen de Voice Packs, vendidos por separado.

En resumen

Los subtítulos traducidos en tiempo real son una canalización en directo, no un documento, y una vez aceptas eso toda la categoría tiene sentido. No hay archivo, así que deja de buscar uno. Lo que sí hay es una forma de leer audio que estás oyendo ahora mismo, en un idioma que realmente hablas, sin esperar a una grabación y sin necesitar permiso de nadie para activar un interruptor.

Cuatro cosas que merece la pena llevarse. Las herramientas en tiempo real y las de archivos de subtítulos resuelven problemas distintos, y mezclarlas hace perder tiempo. La captura de audio de pestaña es lo que desbloquea el caso del asistente al que las funciones de plataforma no pueden llegar estructuralmente. La traducción integrada de Zoom, Teams y Meet solo ayuda dentro de esa plataforma cuando tu anfitrión tiene la licencia, mientras que MirrorCaption encaja mejor: te acompaña en todas ellas en 60+ idiomas. Y la traducción en directo funciona bien con audio limpio, pero sigue fallando con el lenguaje figurado, por eso leer el original junto a la traducción importa cuando hay mucho en juego.

Si eres el asistente, el participante o la persona sentada frente a alguien a quien todavía no entiendes: la próxima hora es gratis, y tardas unos noventa segundos en descubrir si esto resuelve tu problema.