POST /v1/captions de ReelSDK transcribe un vídeo, detecta que está en español e incrusta los subtítulos en el MP4. Un minuto cuesta 0,03 USD con la transcripción incluida, una hora 1,80 USD, y los primeros 0,50 USD son gratis.

Subtítulos automáticos en español para cualquier vídeo, con una llamada a la API

Con ReelSDK, un clip corto vuelve subtitulado en unos 13 segundos, con el texto en grupos de 3 palabras: basta la URL del MP4, sin indicar el idioma, y también recibes los archivos para YouTube o tu propio reproductor.

En españolActualizado

Clip de 13 s con locución en español y sin indicar el idioma: subtítulos bold listos en unos 13 segundos.Entrada: vídeo sin subtítuloscaptions.srtcaptions.vttcaptions.asstranscript.json

La petición

POST /v1/captions

Envías la URL de un vídeo en español y recibes el MP4 con los subtítulos incrustados, más SRT, VTT y ASS, a 0,03 USD por minuto.

terminalTry it
curl "https://api.reelsdk.com/v1/captions?wait=60" \
  -H "Authorization: Bearer $REELSDK_KEY" \
  --json '{
    "video_url": "https://api.reelsdk.com/f/out/job_9ajk8b784ud0bcuq25pq/video.mp4",
    "style": "bold"
  }'
request.mjsTry it
const res = await fetch("https://api.reelsdk.com/v1/captions?wait=60", {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.REELSDK_KEY}`, "Content-Type": "application/json" },
  body: JSON.stringify({
    "video_url": "https://api.reelsdk.com/f/out/job_9ajk8b784ud0bcuq25pq/video.mp4",
    "style": "bold"
  }),
});
const { job } = await res.json();
karaoke.shTry it
curl "https://api.reelsdk.com/v1/captions?wait=60" \
  -H "Authorization: Bearer $REELSDK_KEY" \
  --json '{
    "video_url": "https://api.reelsdk.com/f/out/job_9ajk8b784ud0bcuq25pq/video.mp4",
    "language": "es",
    "style": {
      "preset": "karaoke",
      "max_words": 4
    },
    "prompt": "Triana, Giralda, salmorejo, tablao, Santa Cruz"
  }'
response.json
{
  "job": {
    "id": "job_yy8ydp2of33u1iqbc6o8",
    "op": "captions",
    "status": "succeeded",
    "created_at": "2026-11-07T04:00:17.782Z",
    "finished_at": "2026-11-07T04:00:30.535Z",
    "outputs": {
      "video": "https://api.reelsdk.com/f/out/job_yy8ydp2of33u1iqbc6o8/video.mp4?s=...",
      "transcript": "https://api.reelsdk.com/f/out/job_yy8ydp2of33u1iqbc6o8/transcript.json?s=...",
      "srt": "https://api.reelsdk.com/f/out/job_yy8ydp2of33u1iqbc6o8/captions.srt?s=...",
      "vtt": "https://api.reelsdk.com/f/out/job_yy8ydp2of33u1iqbc6o8/captions.vtt?s=...",
      "ass": "https://api.reelsdk.com/f/out/job_yy8ydp2of33u1iqbc6o8/captions.ass?s=..."
    },
    "duration_s": 13.267,
    "usage": {
      "output_seconds": 13.267,
      "audio_seconds": 13.248,
      "tts_characters": 0,
      "images": 0
    },
    "poll_url": "https://api.reelsdk.com/v1/jobs/job_yy8ydp2of33u1iqbc6o8"
  }
}

El idioma se detecta solo

Si no mandas language, Whisper escucha el audio y decide el idioma por su cuenta. Nuestro clip lleva una locución de unos 13 segundos sobre Sevilla en primavera, y el transcript.json volvió con "language": "es", las comas en su sitio y las mayúsculas de Triana, Giralda y Santa Cruz.

Si ya sabes el idioma, puedes fijarlo con language y un código de dos letras como es. Así la transcripción no depende de la detección, algo útil en clips muy cortos o con poca voz.

De un vistazo

Los 3 estilos de subtítulos

Pasa el nombre en style o un objeto con preset y solo los campos que quieras cambiar.

Los 3 estilos de subtítulos
`style`FuentePosiciónPalabras por grupoMayúsculas
boldMontserratCentro3Sí, con la palabra que suena en amarillo
karaokePoppinsAbajo5No, con la palabra que suena en azul claro
minimalPoppinsAbajo7No, en blanco y al 0,85 del tamaño base

Fuentes: ReelSDK OpenAPI spec, ReelSDK captions docs, revisado en noviembre de 2026.

bold es el estilo por defecto.

Nombres propios y estilo karaoke

El campo prompt admite hasta 500 caracteres de pistas para el transcriptor: calles, marcas, apellidos o jerga que quieras ver bien escritos. En la variante karaoke.sh de arriba le pasamos Triana, Giralda, salmorejo, tablao, Santa Cruz, fijamos language en es y bajamos max_words a 4. La transcripción salió idéntica y el trabajo tardó unos 11 segundos.

Cualquier estilo se retoca sin salir del preset: max_words va de 1 a 8 palabras por grupo y size de 0,5 a 2 veces el tamaño base, y también puedes cambiar font, position, uppercase y los colores del texto, del resaltado y del borde.

Qué archivos recibes

Además del video.mp4 con el texto incrustado, la respuesta trae captions.srt y captions.vtt para subirlos como pista aparte a YouTube o a un reproductor web, captions.ass con el estilo ya aplicado y transcript.json con el texto, el idioma y el inicio y el final de cada palabra.

El SRT no copia los grupos del vídeo: reparte el texto en bloques de hasta dos líneas, como los que muestra un reproductor. Nuestro clip quedó en 3 bloques, mientras que en pantalla el texto avanza de 3 en 3 palabras. Los enlaces duran 7 días, así que copia los archivos a tu almacenamiento.

Si ya tienes el texto

Cuando el texto ya existe con sus tiempos, por ejemplo porque has corregido el transcript.json a mano, mándalo en words (hasta 50.000 palabras con word, start y end) y la API se salta la transcripción: solo dibuja los subtítulos con los tiempos que le pases.

El precio es el mismo en los dos casos, 0,03 USD por minuto de vídeo cobrado al segundo, y un trabajo que falla no cuesta nada.

Cuánto cuesta

Lo que costó este clip

Vídeo, 13,3 s a 0,03 USD por minuto
0,0066 USD
Transcripción con Whisper
Incluida
Total
0,0066 USD

Se cobra por segundo del vídeo que sale. Un trabajo que falla no cuesta nada.

Límites

Lo que acepta una petición

Duración del vídeo
Hasta 15 minutos
Archivos de entrada
500 MB cada uno, 1 GB por trabajo
Pistas en prompt
Hasta 500 caracteres
Palabras por grupo
De 1 a 8
Tiempo por trabajo
Hasta 10 minutos
Trabajos a la vez
3 por clave
Trabajos al día
500 por clave
Enlaces de salida
7 días

Cómo funciona

De la petición al archivo

  1. Consigue la URL del vídeo

    Usa una URL https pública, de hasta 500 MB, o sube antes el archivo con POST /v1/uploads.

  2. Elige el estilo

    bold, karaoke o minimal, o un objeto con preset y los campos que quieras cambiar.

  3. Envía POST /v1/captions

    Con ?wait=60 el trabajo vuelve terminado en la misma respuesta si acaba a tiempo; si no, consulta poll_url o pasa un webhook_url.

  4. Guarda los archivos

    Copia el MP4 y los subtítulos a tu almacenamiento antes de que caduquen los enlaces, a los 7 días.

FAQ

Preguntas frecuentes

¿Cuánto cuestan los subtítulos automáticos?

0,03 USD por minuto de vídeo, cobrado al segundo y con la transcripción incluida. Este clip de 13 s salió por menos de 0,007 USD, y una hora de vídeo saldría por 1,80 USD.

¿Tengo que indicar que el vídeo está en español?

No. Sin el campo language, Whisper detecta el idioma, y nuestro clip volvió marcado como es. Si prefieres no depender de la detección, fija language en es.

¿Puedo corregir los subtítulos antes de incrustarlos?

Sí. Descarga transcript.json, corrige las palabras que quieras y vuelve a llamar con el campo words: la API se salta la transcripción y dibuja tu texto con esos tiempos.

¿Qué formatos de subtítulos devuelve?

SRT y VTT para usarlos como pista aparte, ASS con el estilo aplicado y un JSON con cada palabra y sus tiempos, además del MP4 con el texto incrustado.

¿Funciona con vídeos largos?

Sí, hasta 15 minutos de vídeo y 500 MB por archivo. Cada trabajo tiene hasta 10 minutos de proceso, y cada clave lanza 3 trabajos a la vez y hasta 500 al día.

¿Listo para empezar?

Genera vídeo desde tu app hoy

Tus primeros 0,50 USD son gratis y una sola clave sirve para todos los endpoints.