Автоматические субтитры к видео: как сделать онлайн и где ломается

Субтитры к видео нужны по трём разным поводам: ролик смотрят без звука в транспорте и в очереди, часть зрителей плохо слышит, а часть просто не разбирает речь на слух. Набивать текст руками долго: дословно записать речь минутного ролика - до получаса, и это без расстановки времени, когда какая строка появляется. Автоматика эту часть закрывает, но результат почти всегда требует правки, и правка эта предсказуемая. Выбор сводится к тому, что должно оказаться у вас на руках к концу работы.

Автоматические субтитры к видео делаются тремя путями: встроенным редактором самой площадки перед публикацией, браузерным сервисом, который принимает файл и отдаёт готовый ролик с надписями, и связкой из расшифровки речи и любого редактора, где текст расставляется вручную. Распознавание речи во всех трёх случаях устроено одинаково, разница в том, что вы получаете на выходе: надписи внутри видео, файл субтитров или голый текст. Первый путь бесплатный, третий даёт полный контроль над разбивкой.

Если нужен именно текст, чтобы дальше разложить его по кадрам самому, самый короткий путь такой: вставьте адрес ролика Reels или TikTok в бесплатную транскрибацию по ссылке и заберите расшифровку.

Как сделать субтитры к видео онлайн: три способа и что каждый даёт

Сделать субтитры к видео онлайн можно тремя путями, и различаются они тем, что остаётся у вас на руках к концу работы. Разбивка строк, оформление надписей и возможность переиспользовать текст дальше зависят как раз от выбранного пути, поэтому выбирать стоит от результата, а не от удобства первого шага.

Ниже эти же три пути разложены по колонкам. Сильная сторона у каждого своя, и ни один не закрывает задачу целиком.

По данным разборов Klipix, реплик у одного ролика набирается немного: середина по нашему срезу - 6 реплик на ролик при середине длины ролика в 24,8 секунды (половина роликов выше этих чисел, половина ниже; среднее выше середины, его тянут вверх несколько длинных роликов). Речь идёт о репликах в смысле отрезков расшифровки, у каждого из которых есть своё начало и конец по времени: именно такой отрезок и становится кадром субтитров. Ручных работ здесь две, и по времени они разные: дословно записать речь минутного ролика на слух - до получаса, разложить готовый текст по таймингу и подогнать строки - примерно столько же. Расшифровка снимает первую половину целиком, а вторая на коротком ролике с шестью отрезками занимает заметно меньше, чем на минутной записи.

Почему автоматические субтитры приходится править

Автоматика режет речь по паузам говорящего, и длина отрезка получается случайной по отношению к тому, сколько текста зритель успевает прочитать. Отсюда берётся почти вся ручная правка. Распознавание слышит, где голос остановился, и закрывает отрезок. Пауза бывает после двух слов, а бывает после тридцати - модели всё равно, а зрителю нет.

Мы посчитали это по своей библиотеке. В срез разборов Klipix на 21 августа 2026 года попали 40 роликов с сохранённой расшифровкой по времени, у 27 из них есть речь, и вместе они дали 299 реплик. Библиотека пополняется, и на другую дату числа будут иными: в статье про транскрибацию видео онлайн тот же массив приведён на 20 августа, там роликов было 36.

Типичная реплика короткая: 2 секунды и 36 знаков ложатся в одну строку без всякой правки. Разброс при этом большой - 119 реплик из 299 в строку длиной 42 знака не помещаются, а 41 реплика не помещается и в две такие строки. Самый крайний случай среза - отрезок длиной 30 секунд: это уже целый абзац, и по нашему срезу он длиннее типичного ролика целиком.

Сколько текста человек успевает прочитать в кадре

Комфортная скорость чтения субтитров измеряется в знаках в секунду, и профессиональная норма тут давно посчитана: руководство Netflix по субтитрам держит потолок до 20 знаков в секунду для взрослой аудитории и до 17 для детской, длину строки до 42 знаков и максимум две строки на кадр. Норма писалась под кино и сериалы, где речь размеренная.

Речь в коротких роликах идёт быстрее. По нашему срезу середина темпа вышла 18 знаков в секунду, а 92 реплики из 299 идут быстрее 20 знаков в секунду, то есть выше киношного потолка для взрослой аудитории. Эти числа посчитаны по 299 репликам того же среза из 40 роликов, что и таблица выше.

В оформлении это видно сразу. Двухстрочный блок внизу кадра, привычный по фильмам, в коротком ролике часто не успевает прочитаться, и площадки решают это иначе: показывают одно-два слова крупно и меняют их в такт речи. Такую надпись не читают строкой - её схватывают взглядом целиком. Классическая двухстрочная разбивка остаётся уместной там, где речь спокойная: разбор, интервью, обучающий кусок с показом на экране.

Плотность речи в коротких роликах разобрана отдельно: сколько слов помещается в ролик разной длины, показано в материале про количество слов в рилсе.

Где ломается распознавание речи

Распознавание речи ошибается предсказуемо, и мест таких немного: фоновая музыка вровень с голосом, несколько говорящих одновременно, имена, названия брендов и профессиональные термины, а также запись с улицы, где ветер идёт поверх голоса. На чистой речи автоматика ошибается редко, и вычитка сводится к нескольким словам на ролик.

Отдельный случай - ролики, где речи нет совсем. В срезе разборов Klipix на 21 августа 2026 года 13 роликов из 40 обошлись без распознаваемого голоса: смысл в них несут музыка, монтаж и надписи, которые автор набрал заранее. Автоматическое распознавание в таком ролике вернёт пустую строку, и это не поломка сервиса. Текст для такого видео пишется заранее, как сценарий надписей: снимать его с дорожки не с чего.

Язык записи тоже влияет на результат: модели распознавания сильнее всего натренированы на самых распространённых языках, и на них ошибок заметно меньше. Как выбирают язык записи под саму задачу ролика - тема отдельной статьи про язык съёмки.

Порядок работы: от ролика до готовых надписей

1. Определите, где ролик будет жить

   Ролик под одну площадку проще собрать в её же редакторе: распознавание там бесплатное, стиль надписей штатный, а текст правится до публикации. Ролик, который пойдёт сразу в несколько мест, удобнее собрать отдельно и залить готовым - тогда надписи везде одинаковые.

2. Получите текст речи

   Текст берётся распознаванием: внутри редактора площадки, в браузерном сервисе или по ссылке на уже опубликованный ролик Reels либо TikTok. Расшифровка по ссылке занимает 20-30 секунд и не требует скачивать файл.

3. Вычитайте имена, названия и термины

   Пройдите по расшифровке и сверьте слова, которых нет в обиходной речи. Эту часть автоматика не закрывает: похожее по звучанию слово она подставит молча.

4. Разбейте длинные куски

   Найдите отрезки, где текст не помещается в одну строку примерно на 42 знака, и поделите их на два-три коротких. В типичном коротком ролике таких мест единицы: середина длины реплики по тому же срезу - 36 знаков, и большинство отрезков в строку укладывается.

5. Посмотрите ролик без звука целиком

   Включите готовое видео с выключенной громкостью и досмотрите до конца. Проверяется одно: успевает ли надпись прочитаться до того, как сменится, и не закрывает ли она лицо, руки или предмет в кадре.

Что здесь делает Klipix, а что нет

Klipix субтитры в видео не вшивает и файл субтитров не собирает - это работа монтажного редактора, и мы её не делаем. Наш инструмент транскрибации отдаёт текст речи по ссылке на ролик: бесплатная расшифровка принимает публичный адрес Reels или TikTok, распознаёт русский, английский и ещё девяносто с лишним языков и показывает текст через 20-30 секунд, без регистрации. Инструмент работает с Reels и TikTok. Для видео на YouTube отдельная расшифровка чаще всего не нужна: субтитры открываются прямо под плеером. Файлы и результат у себя не храним: расшифровка живёт два часа.

Тайминг инструмент вам не отдаёт: на выходе голый текст, который дальше расставляется по кадрам в редакторе руками.

Бесплатный путь без нас существует, и он рабочий: у площадок распознавание встроено, и для ролика, который выкладывается в одном месте, встроенных субтитров хватает полностью. Расшифровка по ссылке нужна в других случаях: когда текст нужен из чужого опубликованного ролика, когда своё видео уже выложено и файла под рукой нет, или когда из речи собирается ещё и пост, конспект или сценарий.

Нужны ли субтитры вашему ролику вообще - вопрос отдельный от того, как их сделать, и цифры по нему лежат в статье субтитры в рилс.

С чего начать

Начните с самого дешёвого варианта: включите распознавание в редакторе той площадки, куда ролик и пойдёт, и посмотрите, что получилось. Если надписи читаются и имена на месте, работа закончена. Если текст не влезает в строку или сервис путает слова, забирайте расшифровку отдельно и собирайте надписи сами - бесплатная транскрибация по ссылке отдаёт текст за 20-30 секунд.

Надписи в кадре закрывают понятность ролика без звука. Досматривание - соседняя величина, и держится она на видеоряде: что стоит в первые секунды и чем занят зритель дальше. Разложить этот слой можно самому, отматывая ролик по секундам и выписывая, где меняется картинка, а можно отдать ссылку в Klipix - он читает хук (первые 1-3 секунды ролика), структуру и удержание: разобрать ролик бесплатно. Первый разбор - без привязки карты.