Convertir ASS a VTT

La etiqueta track del vídeo de HTML acepta WebVTT y nada más, y el rechazo es silencioso: el vídeo se reproduce, el menú de subtítulos aparece vacío y no hay ningún mensaje en la consola señalando al formato. De ahí que exista esta conversión.

Lo que está en juego con un ASS es más que con un SRT. Un SubRip no tenía nada que perder. Un archivo de SubStation Alpha lleva tipografías, colores, posiciones y a veces efectos, y todo eso era el trabajo. Convertir no es aquí un trámite: es decidir cuánto de ese diseño estás dispuesto a reconstruir a mano y cuánto vas a dar por perdido.

El subtitulado accesible en español sigue la norma UNE 153010, y una de sus indicaciones más reconocibles es repartir colores entre los personajes principales para que quien no oye sepa quién habla sin que nadie se lo escriba. En un ASS ese color vive en la tabla de estilos y en las etiquetas de línea.

Ninguna de las dos cosas sobrevive a esta conversión. La tabla de estilos no se lee y las etiquetas se borran, así que un archivo cuidadosamente coloreado para cumplir la norma llega al WebVTT en texto plano. La información de quién habla no se pierde porque el formato de destino no pueda sostenerla —sí puede, mediante clases y CSS—, sino porque nada la traduce automáticamente. Reconstruirla es trabajo, y conviene contarlo antes de prometer un plazo.

El formato de destino no es ciego al diseño. Una entrada puede llevar un ajuste de línea que la sube o la baja, uno de alineación que la mueve a izquierda o derecha, una posición y un tamaño. Eso es bastante más de lo que ofrecía SubRip y cubre la necesidad de tipografía más habitual, que es apartar un rótulo de algo que ya está en pantalla.

Nada de eso se rellena. Cada línea del ASS se reduce a un inicio, un final y texto plano antes de escribir nada, así que la alineación del estilo, la posición numérica en la rejilla de nueve casillas y cualquier orden de colocación insertada en la línea ya han desaparecido cuando se compone el WebVTT. Las entradas llegan sin ningún ajuste y el navegador las pone todas abajo, centradas.

El trabajo es manual y conviene hacerlo con criterio en vez de en bloque. Abre el ASS al lado del VTT y busca las líneas que estaban colocadas: carteles, textos en pantalla, cualquier cosa que no fuera diálogo. Esas son las que van a chocar con la imagen abajo; el diálogo ya iba a estar ahí de todas formas.

Para cada una, un ajuste de línea expresado en porcentaje la sube y uno de alineación la desplaza a un lado. Dos palabras en la línea de tiempos y el rótulo deja de estorbar. Cuántas entradas son eso depende enteramente del original, y merece la pena contarlas antes de comprometerse: una traducción de diálogo corriente no tiene ninguna, y un episodio con cartelería resuelta plano a plano puede tener varios cientos.

Esta es la diferencia estructural entre los dos formatos y el motivo de que nada pueda traducirse solo. ASS define estilos con nombre dentro del propio archivo y cada línea señala a uno. WebVTT espera que la página dé estilo al seudoelemento de la entrada mediante CSS, y trata el archivo como contenido y nada más.

En la práctica eso mueve el trabajo de sitio. Tipografía, cuerpo, color, sombra y fondo se fijan una vez en la hoja de estilos y valen para toda la pista, lo cual es menos expresivo que una anulación por línea y bastante más fácil de mantener coherente. Una clase colgada de una entrada permite dar estilo distinto a un subconjunto, y es lo más parecido a una tabla de estilos que hay aquí: suficiente para distinguir dos voces.

Todo lo que va entre llaves se elimina antes de escribir el texto, de modo que un cambio de color, un fundido, un desplazamiento o un giro no dejan nada detrás: ni caracteres sueltos ni marcado a medio traducir. Es el comportamiento correcto, porque un navegador dibujaría en pantalla el texto de la etiqueta si se dejara puesto.

También implica que la cursiva no sobrevive, y eso sorprende a casi todo el mundo. ASS marca la cursiva con una anulación entre llaves y WebVTT con una etiqueta entre ángulos, y nada tiende un puente entre las dos. Si la pista usaba cursiva para el monólogo interior, para la letra de una canción o para un segundo idioma, hay que reponerla en el VTT con la forma de ángulos.

ASS marca un salto forzado dentro de una línea de diálogo con una contrabarra y una ene, porque toda la línea tiene que caber en un único campo separado por comas. Eso no se borra: se convierte en un salto de línea real dentro del texto de la entrada, y WebVTT trata un salto dentro de una entrada como una decisión del autor. Un subtítulo de dos líneas sigue teniendo dos.

Hay un matiz que conviene mirar. La variante en minúscula, que un reproductor de ASS puede recomponer si le viene mejor, se convierte exactamente en el mismo salto real que la forzada. Es decir: un corte que quien maquetó dejó opcional llega al VTT como uno innegociable. Y los cortes se eligieron contra una tipografía concreta a un cuerpo concreto; en un móvil, una línea equilibrada para una pantalla de mil ochenta puede dejar una palabra colgando.

ASS pone varias líneas en pantalla a la vez por diseño, en capas distintas: el diálogo abajo, el cartel traducido encima de lo que traduce. WebVTT no tiene capas, y las dos cosas se convierten en entradas normales que ocupan los mismos segundos.

Los navegadores resuelven eso apilándolas en la parte baja del vídeo, que es defendible y casi nunca es lo que se quería: el cartel que pertenecía a la esquina superior derecha pasa dos segundos sentado encima del diálogo. O lo colocas con los ajustes descritos arriba, o decides que en la versión web ese cartel no hace falta y quitas esas entradas. En un episodio muy trabajado, quitarlas suele ser la respuesta honesta.

Un WebVTT tiene que empezar por la palabra WEBVTT en su propia primera línea. No es documentación: un archivo sin ella se rechaza antes de examinar nada más. Aquí se escribe siempre, seguida de una línea en blanco y después las entradas, sin identificadores delante de cada una porque son opcionales y no aportan nada a una pista convertida.

Los tiempos son el otro requisito. ASS anota centésimas de segundo; WebVTT se escribe con horas, minutos, segundos y tres cifras de milisegundos detrás de un punto. Una línea que empezaba en 0:00:01.23 sale como 00:00:01.230. No se inventa precisión ninguna: son los mismos instantes escritos con más dígitos.

El atributo kind de la etiqueta track distingue las dos cosas, y la distinción tiene consecuencias más allá del marcado. Los subtítulos suponen a alguien que oye y no entiende el idioma. El subtitulado accesible supone a alguien que no oye, y por eso incluye la información que no es habla: quién habla fuera de plano, cuándo entra la música, qué era ese ruido.

Una pista ASS convertida es casi siempre lo primero, porque así se escribió. Marcarla como lo segundo para dejar contenta una lista de comprobación pone la palabra correcta en el código y no cumple la obligación, que para las administraciones y para un número creciente de empresas es una obligación legal y no una buena práctica. Si hace falta subtitulado accesible, hay que escribir la información no hablada, y ninguna conversión la produce.

Si el diseño sostiene el sentido —carteles que llevan trama, karaoke, tipografía que forma parte de la obra— las opciones honestas son dos: renderizar los subtítulos dentro de la imagen y servir una copia con ellos quemados, o cargar un renderizador de ASS en JavaScript que los dibuje encima del vídeo. Las dos cuestan algo: la primera los hace permanentes y no seleccionables, la segunda añade una biblioteca y una dependencia de que haya scripts.

Para la mayoría del vídeo en una web, ninguna de las dos se justifica. Unas entradas sobrias que aparecen, se pueden seleccionar, se pueden apagar y las lee un lector de pantalla valen más para más gente que un diseño que solo verá una parte. Convierte, coloca el puñado de entradas que lo pida, da estilo a la pista desde el CSS y guarda el ASS como original para la versión donde el aspecto importa.