CapiCap entiende 99+ idiomas: inglés, español, hindi y árabe, pero también galés, suajili y tagalo. Veinte idiomas europeos van a un modelo más rápido, y el bengalí y el persa tienen modelos propios. Elige el modelo según el idioma, y todos los idiomas funcionan sin conexión una vez que su modelo está en tu dispositivo. La lista completa está más abajo.
Qué modelo de voz escribe los subtítulos
El modelo no lo eliges tú; lo decide el idioma. La mayoría de los idiomas van al modelo estándar. Estos 20 van al modelo rápido: alemán, búlgaro, checo, croata, danés, eslovaco, esloveno, español, estonio, francés, húngaro, inglés, italiano, letón, lituano, maltés, neerlandés, portugués, ruso y ucraniano. Acerca de CapiCap los muestra como Modelo rápido y Modelo estándar.
El modelo rápido es muchas veces más rápido que el estándar. En FLEURS, el conjunto público de grabaciones de prueba de Google, también cometió menos errores en la mayoría de esos 20 idiomas, y en español, italiano, portugués y húngaro los dos quedaron más o menos igual. Conoce cinco idiomas más, griego, sueco, rumano, finés y polaco, pero el modelo estándar los escribe mejor, así que se quedan con él.
El bengalí y el persa tienen cada uno un modelo entrenado para ese idioma, porque el modelo estándar no los escribe lo bastante bien. Cada uno se descarga la primera vez que subtitulas un video en ese idioma, unos 580 MB el del bengalí y 640 MB el del persa.
Cómo elige el idioma
No hace falta que se lo digas. Antes de transcribir, CapiCap escucha hasta tres fragmentos de 30 segundos del video (el principio, el medio y el final), se queda con el idioma que oyó en la mayoría y transcribe todo el video en ese idioma. Cuando no está seguro, pregunta antes de transcribir: ¿Qué idioma se habla?, con el idioma que oyó y los idiomas de tu dispositivo como botones, y Otro idioma… para el resto.
Si sabes el idioma, elegirlo tú evita tener que adivinar. Mientras transcribe, el botón del idioma debajo de la barra de progreso dice Detectando idioma…, y luego Detectado: y el idioma; tócalo, elige otro y la transcripción vuelve a empezar. Más tarde, en el editor, toca el botón del idioma al pie de la lista de subtítulos, elige el idioma y toca Volver a transcribir. Eso regenera los subtítulos a partir del video, así que se pierden los cambios que les hayas hecho.
La lista Idioma muestra primero los idiomas de tu dispositivo, en Sugeridos. Su búsqueda encuentra un idioma por su nombre en el idioma de tu dispositivo, por su nombre en el propio idioma o por su código, así que “English” encuentra el inglés en un dispositivo configurado en español.
Su precisión
El modelo estándar aprendió cada idioma con una cantidad distinta de voz grabada, así que funciona mejor con idiomas muy hablados como el inglés, el español o el alemán, y peor con idiomas de los que tuvo pocos datos de entrenamiento. Con un idioma menos común, elígelo tú en lugar de confiar en la detección, y lee los subtítulos de principio a fin antes de exportar. Todos los subtítulos se pueden editar.
La grabación importa tanto como el idioma. Una voz clara cerca del micrófono necesita menos correcciones; la música, la gente hablando a la vez y el viento causan la mayoría de los errores.
Otros sistemas de escritura
Los subtítulos en árabe, hebreo, persa, urdu, pastún, sindi y yidis se escriben de derecha a izquierda, en la vista previa y en la exportación. La posición Lejos de los botones, que mantiene los subtítulos fuera de los botones de me gusta y compartir de las apps de videos cortos, pasa al otro lado en esos idiomas.
El chino y el japonés no ponen espacios entre palabras, y el modelo estándar entrega sus palabras a trozos. CapiCap vuelve a unir los trozos en palabras con la segmentación de palabras de Apple, así que los subtítulos se dividen entre palabras, y las líneas se cortan entre frases y donde el hablante hizo una pausa, no entre dos caracteres cualesquiera. Cuando no cabe ningún corte entre frases, las líneas se equilibran. Los subtítulos en chino se cortan en frases del tamaño de una cláusula, sincronizadas con el habla.
El vietnamita pone un espacio entre sílabas, no entre palabras, así que CapiCap mantiene juntas sus palabras de dos sílabas y sus expresiones fijas, y no termina un subtítulo en medio de una. Los subtítulos en indonesio, malayo y bengalí mantienen las palabras pequeñas con la frase a la que pertenecen, como un না bengalí con el verbo que niega.
En todos los idiomas, la puntuación de cierre nunca empieza un subtítulo: ni 、 o 。, ni el signo de interrogación árabe ؟, ni el punto del hindi ।.
En las escrituras latina, griega y cirílica, una palabra demasiado larga para su línea se corta con un guion en los puntos de separación silábica de ese idioma, así que los compuestos largos del alemán y las palabras rusas siguen cabiendo. El guion solo se dibuja en el video; el texto del subtítulo y el .srt mantienen la palabra entera.
Lo que no hace
No traduce: los subtítulos, y el .srt, están en el idioma que se habla en el video. Transcribe todo el video en un solo idioma, así que en un video que cambia de idioma, las partes en el otro habrá que corregirlas a mano. Y no indica quién está hablando.
La lista completa
Ordenada por el nombre en español. La segunda columna es el nombre en el propio idioma, como lo muestra la lista Idioma de la app debajo de cada nombre.
| Idioma | En el propio idioma |
|---|---|
| Afrikáans | Afrikaans |
| Albanés | shqip |
| Alemán | Deutsch |
| Amárico | አማርኛ |
| Árabe | العربية |
| Armenio | հայերեն |
| Asamés | অসমীয়া |
| Azerbaiyano | azərbaycan |
| Baskir | башҡорт |
| Bengalí (bangla) | বাংলা |
| Bielorruso | беларуская |
| Birmano | မြန်မာ |
| Bosnio | bosanski |
| Bretón | brezhoneg |
| Búlgaro | български |
| Canarés | ಕನ್ನಡ |
| Cantonés | 廣東話 |
| Catalán | català |
| Checo | čeština |
| Chino | 中文 |
| Cingalés | සිංහල |
| Coreano | 한국어 |
| Criollo haitiano | Kreyòl Ayisyen |
| Croata | hrvatski |
| Danés | dansk |
| Eslovaco | slovenčina |
| Esloveno | slovenščina |
| Español | español |
| Estonio | eesti |
| Euskera | euskara |
| Feroés | føroyskt |
| Finés | suomi |
| Francés | français |
| Galés | Cymraeg |
| Gallego | galego |
| Georgiano | ქართული |
| Griego | Ελληνικά |
| Guyaratí | ગુજરાતી |
| Hausa | Hausa |
| Hawaiano | ʻŌlelo Hawaiʻi |
| Hebreo | עברית |
| Hindi | हिन्दी |
| Húngaro | magyar |
| Indonesio | Indonesia |
| Inglés | English |
| Islandés | íslenska |
| Italiano | italiano |
| Japonés | 日本語 |
| Javanés | Jawa |
| Jemer | ខ្មែរ |
| Kazajo | қазақ тілі |
| Lao | ລາວ |
| Latín | — |
| Letón | latviešu |
| Lingala | lingála |
| Lituano | lietuvių |
| Luxemburgués | Lëtzebuergesch |
| Macedonio | македонски |
| Malayálam | മലയാളം |
| Malayo | Bahasa Melayu |
| Malgache | Malagasy |
| Maltés | Malti |
| Maorí | Māori |
| Maratí | मराठी |
| Mongol | монгол |
| Neerlandés | Nederlands |
| Nepalí | नेपाली |
| Noruego | norsk |
| Noruego nynorsk | norsk nynorsk |
| Occitano | occitan |
| Panyabí | ਪੰਜਾਬੀ |
| Pastún | پښتو |
| Persa | فارسی |
| Polaco | polski |
| Portugués | português |
| Rumano | română |
| Ruso | русский |
| Sánscrito | संस्कृत भाषा |
| Serbio | српски |
| Shona | chiShona |
| Sindi | سنڌي |
| Somalí | Soomaali |
| Suajili | Kiswahili |
| Sueco | svenska |
| Sundanés | Basa Sunda |
| Tagalo | Tagalog |
| Tailandés | ไทย |
| Tamil | தமிழ் |
| Tártaro | татар |
| Tayiko | тоҷикӣ |
| Telugu | తెలుగు |
| Tibetano | བོད་སྐད་ |
| Turco | Türkçe |
| Turcomano | türkmen dili |
| Ucraniano | українська |
| Urdu | اردو |
| Uzbeko | o‘zbek |
| Vietnamita | Tiếng Việt |
| Yidis | ייִדיש |
| Yoruba | Èdè Yorùbá |