---
title: "Subtítulos SRT en árabe desde una API de voz a texto"
description: "Qué necesita un archivo SRT, qué APIs de voz a texto devuelven marcas de tiempo o SRT para árabe y un pipeline probado que crea subtítulos con una API solo de texto."
url: https://broadrouter.com/es/blog/arabic-subtitles-srt-api/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/arabic-subtitles-srt-api/) (actualizado el 2026-11-16).

# Subtítulos en árabe (SRT) desde una API de voz a texto: qué necesita

Por el equipo de BroadNet Inference · 7 min de lectura · Publicado 2026-11-15 · Actualizado 2026-11-16

Un archivo SRT necesita texto más una hora de inicio y fin para cada subtítulo. Las APIs con marcas de tiempo por palabra o segmento, o con exportación directa a SRT, dan el mejor tiempo. BroadNet Transcribe Arabic devuelve solo texto, así que divida el audio en las pausas, transcriba cada fragmento y calcule los tiempos a partir de sus desfases. Sirve para charlas y podcasts, no para subtítulos de cine con precisión de fotograma.

## Puntos clave

-   SRT es una lista numerada de subtítulos, cada uno con una línea hh:mm:ss,mmm --> hh:mm:ss,mmm. La Biblioteca del Congreso señala que no tiene especificación formal ni estándar de codificación de caracteres.
-   La respuesta de transcripción documentada de BroadNet es solo {"text": ...}: sin marcas de tiempo, sin segmentos y sin salida SRT.
-   OpenAI documenta SRT y marcas de tiempo por palabra solo en whisper-1, cuyo cierre fija para el 26 de febrero de 2027. AssemblyAI y Speechmatics documentan exportación a SRT; Deepgram y ElevenLabs documentan marcas de tiempo por palabra.
-   La guía de Netflix para árabe fija 42 caracteres por línea, dos líneas y hasta 20 caracteres por segundo en programas para adultos; su guía general limita cada subtítulo a 7 segundos.
-   El tiempo por fragmento solo es tan preciso como sus pausas. Dentro de un fragmento, los tiempos de los subtítulos se estiman por la longitud del texto.

**En esta página**

1.  ¿Qué necesita un archivo SRT?
2.  ¿Qué longitud debe tener una línea de subtítulo en árabe?
3.  ¿Qué APIs de voz a texto documentan marcas de tiempo o SRT?
4.  ¿Cómo se crean subtítulos con una API solo de texto?
5.  El pipeline en Python
6.  ¿Qué tan preciso es el tiempo por fragmento?
7.  ¿Cuánto cuesta y qué tan rápido es?
8.  Dónde encaja BroadNet Inference

Los subtítulos son texto con tiempos asociados. La mayor parte del trabajo en un pipeline de subtítulos en árabe es obtener esos tiempos. Algunas APIs de voz a texto se los entregan como marcas de tiempo por palabra o como un archivo SRT terminado. Otras, incluida BroadNet Inference, devuelven solo el texto de la transcripción. Este artículo explica qué necesita un archivo SRT, qué proveedores documentan marcas de tiempo y cómo crear subtítulos en árabe utilizables con una API solo de texto, con los límites expuestos con claridad.

BroadRouter es el sitio de BroadNet. Si necesita tiempos con precisión de fotograma, la respuesta honesta, más abajo, es un proveedor con marcas de tiempo por palabra, no BroadNet.

## ¿Qué necesita un archivo SRT?

Un archivo SRT (SubRip) es texto plano. Cada subtítulo tiene cuatro partes: un número, una línea de tiempo, una o dos líneas de texto y una línea en blanco.

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص وكيف
نصنع ملف ترجمة مصاحبة
```

La descripción del formato de la Biblioteca del Congreso da el formato de tiempo como horas:minutos:segundos,milisegundos y la flecha como dos guiones y un signo “mayor que”. También dice que SRT “not well standardized” (Traducción: no está bien estandarizado) y que los archivos SRT “do not have a character encoding standard” (Traducción: no tienen un estándar de codificación de caracteres). Para árabe, escriba en UTF-8 y pruebe en su reproductor de destino. WebVTT, su sucesor en la web, usa un punto en lugar de la coma antes de los milisegundos.

Así que el requisito estricto es una hora de inicio y de fin para cada subtítulo. El texto solo no basta.

## ¿Qué longitud debe tener una línea de subtítulo en árabe?

Use una guía de estilo publicada en lugar de adivinar. La guía de estilo de texto temporizado en árabe de Netflix (registro de cambios con fecha 2025-12-19) fija:

| Regla | Valor de Netflix |
| --- | --- |
| Caracteres por línea | 42 |
| Líneas por subtítulo | Dos como máximo |
| Velocidad de lectura, programas para adultos | Hasta 20 caracteres por segundo |
| Velocidad de lectura, programas infantiles | Hasta 17 caracteres por segundo |
| Saltos de línea | No separe un verbo de su sujeto, una preposición de su sustantivo ni un número de lo que cuenta |

Los requisitos generales de Netflix añaden un mínimo de cinco sextos de segundo y un máximo de 7 segundos por subtítulo. La guía árabe también pide árabe estándar moderno en los subtítulos traducidos. Esa es una regla de traducción; la transcripción de habla dialectal se queda en dialecto.

Esas cifras se traducen en código: cortar líneas a 42 caracteres, dos líneas por subtítulo, avisar por encima de 20 caracteres por segundo y no mantener nunca un subtítulo más de 7 segundos.

## ¿Qué APIs de voz a texto documentan marcas de tiempo o SRT?

Leímos la documentación actual de cada proveedor el 15 de noviembre de 2026. Esto lista lo que documentan, no qué tan preciso es el tiempo.

| Proveedor | Qué ofrece la documentación | Árabe |
| --- | --- | --- |
| OpenAI | `response_format` `srt`, `vtt` o `verbose_json`, y `timestamp_granularities[]` por palabra o segmento, solo en `whisper-1`. `gpt-4o-transcribe` y `gpt-4o-mini-transcribe` devuelven solo `json` | No verificado. La página de retiradas de OpenAI lista `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` y `gpt-4o-transcribe-diarize` como en retirada, todos con cierre el 26 de febrero de 2027, y recomienda `gpt-transcribe` o `gpt-live-transcribe` en su lugar |
| AssemblyAI | `GET /v2/transcript/{transcript_id}/srt` o `/vtt`, con `chars_per_caption` | Árabe listado en Universal-2, en su franja de WER del 10 al 25 % |
| Speechmatics | `format=srt` en el endpoint de transcripción; `srt_overrides` con `max_line_length` y `max_lines`; los elementos de palabra llevan `start_time` y `end_time` | Árabe, más un paquete `ar_en` árabe-inglés |
| Deepgram | Marcas de tiempo por palabra y por enunciado; bibliotecas oficiales de subtítulos en Python y JavaScript que escriben SRT y WebVTT | Árabe y códigos regionales en Nova-3 |
| ElevenLabs | `timestamps_granularity` por palabra o carácter; cada palabra tiene `start` y `end` en segundos | Árabe listado, en su franja de WER del 10 al 20 % |
| BroadNet Inference | Solo `{"text": ...}` | Modelo específico para árabe y un modelo de 14 idiomas |

Si puede ejecutar modelos usted mismo, el filtro `whisper` de FFmpeg, compilado con whisper.cpp, puede escribir `srt` directamente y tiene una opción `max_len` para líneas más cortas.

Para una primera comparación de precisión y precio en árabe, vea la [guía de compra de APIs de voz a texto en árabe](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/) y la [comparación de precios de voz a texto](https://broadrouter.com/es/blog/speech-to-text-api-pricing-compared/). Las marcas de tiempo son una fila de esa decisión, no la única.

## ¿Cómo se crean subtítulos con una API solo de texto?

Usted crea sus propias marcas de tiempo a partir de dónde corta el audio. Los pasos:

1.  **Encuentre las pausas.** `silencedetect` de FFmpeg registra `silence_start` y `silence_end` en segundos dondequiera que el nivel se mantenga bajo un umbral durante un tiempo mínimo.
2.  **Convierta las pausas en tramos de habla.** Todo lo que hay entre dos silencios es un tramo. Limite los tramos a unos 12 segundos, para que un hablante que nunca hace pausas produzca igualmente subtítulos cortos.
3.  **Transcriba cada tramo.** Recórtelo a WAV mono de 16 kHz y envíelo con `language=ar`.
4.  **Asigne tiempos a los subtítulos.** El inicio y el fin del tramo son sus tiempos de anclaje. Si el texto necesita varias líneas, reparta el tiempo del tramo entre ellas en proporción a su longitud.
5.  **Escriba el SRT** y compruebe la longitud de línea, la velocidad de lectura y la duración frente a las reglas de estilo.

Es la misma división que en [transcribir archivos de audio largos](https://broadrouter.com/es/blog/transcribe-long-audio-files-api/), con otro objetivo. Allí, los fragmentos duran unos 10 minutos y solo importa el texto unido. Aquí, los fragmentos duran segundos porque cada uno se convierte en tiempos de subtítulo. La [herramienta para dividir audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) genera los comandos de FFmpeg si prefiere dividir a mano.

## El pipeline en Python

Este script usa el SDK de OpenAI para Python y FFmpeg. Lo ejecutamos el 15 de noviembre de 2026 contra un servidor simulado local que responde como el endpoint documentado de BroadNet (`{"text": ...}`), con un archivo de prueba generado con tonos y silencios. El SRT de arriba es su salida. No se usó ninguna clave de BroadNet, así que el texto en árabe vino del simulador, no del modelo.

```python
import os, re, subprocess, sys
from openai import OpenAI

FFMPEG = os.environ.get("FFMPEG", "ffmpeg")
client = OpenAI(base_url=os.environ.get("BASE_URL", "https://inference.broadnet.ai/v1"),
                api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/cohere-transcribe-arabic"
MAX_CHARS, MAX_LINES, MAX_CUE, MAX_CPS = 42, 2, 7.0, 20   # Netflix Arabic / general guide values

def find_speech(path, noise="-35dB", min_silence=0.4, max_span=12.0):
    """Return [(start, end)] seconds of speech between silences, each at most max_span long."""
    log = subprocess.run([FFMPEG, "-hide_banner", "-nostats", "-i", path,
                          "-af", f"silencedetect=n={noise}:d={min_silence}", "-f", "null", "-"],
                         capture_output=True, text=True).stderr
    h, m, s = re.search(r"Duration: (\d+):(\d+):([\d.]+)", log).groups()
    total = int(h) * 3600 + int(m) * 60 + float(s)
    starts = [float(x) for x in re.findall(r"silence_start: (-?[\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    spans, t = [], 0.0
    for i, s0 in enumerate(starts):
        if s0 - t > 0.2:
            spans.append((t, s0))
        t = ends[i] if i < len(ends) else total
    if total - t > 0.2:
        spans.append((t, total))
    out = []
    for a, b in spans:                       # no pause found: cut at a fixed length
        while b - a > max_span:
            out.append((a, a + max_span)); a += max_span
        out.append((a, b))
    return out

def transcribe_span(path, a, b, name):
    subprocess.run([FFMPEG, "-hide_banner", "-loglevel", "error", "-y", "-ss", f"{a:.3f}",
                    "-to", f"{b:.3f}", "-i", path, "-ar", "16000", "-ac", "1", name], check=True)
    with open(name, "rb") as f:
        return client.audio.transcriptions.create(model=MODEL, file=f, language="ar").text.strip()

def to_cues(text, a, b):
    """Wrap text into lines of <= MAX_CHARS, give each line a share of the span's time
    in proportion to its length, then pack lines into cues of <= MAX_LINES and <= MAX_CUE s."""
    lines, cur = [], ""
    for w in text.split():
        if cur and len(cur) + 1 + len(w) > MAX_CHARS:
            lines.append(cur); cur = w
        else:
            cur = f"{cur} {w}".strip()
    if cur:
        lines.append(cur)
    chars = sum(len(l) for l in lines) or 1
    cues, t = [], a
    for line in lines:
        d = (b - a) * len(line) / chars
        last = cues[-1] if cues else None
        if last and len(last[2]) < MAX_LINES and t + d - last[0] <= MAX_CUE:
            last[1] = t + d; last[2].append(line)
        else:
            cues.append([t, t + d, [line]])
        t += d
    for c in cues:                           # a long pause inside a span: don't hold text on screen
        c[1] = min(c[1], c[0] + MAX_CUE)
    return cues

def ts(x):
    ms = round(x * 1000)
    return f"{ms // 3600000:02}:{ms // 60000 % 60:02}:{ms // 1000 % 60:02},{ms % 1000:03}"

def make_srt(path, out="out.srt"):
    cues = []
    for i, (a, b) in enumerate(find_speech(path)):
        text = transcribe_span(path, a, b, f"chunk-{i:04}.wav")
        if text:
            cues += to_cues(text, a, b)
    with open(out, "w", encoding="utf-8") as f:
        for n, (a, b, g) in enumerate(cues, 1):
            cps = len(" ".join(g)) / (b - a)
            if b - a > MAX_CUE or cps > MAX_CPS:
                print(f"check cue {n}: {b - a:.1f} s, {cps:.0f} chars/s", file=sys.stderr)
            f.write(f"{n}\n{ts(a)} --> {ts(b)}\n" + "\n".join(g) + "\n\n")
    return len(cues)

if __name__ == "__main__":
    print(make_srt(sys.argv[1], sys.argv[2] if len(sys.argv) > 2 else "out.srt"), "cues written")
```

Ejecútelo con `BROADNET_API_KEY` configurada: `python make_srt.py episode.wav episode.srt`. Con el archivo de prueba, la detección de pausas encontró tramos de 0 a 2.8 s, de 3.6 a 7.6 s, de 8.8 a 28.8 s (cortado a los 12 s porque no tenía pausas) y de 29.4 a 30.9 s, lo que coincidía con cómo se construyó el archivo. La salida se analizó sin problemas con el paquete `srt` de Python y se convirtió a WebVTT con FFmpeg.

Ajuste dos valores a su audio. `noise` es el nivel que cuenta como silencio: pruebe de -30 a -40 dB para voz limpia y valores más altos para salas ruidosas. `min_silence` es cuánto debe durar un hueco: de 0.3 a 0.5 segundos detecta las pausas entre frases sin cortar en cada respiración.

## ¿Qué tan preciso es el tiempo por fragmento?

Tenga claro qué puede y qué no puede hacer este método.

-   **Los bordes de los tramos son la mejor parte.** Los inicios y finales de subtítulos que coinciden con una pausa real son tan precisos como la detección de silencio. En nuestro archivo de prueba sintético coincidieron exactamente; las grabaciones reales, con respiraciones y ruido de sala, son más complicadas.
-   **Los tiempos dentro de un tramo son estimaciones.** Cuando un tramo contiene dos o tres subtítulos, el script reparte su tiempo por número de caracteres. Los hablantes no hablan a un ritmo constante, así que esos límites internos pueden desviarse un segundo o más.
-   **Los cortes fijos pueden partir palabras.** Cuando un tramo supera el tope de 12 segundos sin pausa, el corte cae donde caiga. Una palabra en el corte puede perderse o deformarse. Suba `noise` o baje `min_silence` primero, para que menos tramos necesiten un corte fijo.
-   **Los fragmentos cortos dan menos contexto al modelo.** Un clip de 3 segundos tiene menos palabras alrededor de cada palabra que un archivo de 10 minutos. No hemos medido cuánto cambia esto la precisión en árabe; pruébelo con su propio audio usando el [WER](https://broadrouter.com/es/blog/arabic-asr-wer-explained/).
-   **Sin etiquetas de hablante.** BroadNet no devuelve [diarización](https://broadrouter.com/es/glossary/diarization/), así que los subtítulos no dicen quién habla.
-   **Música y ruido.** La música de fondo puede ocultar las pausas por completo. Entonces la mayoría de los tramos son cortes fijos y el tiempo empeora.

Para clases, podcasts, webinars y videos de formación, los subtítulos a menos de un segundo de la voz suelen ser legibles. Para dramas, videos musicales o cualquier cosa con sincronía labial, use un proveedor con [marcas de tiempo](https://broadrouter.com/es/glossary/timestamps-asr/) por palabra o pida a un subtitulador que ajuste el archivo.

## ¿Cuánto cuesta y qué tan rápido es?

El precio depende de la duración del audio. Una hora de árabe con BroadNet Transcribe Arabic cuesta $0.25, tanto si la envía como un archivo como si la envía en 720 de cinco segundos. La página de precios de BroadNet indica un precio por minuto de audio y ningún mínimo por archivo; revise la página de uso después de su primer episodio para confirmarlo.

La velocidad depende del número de solicitudes. Una clave de pago por uso permite 30 solicitudes por minuto y 4 en curso. Una hora de voz dividida en tramos de 5 segundos son unas 720 solicitudes, lo que lleva al menos 720 ÷ 30 minutos. Tramos más largos implican menos solicitudes. Si recibe un 429, espere y reintente como en la [guía de errores y reintentos](https://broadrouter.com/es/guides/errors-and-retries/), y no reparta un trabajo entre varias claves para sortear los límites publicados.

## Dónde encaja BroadNet Inference

BroadNet Transcribe Arabic encaja en la mitad de texto de un trabajo de subtítulos: voz en árabe a texto en árabe a $0.0042 por minuto, sin conservar el audio ni las transcripciones después de la solicitud. El crédito inicial de $5 cubre la transcripción, así que puede probar el pipeline con episodios reales antes de recargar. No devuelve marcas de tiempo, segmentos, etiquetas de hablante ni SRT. Si sus subtítulos necesitan tiempos por palabra, use un proveedor que los documente, o alinee el texto de BroadNet con el audio mediante una herramienta de alineación forzada. Los formatos de solicitud y los límites están en la [referencia de la API de BroadNet](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabic-subtitles-srt-api&utm_content=body), y la configuración, en la [guía de voz a texto en árabe](https://broadrouter.com/es/guides/arabic-speech-to-text-api/).

Herramientas gratuitas sobre este tema (en inglés)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Subtítulos SRT (SRT subtitles)](https://broadrouter.com/es/glossary/srt-subtitles/)

SRT (SubRip) es un formato de subtítulos en texto plano. Cada subtítulo consta de un número de secuencia, una hora de inicio y fin escrita como hh:mm:ss,mmm --> hh:mm:ss,mmm, una o más líneas de texto y una línea en blanco. WebVTT es el formato web similar que usa el video en HTML.

[Marcas de tiempo en voz a texto (timestamps)](https://broadrouter.com/es/glossary/timestamps-asr/)

Las marcas de tiempo en voz a texto son tiempos de inicio y fin, en segundos, asociados a partes de una transcripción. Las de segmento cubren una frase u oración; las de palabra cubren cada palabra. Se necesitan para subtítulos, para buscar dentro de grabaciones y para alinear el texto con los hablantes.

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Tasa de error por palabra (WER)](https://broadrouter.com/es/glossary/word-error-rate/)

La tasa de error por palabra (WER) es la medida estándar de precisión del reconocimiento de voz: el número de sustituciones, eliminaciones e inserciones de palabras necesarias para convertir una transcripción en la referencia correcta, dividido entre el número de palabras de la referencia. Cuanto más baja, mejor.

[Árabe estándar moderno (MSA, fusha)](https://broadrouter.com/es/glossary/msa/)

El árabe estándar moderno (MSA) es la forma estandarizada del árabe que se usa en la escritura, las noticias, la educación y el habla formal en todo el mundo árabe. No es la lengua materna cotidiana de nadie: la gente habla dialectos regionales, como el egipcio o el del Golfo, y cambia al MSA en contextos formales.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

## Preguntas frecuentes

### ¿Puedo obtener un archivo SRT directamente de la API de transcripción de BroadNet?

No. La documentación de BroadNet muestra una respuesta JSON con un único campo text, sin opción de SRT, VTT ni marcas de tiempo. Sus metadatos de /v1/models (consultados el 2026-11-15) listan los formatos de respuesta json, text y verbose\_json, pero ninguna fuente dice que verbose\_json incluya marcas de tiempo. Construya los tiempos usted mismo a partir de los desfases de cada fragmento, como en este artículo, o use un proveedor que documente marcas de tiempo.

### ¿Qué APIs de voz a texto exportan SRT para árabe?

De las que revisamos el 15 de noviembre de 2026, AssemblyAI (un endpoint de subtítulos, árabe en Universal-2) y Speechmatics (format=srt, árabe y un paquete árabe-inglés) documentan exportación a SRT. OpenAI documenta SRT en whisper-1, que está en retirada. Deepgram documenta bibliotecas de subtítulos basadas en sus marcas de tiempo.

### ¿Cuántos caracteres por línea deben tener los subtítulos en árabe?

La guía de estilo de texto temporizado en árabe de Netflix fija 42 caracteres por línea y un máximo de dos líneas. Su límite de velocidad de lectura para programas de adultos es de hasta 20 caracteres por segundo, y de 17 para programas infantiles.

### ¿Qué tan precisos son los subtítulos temporizados a partir de fragmentos de audio?

El inicio y el fin de cada fragmento son tan precisos como la detección de pausas, así que ajústela a su audio. Los subtítulos dentro de un fragmento reciben tiempos estimados por la longitud del texto, por lo que pueden desviarse un segundo o más. Eso sirve para charlas y podcasts, no para dramas con sincronía labial.

### ¿Por qué mi SRT en árabe muestra la puntuación en el lado equivocado?

SRT no tiene marcado de dirección, así que el reproductor decide cómo disponer el texto de derecha a izquierda. Pruebe el archivo en los reproductores que usa su audiencia. Si la puntuación se mueve, pruebe un formato con estilos más completos o un ajuste del reproductor para texto RTL.

### ¿Dividir el audio en fragmentos cortos cuesta más?

BroadNet cobra la transcripción por minuto de audio, así que el total de audio es el mismo. Sí implica más solicitudes: los fragmentos cortos alcanzan antes el límite de pago por uso de 30 solicitudes por minuto. Revise su página de uso después de una primera ejecución para confirmar el cobro.

## Siga leyendo

-   [Transcribir audio largo de más de 25 MB: dividir, enviar y unir](https://broadrouter.com/es/blog/transcribe-long-audio-files-api/)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternativa a la API de Whisper: cuándo cambiar y cómo probarla](https://broadrouter.com/es/blog/whisper-api-alternative/)
-   [Actas de reuniones en árabe a partir de grabaciones: pipeline con API](https://broadrouter.com/es/blog/arabic-meeting-minutes-from-recordings/)
-   [Precios de API de voz a texto comparados: precio por minuto en 2026](https://broadrouter.com/es/blog/speech-to-text-api-pricing-compared/)
-   [Añadir diacríticos al texto árabe con un LLM: prompt, controles y DER](https://broadrouter.com/es/blog/arabic-diacritization-llm/)
-   [Corrección gramatical y ortográfica del árabe con un LLM: cómo hacerla](https://broadrouter.com/es/blog/arabic-grammar-spelling-correction-llm/)
-   [Guía: API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Guía: Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabic-subtitles-srt-api&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference: solicitud de transcripción y respuesta {"text": ...}, límites de pago por uso (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-arabic-subtitles-srt-api&utm_content=sources)
-   [Biblioteca del Congreso, Sustainability of Digital Formats: descripción del formato SubRip (SRT) fdd000569 (consultado el 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [Netflix Partner Help Center, guía de estilo de texto temporizado en árabe: 42 caracteres por línea, límites de velocidad de lectura (consultado el 2026-11-15)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215517947)
-   [Netflix Partner Help Center, guía de estilo de texto temporizado: requisitos generales, duración mínima y máxima (consultado el 2026-11-15)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215758617-Timed-Text-Style-Guide-General-Requirements)
-   [Referencia de la API de OpenAI, crear transcripción: response\_format y timestamp\_granularities por modelo (consultado el 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Guía de voz a texto de OpenAI: timestamp\_granularities solo en whisper-1, fecha de retirada (consultado el 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Retiradas de OpenAI: whisper-1 y los modelos gpt-4o transcribe cierran el 26 de febrero de 2027; reemplazo gpt-transcribe o gpt-live-transcribe (consultado el 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Referencia de la API de AssemblyAI, Get subtitles: endpoint de subtítulos de la transcripción, formato SRT o VTT (consultado el 2026-11-15)](https://www.assemblyai.com/docs/api-reference/transcripts/get-subtitles)
-   [AssemblyAI, idiomas compatibles para audio pregrabado (consultado el 2026-11-15)](https://www.assemblyai.com/docs/pre-recorded-audio/supported-languages)
-   [Documentación de Speechmatics, formatos de salida por lotes: format=srt y srt\_overrides (consultado el 2026-11-15)](https://docs.speechmatics.com/speech-to-text/batch/output)
-   [Documentación de Speechmatics, idiomas compatibles: árabe y el paquete bilingüe ar\_en (consultado el 2026-11-15)](https://docs.speechmatics.com/speech-to-text/languages)
-   [Documentación de Deepgram, generación automática de subtítulos WebVTT y SRT (consultado el 2026-11-15)](https://developers.deepgram.com/docs/automatically-generating-webvtt-and-srt-captions)
-   [Documentación de Deepgram, resumen de modelos e idiomas: árabe en Nova-3 (consultado el 2026-11-15)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Referencia de la API de ElevenLabs, voz a texto: timestamps\_granularity e inicio/fin por palabra (consultado el 2026-11-15)](https://elevenlabs.io/docs/api-reference/speech-to-text/convert)
-   [Documentación de filtros de FFmpeg: filtros silencedetect y whisper (consultado el 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
