Il mio video o audio viene caricato?

No. Il file viene decodificato e trascritto nel tuo browser. Solo il modello vocale open source Whisper viene scaricato da Hugging Face la prima volta e poi conservato sul dispositivo.

Quali lingue sono supportate?

Whisper riconosce oltre 90 lingue, tra cui italiano, inglese, tedesco, francese, giapponese e coreano. Può anche tradurre il parlato di queste lingue in sottotitoli inglesi.

Quanto tempo ci vuole?

Dipende dal dispositivo. Con una GPU (WebGPU) un file di 10 minuti richiede in genere uno o due minuti; con la sola CPU può richiedere più volte la durata dell'audio. Veloce è più rapido, Preciso fa meno errori.

Che differenza c'è tra SRT e VTT?

Sono entrambi file di sottotitoli con tempi. SRT è il più supportato (VLC, Premiere, YouTube). VTT è lo standard web per i video HTML5 e la maggior parte dei player online.

Estrarre sottotitoli da MP4 e MP3 – trascrizione IA gratis (SRT, VTT)

Come creare sottotitoli da un video

Trascina un file audio o video (MP3, MP4, M4A, WAV, WebM) nel riquadro.
Scegli la lingua parlata (di default quella di questa pagina). Per audio difficili scegli "Preciso".
Fai clic su Avvia. La prima volta il modello vocale viene scaricato una sola volta; poi parte subito.
Controlla il testo e scarica SRT per i lettori video, VTT per il web o TXT come trascrizione.

Formati di sottotitoli a confronto

Formato	Ideale per	Esempio di riga temporale
SRT	Lettori video e montaggio (VLC, Premiere, caricamento su YouTube)	00:00:01,000 --> 00:00:03,500
VTT	Video web (HTML5 <track>), player online	00:00:01.000 --> 00:00:03.500
TXT	Trascrizioni, appunti, articoli di blog	—

Domande frequenti

Q. Il mio video o audio viene caricato?: No. Il file viene decodificato e trascritto nel tuo browser. Solo il modello vocale open source Whisper viene scaricato da Hugging Face la prima volta e poi conservato sul dispositivo.
Q. Quali lingue sono supportate?: Whisper riconosce oltre 90 lingue, tra cui italiano, inglese, tedesco, francese, giapponese e coreano. Può anche tradurre il parlato di queste lingue in sottotitoli inglesi.
Q. Quanto tempo ci vuole?: Dipende dal dispositivo. Con una GPU (WebGPU) un file di 10 minuti richiede in genere uno o due minuti; con la sola CPU può richiedere più volte la durata dell'audio. Veloce è più rapido, Preciso fa meno errori.
Q. Che differenza c'è tra SRT e VTT?: Sono entrambi file di sottotitoli con tempi. SRT è il più supportato (VLC, Premiere, YouTube). VTT è lo standard web per i video HTML5 e la maggior parte dei player online.

Strumenti correlati

Ultimo aggiornamento: 14 novembre 2026