Sottotitoli automatici con l’intelligenza artificiale: guida completa

Un video senza sottotitoli perde una parte del pubblico prima ancora di iniziare: chi guarda dal telefono in treno, chi ha difficoltà di udito, chi non parla bene la tua lingua. Fino a pochi anni fa sottotitolare voleva dire passare ore a trascrivere e sincronizzare a mano ogni battuta. Oggi l’intelligenza artificiale ti consegna una prima versione in pochi minuti.

La parola importante, però, è prima. In questa guida vedi come funzionano i sottotitoli automatici con l’intelligenza artificiale, quali strumenti usare in base al tipo di video, come correggere il risultato e quali regole di leggibilità seguire perché il lavoro finale sembri quello di un professionista e non una trascrizione grezza incollata sullo schermo.

Cosa sono i sottotitoli automatici con l’intelligenza artificiale

I sottotitoli automatici sono testi sincronizzati con l’audio di un video, generati da un software che ascolta il parlato, lo trascrive e lo divide in blocchi con un tempo di entrata e uno di uscita.

Il lavoro che prima richiedeva un sottotitolatore per l’intero processo oggi viene svolto dalla macchina nella sua parte più ripetitiva, mentre alla persona resta il controllo della qualità.

Il risultato può presentarsi in due modi diversi, e capire la differenza ti evita parecchi errori di pubblicazione. Prima di scegliere uno strumento conviene quindi chiarire un paio di termini che spesso vengono usati come sinonimi anche quando non lo sono.

Sottotitoli, closed caption e SDH non sono la stessa cosa

I sottotitoli in senso stretto riportano ciò che viene detto e sono pensati per chi sente l’audio ma non capisce la lingua, oppure non può ascoltare in quel momento. Le closed caption e gli SDH, sigla di Subtitles for the Deaf and Hard of hearing, aggiungono anche le informazioni sonore: chi sta parlando, una risata, una porta che sbatte, la musica di sottofondo.

Le linee guida internazionali per l’accessibilità del web, le WCAG, definiscono proprio così le didascalie: un’alternativa sincronizzata che copre sia il parlato sia le informazioni non verbali necessarie a capire il contenuto.

La maggior parte degli strumenti automatici produce solo la prima categoria. Se ti servono sottotitoli davvero accessibili, gli effetti sonori e l’identificazione di chi parla vanno quasi sempre aggiunti o rivisti a mano.

Sottotitoli incorporati o file separato

Esistono due modalità di consegna. I sottotitoli incorporati, detti anche hard-coded o burned-in, vengono impressi nell’immagine: si vedono ovunque, su qualsiasi lettore, ma non si possono disattivare, correggere dopo l’esportazione o cercare come testo. Sono la scelta tipica per i video verticali dei social, dove la grafica delle scritte fa parte dello stile.

I sottotitoli separati vivono invece in un file a parte, il più diffuso dei quali è l’SRT. Lo spettatore può attivarli o spegnerli, puoi caricarne uno per ogni lingua e puoi correggere un refuso senza esportare di nuovo il video.

Per YouTube, corsi online e video aziendali di solito è l’opzione migliore.

Un file SRT è un semplice documento di testo. Ogni blocco contiene un numero progressivo, il tempo di inizio e di fine nel formato 00:00:01,000 --> 00:00:04,000 e una o due righe di testo.

Puoi aprirlo con il Blocco note: questo significa che puoi anche correggerlo o farlo controllare da un collega senza alcun software specifico.

Il formato WebVTT, con estensione .vtt, è il parente pensato per il web. La logica è la stessa, ma aggiunge un’intestazione iniziale, usa il punto al posto della virgola nei tempi e consente qualche opzione di posizione e stile.

Come funziona la generazione automatica dei sottotitoli

Dietro il pulsante che dice “genera sottotitoli” ci sono tre passaggi distinti. Il primo è il riconoscimento del parlato: un modello di deep learning ascolta l’audio e lo trasforma in testo, assegnando un tempo a parole o frammenti di frase. È la stessa tecnologia che trovi spiegata nella guida al riconoscimento vocale e che alimenta assistenti e dettatura.

Il secondo passaggio è la punteggiatura. I modelli recenti la inseriscono da soli, insieme alle maiuscole, sfruttando il contesto della frase. Il terzo è la segmentazione, cioè la divisione del testo in blocchi leggibili: il software decide dove andare a capo e quanto far restare ogni blocco sullo schermo, seguendo limiti di caratteri e durata che spesso puoi impostare.

Il punto debole, quasi sempre, è proprio l’ultimo.

Il riconoscimento può essere quasi perfetto e i sottotitoli risultare comunque faticosi da leggere, perché il taglio spezza le frasi nel posto sbagliato o la battuta scorre troppo in fretta. Quando valuti uno strumento, quindi, guarda anche come impagina il testo e non solo quante parole azzecca.

Quanto sono precisi davvero

Le pagine commerciali promettono spesso accuratezze superiori al 95%, ma sono cifre dichiarate da produttori e guide di settore, non misure indipendenti, e valgono in condizioni favorevoli: una sola voce, chiara, senza rumore di fondo. Con audio registrato all’aperto o con più persone che si sovrappongono la qualità cala in modo sensibile.

La regola pratica è semplice: la precisione dipende più dall’audio che dallo strumento. La stessa YouTube avverte che i sottotitoli automatici possono travisare il parlato, in particolare in presenza di accenti, dialetti, pronunce incerte o rumore. Un buon microfono ti fa risparmiare più tempo di qualunque abbonamento.

Perché vale la pena sottotitolare i tuoi video

La prima ragione è l’accessibilità. Per chi è sordo o ipoudente, i sottotitoli non sono un extra ma la condizione per fruire del contenuto. Se il video è pubblicato sul sito di un’organizzazione o all’interno di un servizio digitale, inoltre, conviene verificare quali obblighi si applichino al tuo caso: le WCAG richiedono le didascalie per i contenuti preregistrati già al livello base, e lo European Accessibility Act, in vigore dal giugno 2025, ha esteso i requisiti di accessibilità a diversi prodotti e servizi destinati ai consumatori.

La seconda ragione è il modo in cui si guardano i video. Una ricerca di Verizon Media e Publicis Media del 2019, condotta sui consumatori statunitensi, indicava che il 92% guardava i video da mobile con l’audio spento e che l’80% era più propenso a seguirli fino in fondo se c’erano i sottotitoli.

Sono dati americani e non recentissimi, quindi prendili come indicazione di tendenza, ma la direzione è chiara.

La terza ragione riguarda la scoperta dei contenuti. Un testo inciso nell’immagine non è testo vero per un motore di ricerca, mentre un file di sottotitoli o una trascrizione pubblicata nella pagina lo sono. Pubblicare la trascrizione sotto al video è un’abitudine semplice che rende il contenuto più facile da leggere, citare e riutilizzare.

C’è infine un vantaggio che si nota meno: una volta che hai un testo pulito e sincronizzato, hai la materia prima per articoli, post, newsletter e traduzioni in altre lingue.

Gli strumenti per i sottotitoli automatici, divisi per esigenza

Il mercato offre decine di servizi con funzioni simili e prezzi che cambiano spesso. Più che inseguire una classifica, conviene ragionare per famiglie, partendo da dove nasce e dove finisce il tuo video. Controlla sempre piano e limiti al momento dell’uso, perché le funzioni incluse variano nel tempo.

YouTube Studio, il punto di partenza gratuito

Se pubblichi su YouTube hai già uno strumento pronto. La piattaforma genera sottotitoli automatici anche in italiano, sia per i video lunghi sia per gli Shorts. I tempi dipendono dalla complessità dell’audio, quindi potresti non trovarli subito dopo il caricamento.

Dalla sezione Sottotitoli di YouTube Studio puoi rivedere il testo e correggere ciò che non va.

Lo stesso pannello offre altre due strade. Con il caricamento di un file aggiungi un SRT o un altro formato supportato, con o senza tempi. Con la sincronizzazione automatica incolli invece una trascrizione già corretta e lasci a YouTube il compito di allinearla al video, soluzione comoda se il testo l’hai già. Google la sconsiglia però per video oltre l’ora o con audio scadente.

Occhio ai casi in cui la generazione può non partire: lingua non supportata, audio di bassa qualità, lunghi silenzi all’inizio, più persone che parlano sopra le altre.

Gli editor video con sottotitoli integrati

Se monti i video in prima persona, conviene generare i sottotitoli direttamente dove lavori, così testo e immagini restano allineati anche quando cambi il montaggio. Se ti interessa il quadro generale, trovi le altre funzioni nella guida al montaggio video con l’intelligenza artificiale.

Adobe Premiere Pro trascrive la sequenza dal pannello Testo, ti lascia correggere la trascrizione e poi la trasforma in didascalie impostando lunghezza delle righe, numero di righe e durata.

È pensato per chi lavora già nell’ecosistema Creative Cloud e consente di esportare sia il video con le scritte impresse sia i file di testo.

DaVinci Resolve offre la generazione di sottotitoli dall’audio, ma solo nella versione Studio a pagamento: la versione gratuita gestisce l’importazione e la modifica manuale, non la creazione automatica. Se usi la versione gratuita puoi produrre un SRT con un altro strumento e importarlo nella timeline.

CapCut è molto usato per i contenuti social grazie ai sottotitoli automatici e ai modelli grafici animati, sia su mobile sia su desktop. Di base imprime il testo nel video. Per l’esportazione dell’SRT e per alcuni effetti verifica cosa prevede il tuo piano.

I servizi online dedicati

Piattaforme come HappyScribe, Sonix, VEED, Kapwing e Descript funzionano dal browser: carichi il file, ottieni la trascrizione, la correggi in un editor di testo e scarichi i sottotitoli nel formato che preferisci.

Sono adatte a chi non monta in prima persona o riceve i video già finiti, per esempio un ufficio marketing o un formatore.

Di solito il prezzo dipende dai minuti elaborati. Fai una prova sul tuo materiale reale, con un video che contenga il tuo gergo e i nomi che usi di solito: un test di due minuti ti dice più di qualsiasi recensione. Alcuni di questi servizi offrono anche la revisione umana, utile quando l’errore costa caro.

Whisper in locale, per chi vuole pieno controllo

Whisper è il modello di riconoscimento vocale rilasciato da OpenAI in forma open source, e costituisce la base di molti prodotti commerciali. Puoi eseguirlo sul tuo computer senza inviare i file a nessuno. La versione originale scrive direttamente file SRT, e whisper.cpp fa lo stesso senza bisogno di Python, anche su processori Apple.

Le varianti ti permettono di bilanciare velocità e memoria: faster-whisper consuma meno risorse, WhisperX aggiunge un allineamento più preciso delle parole e la separazione delle voci, utile per interviste e podcast.

Esistono anche programmi con interfaccia grafica, come Subtitle Edit, che integrano questi motori per chi non vuole aprire il terminale.

Il limite è l’hardware. Sulla sola CPU conviene usare i modelli più piccoli e l’elaborazione può essere lenta, mentre per i modelli più grandi serve una scheda grafica adeguata. In cambio non paghi nulla a minuto e il materiale resta sul tuo computer.

Come creare sottotitoli automatici passo dopo passo

Lo strumento cambia, ma il metodo resta lo stesso. Un flusso ordinato ti evita di correggere gli stessi errori due volte, soprattutto se produci video con regolarità.

1. Pulisci l’audio prima di tutto: livella il volume e riduci il rumore. È il passaggio che incide di più sulla qualità finale.
2. Chiudi il montaggio. Se tagli scene dopo la generazione, i tempi si spostano e dovrai rimettere mano ai sottotitoli.
3. Genera la trascrizione indicando in modo esplicito la lingua, senza affidarti al rilevamento automatico. Se lo strumento lo consente, aggiungi un glossario con nomi e termini tecnici.
4. Correggi il testo: nomi propri, numeri, sigle, punteggiatura. Fallo ascoltando l’audio, non solo leggendo.
5. Sistema tagli e tempi seguendo le regole di leggibilità del prossimo capitolo.
6. Scegli lo stile, se i sottotitoli sono impressi: font leggibile, buon contrasto, posizione che non copra volti o interfacce della piattaforma.
7. Esporta nel formato giusto e guarda il video finale dall’inizio alla fine, possibilmente anche da telefono.

Conserva sempre il file di testo corretto, anche se pubblichi il video con le scritte impresse. Ti servirà per le traduzioni e per il riuso del contenuto.

Le regole di leggibilità che fanno la differenza

La differenza tra sottotitoli amatoriali e professionali si vede soprattutto nel ritmo. Un riferimento pubblico molto utile è la guida di stile di Netflix per i sottotitoli in italiano, che fissa regole concrete anche se non produci serie TV.

Per i programmi per adulti indica un massimo di 42 caratteri per riga e due righe per sottotitolo, con una velocità di lettura fino a 17 caratteri al secondo, che scende a 13 per i contenuti per bambini. Nelle indicazioni generali sui sottotitoli la durata va da un minimo di cinque sesti di secondo a un massimo di 7 secondi per blocco.

In pratica: una frase di 34 caratteri dovrebbe restare sullo schermo almeno due secondi.

Il testo resta su una riga, se ci sta. Quando servono due righe, la guida suggerisce di preferire la forma a piramide, con la riga inferiore più lunga, evitando di lasciare in alto una o due parole sole. Se in un blocco parlano due persone, ciascuna occupa una riga, introdotta da un trattino seguito da uno spazio.

Il taglio deve seguire la logica della frase: non separare l’articolo dal nome o l’ausiliare dal verbo. Se il parlato è troppo veloce, non è un delitto condensare: togliere intercalari e ripetizioni rende il testo più chiaro.

Attenzione solo a farlo in modo coerente quando serve una trascrizione fedele, per esempio per video istituzionali o legali.

Per i video verticali lo spazio è poco. Mantieni blocchi più corti, spesso bastano poche parole alla volta, e controlla che le scritte non finiscano sotto i pulsanti dell’app.

Gli errori tipici dell’AI con l’italiano

I modelli di trascrizione sono migliorati molto, ma l’italiano ha le sue trappole, e conoscerle ti fa correggere più in fretta. Le omofonie sono la prima: “a” e “ha”, “o” e “ho”, “e” ed “è” si pronunciano allo stesso modo, e la macchina sceglie in base al contesto, a volte sbagliando.

Non basta scorrere il testo, bisogna proprio cercarle.

I nomi propri e i marchi sono il secondo punto debole. Cognomi, aziende, prodotti e località vengono spesso trascritti in modo fantasioso, e quando il software trova un nome sconosciuto tende a sostituirlo con una parola simile che esiste. Gli anglicismi tecnici soffrono dello stesso problema, specie se pronunciati all’italiana.

Occhio poi ai numeri, perché un errore su una cifra o su una data è più grave di un refuso: controlla sempre importi, percentuali e anni. Gli accenti regionali e il dialetto, invece, restano il terreno più difficile.

Esiste infine un fenomeno più insidioso: le allucinazioni. Durante silenzi, musica o rumore, Whisper e modelli simili possono scrivere frasi mai pronunciate, a volte formule tipiche dei titoli di coda o dei crediti dei sottotitolatori, residuo dei dati su cui sono stati addestrati.

Se noti del testo dove nessuno parla, cancellalo.

Come tradurre i sottotitoli in altre lingue

Una volta corretta la versione originale, tradurla è il passaggio che dà più rendimento al minimo sforzo. Molti strumenti lo fanno con un clic, ma puoi anche prendere il tuo SRT e passarlo a un traduttore automatico o a un chatbot, chiedendo esplicitamente di non toccare numeri progressivi e tempi. Trovi metodi e limiti nella guida su come tradurre con l’intelligenza artificiale.

Fai attenzione a una cosa: la traduzione può allungare il testo, e un blocco leggibile in inglese può diventare troppo lungo in italiano o in tedesco. Dopo la traduzione rileggi tutto e controlla la velocità di lettura.

Anche la funzione di traduzione integrata in Whisper ha un limite preciso: converte verso l’inglese, non verso altre lingue.

Se poi vuoi che il pubblico ascolti il video nella propria lingua, il passo successivo è il doppiaggio con l’intelligenza artificiale. Una trascrizione corretta è anche la base migliore da cui partire.

Privacy, diritti e limiti da conoscere

Quando carichi un video su un servizio online, stai affidando a terzi anche le voci e i contenuti che contiene. Per riunioni interne, interviste riservate, materiale di clienti o dati sanitari, leggi l’informativa del servizio: come tratta i file, per quanto tempo li conserva e se li usa per addestrare i modelli. In ambito aziendale il GDPR richiede attenzione, e la soluzione in locale con Whisper elimina gran parte del problema alla radice.

Il secondo tema sono i diritti. Sottotitolare e tradurre un video di cui non possiedi i diritti, per poi ripubblicarlo, non diventa lecito solo perché lo ha fatto un software. Usa queste tecniche sui tuoi contenuti o su materiale per cui hai l’autorizzazione.

Per contesti delicati come medicina, diritto o comunicazioni ufficiali, il controllo di una persona competente resta indispensabile. Un errore nei sottotitoli, in questi casi, non è solo brutto da vedere: può cambiare il senso di un’informazione.

Quale soluzione scegliere in base al tuo caso

Se pubblichi principalmente su YouTube, parti dai sottotitoli della piattaforma e dedica il tempo alla correzione: non pagare nulla finché non hai un motivo preciso. Se fai video brevi per i social, un editor come CapCut ti dà subito il risultato grafico che ti serve.

Se monti professionalmente, usa la funzione integrata nel tuo editor per non spezzare il flusso di lavoro. Se gestisci molti video già finiti, oppure lavori in team, un servizio online dedicato ti farà risparmiare tempo grazie all’editor condiviso e alle esportazioni multiple. Se tratti materiale riservato o produci grandi volumi e hai un computer adatto, Whisper in locale è difficile da battere.

Nessuna di queste strade ti esonera dal controllo finale.

Conclusioni

I sottotitoli automatici con l’intelligenza artificiale hanno tolto di mezzo la parte più noiosa del lavoro, non la responsabilità del risultato. La qualità nasce da tre cose: un audio pulito, una revisione attenta e il rispetto di poche regole di leggibilità.

Con questo metodo, un’attività che richiedeva ore si riduce a una revisione che puoi inserire nella tua routine di pubblicazione.

Prova oggi stesso: prendi il tuo ultimo video, genera i sottotitoli con lo strumento che hai già a disposizione e applica la regola dei 42 caratteri e dei 17 caratteri al secondo. Poi guardalo con l’audio spento: se capisci tutto senza fatica, hai fatto un buon lavoro. E se vuoi continuare, scegli una lingua in più e porta lo stesso video a un nuovo pubblico.

Newsletter gratuita · ogni venerdì

Tutta l'AI della settimana, in 5 minuti, nella tua email

• Le guide e le notizie della settimana, divise per rubrica
• Solo ciò che conta, verificato e spiegato in italiano
• Niente spam, ti cancelli con un clic

La tua email Iscriviti gratis

Ho letto l'informativa privacy e voglio ricevere la newsletter.

Preferisci i social? Seguici:

Seguici su Facebook X LinkedIn