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
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.
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"
}'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();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"
}'{
"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.
| `style` | Fuente | Posición | Palabras por grupo | Mayúsculas |
|---|---|---|---|---|
bold | Montserrat | Centro | 3 | Sí, con la palabra que suena en amarillo |
karaoke | Poppins | Abajo | 5 | No, con la palabra que suena en azul claro |
minimal | Poppins | Abajo | 7 | No, 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
Consigue la URL del vídeo
Usa una URL
httpspública, de hasta 500 MB, o sube antes el archivo conPOST /v1/uploads.Elige el estilo
bold,karaokeominimal, o un objeto conpresety los campos que quieras cambiar.Envía POST /v1/captions
Con
?wait=60el trabajo vuelve terminado en la misma respuesta si acaba a tiempo; si no, consultapoll_urlo pasa unwebhook_url.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.
- Auto captions API: word-by-word captions for $0.03 a minuteSend a video URL, get an MP4 with word-by-word captions burned in plus SRT, VTT, ASS and a word-timed transcript. $0.03 per output minute with transcription included; a 30-second clip renders in 30 to 43 seconds.
- Vídeo con fotos y músicaConvierte unas fotos en un vídeo vertical con música, locución en español y subtítulos, a 0,03 USD por minuto de vídeo.
- Shorts con IA en españolUn tema o un guion en español se convierte en un short vertical con voz, imágenes, música y subtítulos por 0,30 USD.
- TikTok captions APIBurn TikTok-style word-by-word captions into a video with one POST and get SRT, VTT and a word-timed transcript back.
- Captions API reference: POST /v1/captionsBurn animated word-by-word captions into videos up to 15 minutes with POST /v1/captions: 3 presets, 4 fonts, auto language detection, and SRT, VTT and transcript files.
Fuentes, revisadas en noviembre de 2026
¿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.