SUBTITULADO PARA LA VISUALIZACIÓN
DE VIDEOS SIN SONIDO: UNA NUEVA
FORMA DE CONSUMIR CONTENIDO
SUBTITLING FOR WATCHING VIDEOS WITHOUT SOUND:
A NEW WAY OF CONSUMING CONTENT
Milagro de Guadalupe Chablé Bautista
Universidad Juárez Autónoma de Tabasco, México
Eleazar Morales Vázquez
Universidad Juárez Autónoma de Tabasco, México
Mtro. Julio César Arias Ovando
Universidad Juárez Autónoma de Tabasco, México
Maritza Aguilera Ramírez
Universidad Juárez Autónoma de Tabasco, México
pág. 1378
DOI: https://doi.org/10.37811/cl_rcm.v8i2.10576
Subtitulado para la Visualización de Videos sin Sonido: Una Nueva Forma
de Consumir Contenido
Milagro de Guadalupe Chablé Bautista1
milagrodeguadalupechablebautis@gmail.com
https://orcid.org/0009-0000-7795-3692
Universidad Juárez Autónoma de Tabasco
Villahermosa – México
Eleazar Morales Vázquez
eleazarmove@gmail.com
https://orcid.org/0000-0003-1596-5043
Universidad Juárez Autónoma de Tabasco
Villahermosa – México
Mtro. Julio César Arias Ovando
jcarias30@hotmail.com
https://orcid.org/0000-0001-5101-9391
Universidad Juárez Autónoma de Tabasco
Villahermosa – México
Maritza Aguilera Ramírez
maritzaguilera75@gmail.com
https://orcid.org/0000-0002-8161-667X
Universidad Juárez Autónoma de Tabasco
Villahermosa – México
RESUMEN
¿Por qué los usuarios de esta nueva realidad para el mundo eligen la visualización de videos sin sonido?
Este cuestionamiento es el que da pauta para analizar las funciones de la Traducción Audiovisual (TAV)
y redescubrir su objetivo como modalidad de traducción. Actualmente, la reproducción automática de
subtítulos en plataformas como YouTube se ha vuelto un recurso de suma relevancia para los usuarios,
especialmente para aquellos nacidos durante la era digital. Esta nueva manera de consumir productos
audiovisuales ha revolucionado la industria de la comunicación, del entretenimiento e incluso de la
mercadotecnia, por lo cual resulta interesante reflexionar sobre los sistemas de subtitulación automática,
considerando los estándares de calidad que busca la TAV y las percepciones de los usuarios. Por ello,
en este artículo se presenta una revisión de literatura en la que se buscó conocer resultados acerca de la
efectividad y la calidad de la generación automática de subtítulos en la plataforma YouTube, con el fin
de determinar posibles campos de estudio.
Palabras clave: plataformas digitales, productos audiovisuales, traducción audiovisual
1
Autor principal
Correspondencia: [email protected]
pág. 1379
Subtitling for Watching Videos Without Sound: A New Way of Consuming
Content
ABSTRACT
Why do users of this new reality for the world choose to watch videos without sound? This questioning
is what sets the tone for analyzing the functions of Audiovisual Translation (AVT) and rediscovering
its objective as a translation modality. Currently, the automatic playback of subtitles on platforms such
as YouTube has become an extremely relevant resource for users, especially for those born during the
digital age. This new way of consuming audiovisual products has revolutionized the communication,
entertainment and even marketing industries, which is why it is interesting to reflect on automatic
subtitling systems, considering the quality standards sought by TAV and the perceptions of users.
Therefore, this article presents a literature review in which we sought to know results about the
effectiveness and quality of the automatic generation of subtitles on the YouTube platform, in order to
determine possible fields of study.
Keywords: digital platforms, audiovisual products, audiovisual translation
Artículo recibido 20 febrero 2024
Aceptado para publicación: 25 marzo 2024
pág. 1380
INTRODUCCIÓN
La Traducción Audiovisual (TAV) tiene sus orígenes en el cine mudo, en donde el objetivo era
representar textualmente lo que sucedía en la pantalla, la cual mostraba un contenido visual, pero sin
sonido. Sin embargo, no siempre se le denominó de esta manera, ya que ha sido llamada de diferentes
formas, como Screen translation (Mason, 1989) o inclusive Traducción cinematográfica (Hurtado,
1994).
Posteriormente, el término TAV pasó a denominar la traducción que de forma intra o interlingüística
traduce textos audiovisuales. Esto es, textos que se transmiten a través del canal acústico y del canal
visual, en donde entran en juego códigos de significación como imágenes, voz, efectos especiales,
carteles, entre otros (Chaume, 2004).
Actualmente, la función del subtitulado ha vuelto a sus orígenes, siendo empleado para la visualización
de videos sin activar el sonido. Asimismo, esto ha revolucionado el estudio del subtitulado profesional
y de la definición misma de la TAV.
El subtitulado como opción para ver vídeos sin sonido ha emergido como una solución fundamental
para atender diversas necesidades en el mundo contemporáneo debido a la creciente influencia de la
tecnología y la digitalización en la vida diaria. En la era actual, donde el acceso a contenido audiovisual
y la diversidad de plataformas de consumo de medios es vasta, el subtitulado se ha vuelto esencial para
adaptarse a las diversas preferencias y circunstancias del espectador.
A lo largo de los años, la tendencia hacia la preferencia de vídeos sin sonido ha influido notablemente
en las plataformas digitales. Tanto las principales redes sociales como los navegadores web han
adaptado sus funciones para no reproducir automáticamente el audio de los vídeos.
En este sentido, navegadores populares como Google Chrome o Firefox han implementado cambios
significativos. Ahora, estos navegadores no activan el sonido de ningún vídeo de manera automática,
permitiendo al usuario tener el control total sobre su experiencia de navegación (Nuteco, s. f.).
En las redes sociales es en donde se ve más este fenómeno, puesto que los videos, ya sean publicitarios,
informativos o de entretenimiento, destacan más que los textos en cualquier forma (Gómez, 2017). Al
respecto, Patel (17 de mayo de 2016) indicó que Facebook registró un total de 8 000 millones de
reproducciones diarias, y que de estas el 85 % eran sin sonido.
pág. 1381
Pero ¿por qué los usuarios eligen la visualización sin sonido? Báez (23 de abril de 2018) menciona que
una de las razones principales es que no interrumpe las actividades que el usuario está haciendo, y que
el hecho de que tenga subtítulos ayuda a que no se pierda la finalidad del video.
Este comportamiento revela una preferencia creciente por el contenido visual que se puede consumir
de manera discreta y conveniente, lo que no solo ayuda al espectador, sino a quien hace el video a lograr
un mayor alcance y accesibilidad. Así, pueden alcanzar a personas que hablan el mismo idioma del
video, pero que pertenecen a diferentes regiones o países, a personas que hablan otros idiomas o a las
personas con discapacidad auditiva.
Por otro lado, los subtítulos son ideales en situaciones donde el usuario no puede escuchar el audio, ya
sea porque se encuentra en un lugar público en donde el ruido no es tolerado o porque no tiene
auriculares, dado que su uso también se ha vuelto indispensable para muchos.
En estos casos, los subtítulos proporcionan una alternativa efectiva para comprender el contenido del
video sin necesidad de audio, mejorando así la accesibilidad y la experiencia del espectador (Hotmart,
21 de octubre de 2022). De esta manera, el video se ha adaptado al estilo de vida contemporáneo, donde
el ritmo de trabajo es acelerado y el entretenimiento debe ser, de preferencia, rápido y en cualquier sitio.
Otra ventaja de este tipo de subtitulado es que brinda información sobre el contenido de un video con
el fin de motivar al espectador para que lo reproduzca plenamente con sonido. Esto también forma parte
de la nueva forma de atraer a los usuarios, ya que en muchos casos los primeros instantes de un video
contienen un breve resumen, por lo que el espectador puede interesarse a profundidad o simplemente
descartar el producto audiovisual.
Según Gómez (2017), la creación del autoplay, que básicamente es la reproducción automática de un
video, pero sin activar el sonido (para dejar esa decisión al usuario), es una estrategia de marketing que
ofrece un contenido que es mucho menos intrusivo, teniendo en mente que la saturación de contenido
en internet es evidente y que actualmente hay demasiadas opciones en la red que sobrecargan de
información al espectador.
Por lo anterior, Gómez (2017) argumenta que la transformación de los contenidos y productos, de los
procesos de creación, de los canales de distribución, de los formatos y de las formas de explotar lo
audiovisual han sido a partir de la innovación tecnológica que ha generado un escenario en el que las
pág. 1382
empresas se han visto orilladas a buscar nuevas formas de relación con el público, lo que también ha
llevado a la segmentación de audiencias y a la individualización del consumo.
En otras palabras, el contenido actual debe pensarse para satisfacer las necesidades de determinados
sectores cuyas preferencias son muy específicas. Y estas preferencias se encuentran a su vez
condicionadas por todo lo que acontece en el mundo, lo que genera gratificación, entretenimiento o
simplemente utilidad.
En este sentido, de acuerdo con lo señalado por Navimedia (s. f.), la población mundial prefiere acceder
a la información de manera audiovisual dado que esto les permite retener el 95% de un mensaje, además
de que es un medio de comunicación generalmente accesible y rápido.
En añadidura, no debe olvidarse que las generaciones que mayor uso hacen de las plataformas y redes
sociales han crecido durante la evolución de la digitalización, lo cual implica que han sido predispuestos
para procesar la información transmitida por medios audiovisuales por encima del texto.
Para complementar, Ribera (2016) comentó que, para estas generaciones, lo gráfico fue desplazado por
lo audiovisual, ya que crecieron aprendiendo a decodificar el lenguaje audiovisual de las películas,
videojuegos, anuncios o series de televisión, lo que hace que sea más sencillo para ellos ver un video
que leer un artículo o un post, a su vez que generan una conexión emocional. De este modo, puede
decirse que la generación de nativos digitales ha dictado la pauta para la transformación de los medios
de comunicación.
Para enfatizar lo anterior, basta con analizar algunas estimaciones. En el estudio de Hernández (2016),
se consideró que, de acuerdo con el crecimiento desde el 2016, tan solo en España el tráfico IP sería
dominado por el video en el 2021, representando el 82 %. Así, se dedujo para dicho año un aproximado
de 1900 millones de usuarios de video, siendo así el consumo de 3 billones de minutos de video por
mes.
Todo esto genera una necesidad de analizar el papel del subtitulado en los productos de video,
especialmente ahora que forman parte de una nueva forma de consumir contenido en internet, puesto
que no solamente es una manera de alcanzar espectadores que no hablan el idioma en el que se produce
el audio de un producto (haciendo uso del subtitulado interlingüístico); pero, tampoco es solo una vía
para brindar accesibilidad a personas con discapacidad auditiva (haciendo uso del subtitulado
pág. 1383
intralingüístico). Ahora, el subtitulado, en cualquiera de ambas formas, es una opción para cambiar la
experiencia de consumo audiovisual del usuario que vive en una era donde el silencio también es un
producto.
Así, en este artículo se hace una revisión de diversos estudios que abordan el subtitulado en una de las
plataformas de consumo de video más importantes: YouTube. Se hace énfasis en el subtitulado
automático que permite el consumo de contenido sin sonido, subrayando las ventajas y desventajas que
se han identificado para este recurso.
METODOLOGÍA
El enfoque de esta revisión de literatura se determinó sobre la plataforma YouTube, principalmente,
porque es una de las que emplean el subtitulado automático sin sonido; pero, también porque está
considerada como el segundo sitio web con mayor tráfico a nivel mundial (Vizcaíno-Verdú et al., 2019),
lo cual permite sugerir que su influencia en la transformación de los medios de comunicación es
relevante.
Según la información del sitio Platzi (s. f.), YouTube combina la tecnología de reconocimiento
automático de voz de Google con su sistema de subtitulación automática. Este sistema se basa en un
algoritmo que reconoce las palabras en el video y puede convertirlas a texto, empleando redes
neuronales profundas y mezclas gaussianas. Además, su sistema de inteligencia artificial se enriquece
constantemente con las transcripciones manuales que son subidas a las plataformas y con las
correcciones que se hacen sobre los subtítulos, por lo que puede considerarse que nunca deja de
aprender.
De acuerdo con Google Support (s. f.), las redes neuronales profundas que se emplean mejoran con el
tiempo al tener mayores cantidades de datos, lo cual se denomina entrenamiento de modelos. Dicho
entrenamiento se divide en tres clases:
1) Aprendizaje convencional: Google recoge y almacena fragmentos reales de audio en sus servidores
para que revisores humanos anoten parte de estos y un algoritmo de entrenamiento aprenda a partir
de muestras de datos de audio anotadas.
2) Aprendizaje federado: es un entrenamiento de modelos de inteligencia artificial que puede aprender
directamente desde el dispositivo móvil sin recoger esta información para sus servidores, por lo que
pág. 1384
se protege la privacidad de los usuarios. Esto permite crear un nuevo modelo de voz combinando
los diferentes aprendizajes adquiridos en distintos dispositivos.
3) Aprendizaje efímero: esta técnica, al igual que la anterior, protege la privacidad de los usuarios
cuando el modelo de voz se ejecuta en servidores de Google mediante su almacenamiento en una
memoria a corto plazo, es decir, una memoria RAM, con la que el algoritmo puede aprender de
tales muestras de audio en tiempo real y posteriormente se eliminan sin ser almacenadas ni
compartidas.
De esta manera, en esta revisión de literatura se analizaron estudios acerca del subtitulado automático
en YouTube, en donde se buscó conocer los hallazgos sobre las características del subtitulado
automático que ofrece esta plataforma y la calidad con la que cuenta, teniendo en mente la tecnología
con la que trabaja y así también la funcionalidad desde la perspectiva de los usuarios.
RESULTADOS Y DISCUSIÓN
Tatman y Kasten (2017), en su trabajo de investigación Effects of Talker Dialect, Gender & Race on
Accuracy of Bing Speech and Youtube Automatic Captions, analizaron la tasa de error de palabras,
conocida como Word Error Rate (WER), una medida que se emplea para evaluar los sistemas de
reconocimiento automático de voz, tomando en cuenta las variables dialecto, raza y género dentro del
inglés americano. Los autores incluyeron en su estudio dialectos acústicamente distintos para realizar
una evaluación tanto del sistema Bing Speech (antes Proyecto Oxford) como del subtitulado automático
de YouTube. De acuerdo con los autores, las variaciones en el habla han representado un desafío para
los sistemas de reconocimiento automático de voz, especialmente las variaciones de dialecto y género
que, pese a los avances tecnológicos, siguen ocasionando dificultades, sobre todo para el subtitulado
automático de YouTube. Así, en el estudio se utilizaron grabaciones de un archivo de dialectos del
inglés, siendo un total de 39 hablantes con cuatro dialectos distintos de inglés americano. Tatman y
Kasten (2017) identificaron que el sistema Bing Speech tuvo diferencias en la WER entre dialectos y
etnias, pero no eran estadísticamente confiables; mientras que pudieron determinar que el subtitulado
automático de YouTube sí tuvo WERs estadísticamente diferentes entre dialectos y razas. Según estos
resultados, las tasas menores de errores fueron con hablantes blancos de inglés estándar y ningún
pág. 1385
sistema mostró tasas confiables entre género. Lo más precupante, según los autores, es que la tasa de
errores es mucho más alta para hablantes de color, lo cual puede reducir la utilidad de este recurso para
ellos y ocasiona una brecha tecnológica.
Para el 2018, Rodríguez y Brosa plantearon en su trabajo El subtitulado para personas sordas en
YouTube: una aproximación a su estudio que, si bien el subtitulado automático de esta plataforma puede
ser de utilidad para las personas con discapacidad auditiva, no siempre prestan las funciones de
accesibilidad adecuadas. Después de un análisis de 10 programas diferentes en dicho sitio de videos,
los autores concluyeron que, en función del subtitulado para sordos (SPS), el sistema de YouTube es
deficiente. Según los autores, el reconocimiento de voz empleado por la plataforma resultó poco fiable
y solamente podía usarse como una guía aproximada para comprender el contenido del video. Sin
embargo, se destacó que los resultados pueden ser relativos si se comparan con los obtenidos tras
analizar el subtitulado automático de un programa televisivo en directo, ya que en estos se puede llegar
a perder más de la mitad de la información total, en tanto con el subtitulado de YouTube el espectador
(en términos de palabras) no pierde casi nada de información. Si bien, la pérdida de contenido recae en
aspectos específicos de este subtitulado automático, como las transcripciones ininteligibles o que no
tienen un significado en el idioma meta y que hacen difícil encontrar un sentido al mensaje. Estos errores
en la transcripción, aunados a las restricciones espacio-temporales del subtitulado, hacen muy
complicada la extracción del significado del contenido con tan poco tiempo de visualización. En este
sentido, teniendo en mente que el SPS debe ofrecer un mensaje tan claro como sea posible (dada la
privación del contenido acústico) podría sugerirse que, por sí solos, los subtítulos no logran transmitir
adecuadamente el mensaje.
Jeong-Hwa y Kyung-Whan (2020), en su trabajo An Analysis of the Errors in the Auto-Generated
Captions of University Commencement Speeches on YouTube, buscaron identificar y analizar los errores
en el subtitulado automático de la plataforma YouTube en discursos iniciales de diferentes oradores que
fueron presentados a lo largo de 12 años en distintos momentos de sus vidas. Los autores plantearon
que, aunque el subtitulado automático de YouTube es útil, este no siempre es exacto y puede ocasionar
confusión en los usuarios.
pág. 1386
Los resultados de su investigación apuntaron a los sustantivos como la categoría gramatical en la que
más ocurrieron errores, siendo más del 30 % de los casos, seguido de los verbos con más del 20 % y las
preposiciones con el 8.1 %. Además, se pudo determinar que la omisión, la adición, la sustitución y el
orden de palabras fueron los aspectos negativos con mayor incidencia. Con estos resultados, Jeong-
Hwa y Kyung-Whan (2020) pudieron concluir que el reconocimiento de voz automático que emplea la
plataforma YouTube necesita estar en continuo desarrollo para generar subtítulos con más eficiencia.
Recientemente, Corrochano (2023) realizó el trabajo Estudio de caso de la subtitulación automática en
YouTube, en el que buscó determinar si la subtitulación automática de YouTube es aceptable, tomando
en cuenta las convenciones de subtitulación dentro de la traducción profesional. Según la autora, esta
plataforma presenta errores en los subtítulos generados automáticamente, por lo que implementó un
análisis basado en dos baremos de corrección de subtítulos. Los resultados de su análisis indicaron que
la mayoría de los errores en los subtítulos generados automáticamente en la plataforma YouTube fueron
de tipo ortográfico, seguidos de errores de formato y errores de supresión. Además, la autora destaca
que los subtítulos no siempre aparecen en el momento exacto de intervención, no se respetan pausas,
cambios de escena, texto en pantalla ni cambios de plano y no se siguen las normas ortotipográficas. El
aspecto negativo más resaltado por la autora, dada la relevancia para la transmisión del mensaje, se
relaciona con la segmentación de los subtítulos, ya que se detectó una gran cantidad de errores en los
que las líneas perdieron sentido debido a una segmentación incorrecta, por ejemplo, al terminar las
oraciones en preposiciones, conjunciones, artículos, determinantes, verbos auxiliares o adverbios. Si
bien, algo que subraya la autora es que en momentos específicos los errores podrían considerarse de
transcripción, ya que la falta de vocalización de quienes participan en el video puede llevar a no detectar
adecuadamente palabras o frases, a su vez que YouTube detecta elementos de más cuando se escucha
un doble audio (como al reproducir una canción de fondo). Por otro lado, en este estudio también se
señalan ciertos aspectos positivos o ventajas del subtitulado automático que ofrece YouTube. Algunos
de estos son: posibilidad de mover la posición de los subtítulos en pantalla; elección libre de la fuente,
así como del color, fondo, opacidad, ventana, borde y tamaño; posibilidad de modificar la velocidad de
reproducción del video (y por lo tanto de los subtítulos).
pág. 1387
Como conclusión, Corrochano (2023) comenta que, aunque la subtitulación automática de YouTube
tiene ventajas, en el caso estudiado más de la mitad del producto audiovisual pudo considerarse
inadecuadamente subtitulado, ya que los errores hallados afectaron considerablemente el sentido del
mensaje.
En este mismo año, Ríos (2023) desarrolló el trabajo Análisis de la calidad. El subtitulado en vivo
interlingüístico de YouTube en un programa de noticias estadounidense accesible a usuarios peruanos.
En este, tal y como el título indica, la autora analizó la calidad de los subtítulos generados por YouTube
mediante el reconocimiento de voz y la traducción automática, haciendo partícipe a usuarios de dicha
plataforma. La autora plantea en su estudio que el subtitulado en vivo permite acceder, por ejemplo, a
programas informativos que se encuentran en otros idiomas y que en países como Perú (donde los
medios de comunicación han perdido objetividad y seriedad, según sus percepciones), la población
pueda estar adecuadamente informada sobre lo que acontece en el mundo, siendo el ejemplo
mencionado la pandemia por Covid-19 que en años recientes sacudió la realidad. En este sentido, desde
su punto de vista, la plataforma YouTube es una opción como medio de comunicación que merece la
pena analizar. Así, en su trabajo Ríos (2023) evaluó la tasa de exactitud del subtitulado en vivo generado
automáticamente, tomando en cuenta la comprensión y percepción por parte de los usuarios y una serie
de factores establecidos por distintos organismos e instituciones reguladores. Cabe resaltar que se tuvo
en cuenta que YouTube genera los subtítulos mediante algoritmos de aprendizaje automático, así como
que Google provee la tecnología de reconocimiento de voz a YouTube. Para desarrollar la investigación,
se seleccionó un programa sobre la salud mental y su relación con el confinamiento por el Covid-19, en
donde se utilizó un lenguaje sencillo, con pronunciación clara de inglés nativo a una velocidad de 171
palabras por minuto sin interrupción, así como libre de ruido de fondo ni fallas de sonido. En cuanto a
los participantes, se optó por usuarios sin conocimiento de inglés, pero con educación completa hasta
el grado superior. Para determinar la comprensión lectora, se contemplaron los niveles de lenguaje
literal, inferencial y crítico, en tanto para determinar la percepción de la calidad de los subtítulos se
consideraron los siguientes aspectos: tiempo de aparición del subtítulo; tiempo para su lectura;
sincronización con los hablantes y; coherencia entre imagen, sonido y subtítulo.
pág. 1388
De este modo, los resultados revelaron que los errores con mayor incidencia fueron errores menores de
traducción, siendo los principales aquellos de forma en los que no se incluyó puntuación apropiada,
mayúsculas y hubo errores morfológicos. Así también, aunque en menor medida, se hallaron errores
mayores de traducción, en especial aquellos de contenido en donde hubo una sustitución, omisión o
adición que, conjuntamente con el desorden de palabras, ocasionaron sinsentidos en el mensaje.
Finalmente, se pudieron identificar errores de reconocimiento, por ejemplo, cuando la pronunciación
original no fue clara. Otro de los aspectos que se resaltaron en los hallazgos es que el subtitulado, pese
a no presentar un retraso considerable en su aparición (lo que se calificó positivamente por los usuarios),
sí causó problemas para leer al desaparecer muy rápidamente. Además, si bien no se identifica de
ninguna manera a la persona que está hablando en los subtítulos, los participantes comentaron que sí
hubo coherencia entre imagen y subtítulos. Finalmente, los usuarios calificaron la calidad del
subtitulado en vivo de YouTube con un 50 %. La autora concluye que el subtitulado en vivo de esta
plataforma no tiene suficiente calidad de traducción, teniendo en consideración que la mayor parte de
errores fueron precisamente de traducción y no de reconocimiento, lo cual para personas que no tienen
conocimientos del idioma original (en este caso inglés) obstaculiza su recepción del mensaje completo.
Por último, Shintemirova (2023) realizó la investigación Translation of metaphors in official and
automatic subtitling and MT evaluation, en la que comparó y analizó la traducción de metáforas en
subtítulos generados automáticamente y subtítulos creados por humanos en la plataforma YouTube de
inglés a ruso. Su objetivo era identificar las similitudes y diferencias entre ambas versiones de
subtitulado, para después evaluar el algoritmo de traducción automática y determinar sus errores al
traducir metáforas. La autora tomó en consideración por qué las metáforas se emplearon en cada
momento específico, cómo fueron identificadas en la traducción y cómo fueron traducidas. Los
resultados de su estudio demostraron que la traducción automática presenta dificultades para reconocer
metáforas originales creadas por el autor del producto audiovisual y aplicarlas en el contexto adecuado,
pero sí es capaz de traducir metáforas comunes o usadas con frecuencia. Estos hallazgos pueden
relacionarse con el origen mismo del sistema de traducción automática, puesto que el uso de grandes
bases de datos en las que se encuentra el vocabulario más empleado de una lengua y las traducciones
comunes es el principal motor.
pág. 1389
Ahora bien, el primero de los cuestionamientos surgidos después de realizar la revisión de literatura es
si el sistema de reconocimiento de voz que emplea el subtitulado automático de YouTube puede hacer
frente de forma satisfactoria a la diversidad de lenguas y de habla del mundo.
Por ejemplo, los resultados del estudio de Tatman y Kasten (2017) permiten plantear, por un lado, que
el sistema de reconocimiento de voz automático puede presentar fallas al detectar variaciones en el
habla humana que no son muy comunes o que, en este caso en específico, no son suficientemente
comunes para que exista un registro real vasto que permita a Google tomar en consideración sus
características y con ello enriquecer el trabajo de sus redes neuronales profundas. Desde este punto de
vista, se podría suponer que, en tanto no existan suficientes registros reales de la inmensa cantidad de
variantes del habla humana en cada una de las lenguas que el reconocimiento de voz abarca, las
variaciones poco comunes serán un conflicto que entorpecerá la exactitud de estos sistemas, lo cual
podría representar una desventaja para que determinados contenidos sean subtitulados, siendo entonces
desigual el recurso ofrecido por dicha plataforma de videos. Esto, a su vez, supondría que los usuarios
que visualicen contenido en YouTube subtitulado automáticamente sin activar el sonido no podrán tener
la certeza de que cualquier video estará correctamente subtitulado, independientemente del idioma
original empleado en el audio y sus posibles variantes dialectales, de género, raza o cualquier aspecto
que haga una diferencia acústica del habla estándar o, en su defecto, de lo más registrado y asimilado
por la inteligencia artificial de Google.
Por otro lado, los hallazgos de Shintemirova (2023) abren el debate sobre las variaciones de la lengua
desde un punto de vista individual: la creación. Entonces, si se considera que el ser humano posee la
capacidad de modificar, moldear, alterar el lenguaje, así como de crear nuevas formas de este a partir
de las reinterpretaciones pragmáticas que puede impregnar con su experiencia de vida y conocimiento
íntimo del mundo, puede sugerirse que el reconocimiento automático de voz de Google, cuya
funcionalidad recae en el registro del habla humana real y su aprendizaje, estaría siempre sujeto al riesgo
de no reconocer aquello que no está ya creado o, en este caso, que no está dicho y registrado por Google
para ser estudiado, lo cual origina cabos sueltos para el trabajo exitoso de la inteligencia artificial y a
su vez puede ocasionar fallas en el subtitulado automático de YouTube, sobre todo si el usuario depende
únicamente de la información brindada por este sin poder corroborar el audio.
pág. 1390
Por otra parte, al revisar varios de los trabajos contemplados en este estudio se pudo notar que en
muchos casos el subtitulado automático de YouTube es impreciso o erróneo debido a las fallas en la
transcripción que hacen difícil e incluso imposible obtener una información clara y comprensible por
el usuario. Un ejemplo de ello es que en los resultados de Rodríguez y Brosa (2018) se detectaron
muchas imprecisiones en la transcripción, desde palabras ininteligibles hasta palabras que no son
propias de la lengua meta. Otro ejemplo es el trabajo de Jeong-Hwa y Kyung-Whan (2020), donde se
identificaron muchos errores en categorías gramaticales importantes como los sustantivos y los verbos,
lo cual compromete el traslado del mensaje.
Finalmente, al hablar específicamente de calidad del subtitulado, tomando en consideración las
normativas para esta modalidad de TAV, así como las perspectivas de los usuarios sobre ello, se pudo
llegar a la conclusión de que el subtitulado automático no cumple con los criterios de calidad que
deberían tener los subtítulos de un producto audiovisual, ya que no se respetan aspectos de suma
importancia como la puntuación, la segmentación o el tiempo de aparición en pantalla. Prueba de ello
son los resultados de los trabajos de Corrochano (2023) y Ríos (2023), en donde se detectaron muchas
inconsistencias en la calidad de los subtítulos generados automáticamente por YouTube.
CONCLUSIONES
Después de llevar a cabo esta revisión de literatura, se pudo concluir que el subtitulado automático de
YouTube no responde a los estándares de calidad que la TAV determina. Sin embargo,
independientemente de las convenciones de la traducción profesional para un subtitulado de calidad, es
necesario recalcar que lo más importante es lo que el usuario percibe y si para este el subtitulado
automático es funcional, si cumple con lo que espera recibir. En este sentido, sería conveniente poder
estudiar si el subtitulado automático que se reproduce con el audio de los videos desactivado es
suficientemente efectivo para los espectadores, dependiendo de sus necesidades y de sus motivos para
visualizar el contenido de esta manera en particular. Por supuesto, esto abre una nueva puerta para
redescubrir las funciones de la TAV y con ello replantearse las normativas para esta modalidad de
traducción profesional.
pág. 1391
REFERENCIAS BIBLIOGRÁFICAS
Chaume, F. (2004). Cine y traducción. Madrid: Cátedra.
Corrochano Muñoz, L. (2023). Estudio de caso de la subtitulación automática en YouTube (Trabajo de
grado). Universidad Jaime I.
Google Support. (s. f.). Cómo mejora Google los modelos de voz.
https://support.google.com/assistant/answer/11140942?hl=es#zippy=%2Caprendizaje-
convencional%2Caprendizaje-federado%2Caprendizaje-ef%C3%ADmero
Gómez-Aguilar, A. (2017). El video online: la eficacia del silencio. En Á. Martínez-García (Ed.), La
imagen en la era digital (pp. 41-51). Editorial Egregius. https://hdl.handle.net/11441/91565
Hurtado, A. (1994). Modalidades y tipos de traducción. Vasos Comunicantes, (4), 19-27.
Jeong-Hwa, L. y Kyung-Whan, C. (2020). An Analysis of the Errors in the Auto-Generated Captions
of University Commencement Speeches on YouTube. The Journal of Asia TEFL, 17(1), 143-
159. http://dx.doi.org/10.18823/asiatefl.2020.17.1.9.143
Patel, S. (17 de mayo de 2016). 85 percent of Facebook video is watched without sound.Digiday
https://digiday.com/media/silent-world-facebook-video/
Platzi. (s. f.). Cómo funciona el algoritmo de subtitulación automática de YouTube.
https://platzi.com/blog/como-funciona-el-algoritmo-de-subtitulacion-automatica-de-youtube/
Baez, J. (23 de abril de 2018). La importancia de los subtítulos en los videos sin sonido de Facebook.
Sandia Films.
https://www.sandiafilms.com/la-importancia-de-los-subtitulos-en-los-videos-sin-sonido-de-
facebook/
Hernández, A. (2016). El tráfico IP global se multiplicará por tres en los próximos cinco años,
superando los 3 Zettabytes en 2021. Cisco Global Newsroom,
http://globalnewsroom.cisco.com/es/es/re-lease/El-tr%C3%A1fico-IP-global-
semultiplicar%C3%A1-por-tres-en-los-pr%C3%B3ximos-cinco-a%C3%
Hotmart. (21 de octubre de 2022). ¡Descubre por qué necesitas ponerle subtítulos a un video enseguida!
Hotmart Blog. https://hotmart.com/es/blog/poner-subtitulos-a-un-video
pág. 1392
Mason, I. (1989). Speaker meaning and reader meaning: preserving coherence in screentranslating. En
R. Kölmel y J.Payne (Eds.), Babel. The Cultural and Linguistic Barriersbetween Nations (p. 13-
24), Aberdeen: Aberdeen University Press.
Navimedia. (s. f.). ¿Por qué el cerebro prefiere vídeo vs. texto? Navimedia.
https://navimedia.es/por-que-el-cerebro-prefiere-el-video-vs-texto/
Nuteco. (s. f.). ¿Tus vídeos son igual de efectivos sin sonido? https://www.nutecoweb.com/videos-
igual-efectivos-sin-sonido/
Ribera de Gracia, F. (2016). “Las marcas ante el reto del vídeo”.
Ríos Valero, L. (2023). Análisis de la calidad. El subtitulado en vivo interlingüístico de YouTube en un
programa de noticias estadounidense accesible a usuarios peruanos. Entreculturas, 13, 143-168.
Rodríguez Campillo, M. J. y Brosa Rodríguez, A. (2018). El subtitulado para personas sordas en
YouTube: una aproximación a su estudio. Universitat Rovira i Virgili.
Shintemirova, M. (2023). Translation of metaphors in official and automatic subtitling and MT
evaluation. JCAL, 1, 77-93. https://doi.org/10.33919/JCAL.23.1.4
Tatman, R. y Kasten, C. (2017). Effects of Talker Dialect, Gender & Race on Accuracy of Bing Speech
and YouTube Automatic Captions. Interspeech, 934-938 .
http://dx.doi.org/10.21437/Interspeech.2017-1746
Vizcaíno-Verdú, A., Contreras-Pulido, P., y Guzmán-Franco, M.-D. (2019). Lectura y aprendizaje
informal en YouTube: El booktuber. Comunicar, 27(59), 95–104.
https://doi.org/10.3916/C59-2019-09
