Convertidor online gratuito de SRT a AAC

Cuando un reproductor o dispositivo necesita audio hablado en lugar de subtítulos, hay que convertir un archivo SRT en voz y guardarlo como AAC. Así se crea una pista de audio narrada; no es una transcodificación directa de un formato de audio a otro.

Qué es el formato SRT

SRT es un formato de subtítulos de texto sin formato que contiene subtítulos numerados, tiempos de inicio y finalización, y el texto que se debe mostrar. Los editores de vídeo, los reproductores multimedia y las herramientas de subtítulos, como Subtitle Edit, crean o editan archivos SRT, que suelen acompañar a vídeos descargados o grabaciones.

Qué es el formato AAC

AAC es un códec de audio con pérdida que se utiliza en formatos como M4A y en archivos AAC sin procesar. Ofrece buena calidad de audio con tasas de bits relativamente bajas y es compatible con la mayoría de los teléfonos, ordenadores y reproductores multimedia. Convertir subtítulos a AAC significa usar la conversión de texto a voz (TTS) para generar voz, no conservar el texto de los subtítulos como tales.

Cómo convertir SRT a AAC

En línea en 101convert.com

1. Abre la página del convertidor de SRT a AAC y sube el archivo de subtítulos. Puedes añadir varios archivos en un lote; la página muestra el límite de tamaño por archivo.
2. Antes de convertir, configura el idioma de la voz, la velocidad de lectura y los tiempos de los subtítulos según sea necesario.
3. Inicia la conversión y descarga el audio AAC resultante.

Sin conexión con software de escritorio

Para procesar archivos localmente, puedes usar Python con la biblioteca gratuita de TTS pyttsx3 para sintetizar voz con las voces del sistema instaladas. Funciona en Windows, macOS y Linux; las voces disponibles dependen del sistema operativo. Instala los paquetes de Python con python -m pip install srt pyttsx3 pydub e instala FFmpeg por separado.

Guarda este script junto al archivo de subtítulos con el nombre make_audio.py. Crea una mezcla WAV y coloca cada intervención hablada en el tiempo de inicio indicado en el archivo SRT:

from pathlib import Path
import srt
import pyttsx3
from pydub import AudioSegment

subs = list(srt.parse(Path("captions.srt").read_text(encoding="utf-8-sig")))
engine = pyttsx3.init()
clips = []

for i, sub in enumerate(subs):
    text = " ".join(sub.content.split())
    if not text:
        continue
    filename = f"cue_{i}.wav"
    engine.save_to_file(text, filename)
    engine.runAndWait()
    clips.append((int(sub.start.total_seconds() * 1000), AudioSegment.from_wav(filename)))

total_ms = max((int(sub.end.total_seconds() * 1000) for sub in subs), default=0)
mix = AudioSegment.silent(duration=total_ms)
for start, clip in clips:
    if start + len(clip) > len(mix):
        mix += AudioSegment.silent(duration=start + len(clip) - len(mix))
    mix = mix.overlay(clip, position=start)
mix.export("narration.wav", format="wav")

Ejecuta python make_audio.py y, después, codifica el resultado como archivo AAC con ffmpeg -i narration.wav -c:a aac -b:a 128k -f adts narration.aac. El script deja los archivos WAV temporales de cada intervención en la carpeta de trabajo.

Calidad y compatibilidad

SRT no contiene voces grabadas, así que la voz TTS seleccionada determina la pronunciación, el acento y la calidad vocal. El habla puede prolongarse más allá del tiempo final de un subtítulo. El script conserva los tiempos de inicio de cada intervención y superpone el audio si estas coinciden, pero no acorta el habla para que encaje en el tiempo de cada una. Una tasa de bits AAC de 128 kbit/s es un punto de partida práctico para la narración hablada; usa una tasa más alta si el audio de salida también contiene música u otros sonidos con muchos detalles.