Convertidor online gratuito de VTT a M4A

Un archivo VTT contiene subtítulos con marcas de tiempo, no sonido, así que no se puede convertir en una grabación de audio con solo cambiar el formato. Si un reproductor o dispositivo necesita un archivo M4A, la conversión puede generar una narración hablada a partir de los subtítulos.

Qué contiene un archivo VTT

WebVTT (.vtt) almacena texto de subtítulos, los tiempos de cada intervención e información opcional sobre el hablante o el formato. Los editores de vídeo, las herramientas de subtitulado y las plataformas de streaming crean o exportan archivos VTT; suelen proporcionarse junto con el vídeo cuando los subtítulos deben mostrarse por separado.

Para qué se usa M4A

M4A es un contenedor de archivos de audio que se usa habitualmente para sonido codificado en AAC. Es compatible con muchos teléfonos, reproductores multimedia y aplicaciones de edición. Como VTT no contiene ninguna pista de audio, un archivo M4A creado a partir de él contiene voz sintetizada, no sonido recuperado ni extraído.

Convertir los subtítulos a M4A

En línea en 101convert.com

1. Sube el archivo VTT en la página del convertidor. Puedes añadir varios archivos en un lote; la página indica el límite de tamaño por archivo.
2. Antes de convertir, elige el idioma de la voz, la velocidad de lectura y las opciones de sincronización de los subtítulos según sea necesario.
3. Inicia la conversión y descarga el archivo M4A resultante.

Sin conexión con herramientas de escritorio

Para trabajar sin conexión, usa el paquete de Python de código abierto webvtt-py para extraer el texto de los subtítulos, eSpeak NG para sintetizar la voz y FFmpeg para codificar el audio como M4A. Estas herramientas están disponibles para Linux, Windows y macOS.

1. Instala Python, eSpeak NG y FFmpeg; luego instala el analizador de VTT: python -m pip install webvtt-py.
2. Guarda este script como make_text.py en la misma carpeta que captions.vtt. Une las intervenciones en el orden en que aparecen en el archivo y elimina las etiquetas en línea sencillas.

import html
import re
from pathlib import Path
import webvtt

cues = webvtt.read("captions.vtt")
lines = []
for cue in cues:
    text = re.sub(r"<[^>]*>", "", cue.text)
    lines.append(html.unescape(text.replace("\n", " ")))
Path("narration.txt").write_text("\n".join(lines), encoding="utf-8")

3. Ejecuta el script, sintetiza la voz en WAV y luego codifícala como AAC en un contenedor M4A:

python make_text.py
espeak-ng -v en -s 160 -f narration.txt -w narration.wav
ffmpeg -i narration.wav -c:a aac -b:a 128k narrated.m4a

Sustituye en por un código de voz de eSpeak NG disponible en tu sistema. Este flujo de trabajo básico lee las intervenciones en orden; no conserva sus marcas de tiempo originales.

Calidad y sincronización

El sonido del archivo M4A depende de la voz sintetizada seleccionada y de la tasa de bits AAC; aumentarla no hace que la voz suene más natural. La sincronización de las intervenciones solo es relevante si la herramienta de conversión la usa para programar el habla; en los comandos sin conexión anteriores, los subtítulos se convierten en una narración continua.