Per l'equip editorial de whispertranscribe.ai · Actualitzat: novembre de 2026 · Lectura: 12 minuts
El format adequat de transcripció d'un pòdcast depèn d'on es publicarà el text. A la pàgina de l'episodi, utilitza paràgrafs llegibles amb el nom del parlant abans de cada torn i marques de temps ocasionals. Per a Apple Podcasts, Spotify i el canal RSS, utilitza un fitxer WebVTT (.vtt) sincronitzat, amb SRT com a alternativa. Conserva una còpia TXT o DOCX per editar.
A continuació: quatre plantilles per copiar, les normes de fitxer de Podcasting 2.0, Apple, Spotify i YouTube (consultades el novembre de 2026) i una llista de publicació.
Resposta ràpida: quin format de transcripció hauries d'utilitzar?
La majoria de programes necessiten dues versions de les mateixes paraules: una de lectura per a persones i un fitxer sincronitzat per a aplicacions. Tria la versió de lectura segons el públic i el fitxer sincronitzat segons la plataforma.
| Format | Ideal per a | Avantatges | Inconvenients | On s'accepta |
|---|---|---|---|---|
| Text pla (TXT) | Edició, notes del programa, reutilització en articles | S'obre a tot arreu; fàcil de cercar i enganxar | Sense sincronització; noms només si els escrius | El teu lloc; etiqueta RSS com a text/plain |
| Document amb parlants (DOCX o pàgina web) | Pàgines d'episodi, revisió del convidat, accessibilitat | El més llegible; admet encapçalaments i enllaços | No se sincronitza amb l'àudio | El teu lloc; etiqueta RSS com a text/html |
| Text amb marques de temps | Entrevistes llargues, comprovació de cites, recerca | El lector pot saltar a un moment | Massa marques carreguen la pàgina | El teu lloc |
| SRT (.srt) | Pujada a Spotify o YouTube; canals tipus subtítols | Senzill i àmpliament compatible | Sense etiqueta de veu; els noms van al text | Apple (pujada de subscriptors), Spotify, YouTube, etiqueta RSS |
| WebVTT (.vtt) | Apple Podcasts, Spotify, reproductors web | Noms amb etiquetes de veu; suport natiu als navegadors | Sintaxi estricta; una línia fora de lloc pot trencar-lo | Apple (canal i pujada de subscriptors), Spotify, YouTube, etiqueta RSS |
| JSON (Podcasting 2.0) | Aplicacions que ressalten paraula per paraula | Sincronització més precisa | Pocs allotjadors el generen | Etiqueta RSS com a application/json |
Regla pràctica: si només pots crear un fitxer sincronitzat, fes-lo VTT. La documentació de transcripció de Podcasting 2.0 recomana WebVTT per a aquest cas, ja que Apple Podcasts l'utilitza per a la ingestió i els navegadors l'admeten de manera nativa.
Què inclou una bona transcripció de pòdcast
Una bona transcripció permet seguir tot l'episodi a qui mai no prem la reproducció. El W3C la descriu com a paràgrafs de text senzill amb parlants identificats i els sons no verbals necessaris per entendre el contingut.
A la pràctica, això es concreta en cinc hàbits:
- Identifica el parlant a cada torn. Utilitza el nom complet una vegada a prop del principi i després una forma curta. No barregis «Mia», «Presentadora» i «Parlant 1» en un mateix fitxer.
- Comença un paràgraf a cada canvi de parlant. Divideix les respostes llargues quan canviï el tema.
- Posa els sons significatius entre claudàtors.
[riures],[sona el telèfon],[música inicial]. Omet el soroll de fons innecessari. - Marca allò que afegeixis. El W3C indica que els aclariments afegits són acceptables si els lectors poden distingir-los de l'àudio, per exemple amb claudàtors.
- Utilitza poques marques de temps. El W3C recomana incloure-les només quan siguin útils; rarament necessiten hora final.
Neta o literal? Per a una pàgina pública d'episodi, el literal net sol ser millor: conserva totes les paraules significatives i elimina «eh», quequeses i inicis falsos. Conserva el literal complet quan la formulació exacta sigui important, com en entrevistes de recerca o cites discutibles. Sigui quina sigui l'elecció, indica-la en una línia al principi.
Plantilles de transcripció de pòdcast per copiar
Cada plantilla és un exemple fictici creat per a aquesta guia (el programa «Trailhead Radio» no existeix). Substitueix els camps entre claudàtors i conserva l'estructura.
Plantilla 1: Format d'entrevista (dos o més parlants)
Utilitza-la per a episodis amb convidats i taules rodones. Posa les etiquetes en negreta si el lloc ho permet.
EXEMPLE (programa fictici)
Trailhead Radio, episodi 58: Equipatge per a una primera excursió nocturna
Presentadora: Mia Chen. Convidat: Luis Ortega, guarda del parc.
Estil de transcripció: literal net.
[música inicial]
Mia Chen: Benvinguts de nou a Trailhead Radio. Soc la Mia i avui
parlo amb el guarda Luis Ortega dels errors que veu en les primeres
excursions amb nit al ras.
Luis Ortega: Gràcies per convidar-me. El principal és el pes. La gent
carrega per a qualsevol problema i acaba massa cansada per gaudir del camí.
Mia: Per on comences?
Luis: Per l'aigua. Comprova on pots omplir abans de sortir i porta
només la necessària fins a la font següent. [riu] En la primera sortida,
vaig carregar sis litres per un camí al costat d'un rierol.
Plantilla 2: Episodi individual o monòleg
Els episodis individuals no tenen canvis de parlant, així que l'estructura prové dels encapçalaments i paràgrafs, no d'etiquetes.
EXEMPLE (programa fictici)
Trailhead Radio, episodi 59: Com llegir un mapa de rutes
Parlant: Mia Chen. Estil de transcripció: literal net.
Introducció
Avui serà breu. Us explicaré les tres coses que comprovo en un
mapa abans de cada excursió, en l'ordre en què les comprovo.
1. Corbes de nivell
Com més juntes són les línies, més pendent té el terreny.
2. Fonts d'aigua
Observa la distància entre els símbols blaus al llarg de la ruta.
[Missatge del patrocinador]
3. Punts de sortida
Troba almenys una sortida del camí abans de la meitat del recorregut.
Plantilla 3: Transcripció amb marques de temps
Utilitza-la per a entrevistes llargues en què cal trobar ràpidament un moment. N'hi ha prou amb una marca a cada torn o cada pocs minuts.
EXEMPLE (programa fictici)
Trailhead Radio, episodi 58 (durada 41:20)
[00:00] [música inicial]
[00:12] Mia Chen: Benvinguts de nou a Trailhead Radio. Avui parlo
amb el guarda Luis Ortega de les primeres excursions nocturnes.
[00:21] Luis Ortega: Gràcies per convidar-me. El gran error és el pes.
[03:47] Mia: Parlem del menjar. Quant en porta de més la gent?
[03:52] Luis: Gairebé sempre un dia sencer. [riu]
[17:05] [inaudible 17:05] Luis: ...i per això porto un mapa de paper.
Per a episodis de més d'una hora, escriu també les hores ([01:03:47]) perquè totes les marques tinguin el mateix format.
Plantilla 4: Transcripció per capítols d'episodis llargs
Els capítols ajuden els lectors i usuaris de lectors de pantalla a navegar una conversa llarga. El W3C suggereix afegir encapçalaments quan milloren la utilitat.
<!-- EXEMPLE (programa fictici) -->
## Transcripció: Equipatge per a una primera excursió nocturna
**Episodi 58 · Presentadora: Mia Chen · Convidat: Luis Ortega · Literal net**
### Capítol 1 (00:00): Per què fallen les primeres sortides
**Mia Chen:** Benvinguts de nou a Trailhead Radio...
**Luis Ortega:** El principal és el pes...
### Capítol 2 (03:47): Menjar i aigua
**Mia:** Parlem del menjar...
### Capítol 3 (17:05): Navegació sense cobertura
**Luis:** Sempre porto un mapa de paper...
### Recursos esmentats
- [Enllaç a la pàgina de l'estat dels camins del parc]
Utilitza els mateixos temps de capítol que a les notes del programa perquè les llistes coincideixin.
Formats de fitxer per a pòdcasts: VTT, SRT, JSON i HTML
Els fitxers sincronitzats segueixen normes més estrictes que les còpies de lectura. Aquesta és la mateixa conversa fictícia en cada format.
WebVTT (.vtt): el fitxer sincronitzat més segur
Un VTT comença amb WEBVTT, utilitza un punt abans dels mil·lisegons i pot indicar el parlant en una etiqueta de veu. Apple diu que un fitxer VTT permet identificar el parlant a cada línia i que el nom apareix a la vista de transcripció quan canvia.
WEBVTT
00:00:12.000 --> 00:00:17.400
<v Mia Chen>Benvinguts de nou a Trailhead Radio.
00:00:17.400 --> 00:00:21.000
<v Mia Chen>Avui parlo amb el guarda Luis Ortega.
00:00:21.000 --> 00:00:24.800
<v Luis Ortega>Gràcies per convidar-me.
El gran error és el pes.
La documentació de Podcasting 2.0 suggereix línies VTT de 65 caràcters o menys perquè el fitxer també funcioni com a subtítols.
SRT (.srt): l'alternativa
SRT numera cada segment, utilitza una coma abans dels mil·lisegons i no té etiqueta de veu. La documentació de Podcasting 2.0 estableix un perfil SRT per a pòdcasts: màxim dues línies per segment, 32 caràcters per línia i un segment nou a cada canvi de parlant, començant pel nom i dos punts.
1
00:00:12,000 --> 00:00:15,000
Mia: Benvinguts de nou
a Trailhead Radio.
2
00:00:21,000 --> 00:00:24,800
Luis: Gràcies per convidar-me.
El gran error és el pes.
No coneixes SRT? La nostra explicació sobre què és un fitxer SRT descriu cada línia.
JSON i HTML (Podcasting 2.0)
L'especificació també defineix dos formats menys habituals. JSON desa una version de l'especificació i una matriu de segments; cada segment conté els camps speaker, startTime, endTime i body, i un segment per paraula permet ressaltar-les individualment. HTML és adequat per a transcripcions amb poca sincronització o sense: el nom va a <cite>, l'inici a <time> i les paraules a <p>. L'especificació l'anomena de baixa fidelitat, destinat a l'accessibilitat i a text cercable.
Com afegir una transcripció al canal RSS (etiqueta Podcasting 2.0)
Les aplicacions troben la teva transcripció amb l'etiqueta <podcast:transcript> dins de l'<item> de cada episodi. La majoria d'allotjadors l'escriuen quan adjuntes un fitxer, així que comprova el tauler abans d'editar el canal a mà.
Segons la documentació oficial de l'etiqueta:
url(obligatori): ubicació del fitxer de transcripció.type(obligatori): tipus MIME. La documentació enumeratext/plain,text/html,text/vtt,application/jsoniapplication/x-subrip(SRT).language(opcional): si s'omet, les aplicacions assumeixen la llengua de l'element<language>del canal.rel="captions"(opcional): indica que el fitxer són subtítols accessibles amb codis de temps, sigui quin sigui el tipus MIME.- Es permeten diverses etiquetes, de manera que pots oferir un fitxer per format.
<!-- EXEMPLE: un episodi ofereix tres fitxers de transcripció -->
<rss version="2.0" xmlns:podcast="https://podcastindex.org/namespace/1.0">
<channel>
<language>en</language>
<item>
<title>Equipatge per a una primera excursió nocturna</title>
<podcast:transcript url="https://example.com/ep58/transcript.vtt"
type="text/vtt" />
<podcast:transcript url="https://example.com/ep58/transcript.srt"
type="application/x-subrip" rel="captions" />
<podcast:transcript url="https://example.com/ep58/transcript.html"
type="text/html" />
</item>
</channel>
</rss>
Un detall fàcil d'oblidar: la documentació de formats diu que els reproductors web necessiten capçaleres CORS al servidor del fitxer per carregar-lo des d'un altre lloc. Si un reproductor web no mostra la transcripció però Apple sí, comprova-ho primer.
Requisits de transcripció d'Apple Podcasts, Spotify i YouTube
Cada plataforma accepta fitxers sincronitzats, però els rep de manera diferent. Els detalls es van consultar a les pàgines d'ajuda el novembre de 2026.
| Plataforma | Fitxers acceptats | Com hi arriba el fitxer | Precaucions | Font oficial |
|---|---|---|---|---|
| Apple Podcasts | VTT o SRT | Etiqueta RSS; pujada directa a Apple Podcasts Connect per a episodis de subscriptors | Cal triar «Display transcripts I provide»; 11 llengües admeses | Apple Podcasts for Creators |
| Spotify | VTT o SRT, fins a 5MB | Pujada a Spotify for Creators (programes elegibles) | Activar transcripcions automàtiques substitueix el fitxer pujat | Spotify for Creators Help |
| YouTube | SRT, VTT i altres formats de subtítols | YouTube Studio, Subtitles, Upload file | SRT ha de ser UTF-8 pla sense marques | YouTube Help |
| Altres aplicacions | Depèn de l'aplicació | Etiqueta de transcripció RSS | No totes llegeixen l'etiqueta | Documentació de Podcasting 2.0 |
Apple Podcasts
- Apple crea transcripcions automàtiques per a episodis nous. Per mostrar les teves, canvia la configuració de transcripció a la pestanya Availability del programa a Apple Podcasts Connect o utilitza una configuració personalitzada per a un episodi.
- Funcionen a iOS 17.4 o posterior en anglès, danès, neerlandès, finès, francès, alemany, italià, noruec, portuguès, castellà i suec. Per a altres llengües, Apple suggereix enllaçar la transcripció a les notes.
- El fitxer ha de ser VTT o SRT, sense errors ortogràfics ni de puntuació, i cobrir tots els segments. Els fitxers que no compleixen els estàndards de qualitat d'Apple no es mostren.
- Apple no mostra segments modificats per àudio inserit dinàmicament, no mostra lletres de música i pot no transcriure episodis de més de 10 hores.
- L'aplicació etiqueta el teu fitxer com a «Provided by» i el propi com a «Automatically generated».
Spotify
- Les transcripcions no estan disponibles per a tots els creadors. Si el programa és elegible, ves a Episodes, selecciona l'episodi, fes clic a Details i després a Edit sota Transcripts. Des d'allà pots baixar el VTT de Spotify, corregir-lo i pujar el teu.
- Spotify demana VTT o SRT, un màxim de 5MB i marques de temps, sense les quals no se sincronitza durant la reproducció.
- L'opció Distribute transcripts across other platforms via RSS posa les transcripcions al canal per a altres aplicacions.
YouTube
Els pòdcasts de vídeo a YouTube utilitzen pistes de subtítols ordinàries. A YouTube Studio, tria Subtitles, selecciona el vídeo, afegeix una llengua i després Upload file i tria With timing o Without timing. L'ajuda de YouTube desaconsella dependre de transcripcions sense temps quan el vídeo supera una hora o l'àudio és deficient, com passa amb molts episodis complets; puja SRT o VTT sincronitzat.
Accessibilitat: què espera WCAG d'una transcripció de pòdcast
Aquesta secció és informació general, no assessorament jurídic. Que una llei s'apliqui al teu programa depèn del país i l'organització.
Les Directrius d'accessibilitat del contingut web tracten el pòdcast com a contingut només d'àudio. Segons el criteri d'èxit 1.2.1, el contingut d'àudio preenregistrat necessita una alternativa textual amb informació equivalent. La guia de transcripcions del W3C afegeix que les transcripcions d'àudio preenregistrat són obligatòries al nivell A i les d'àudio en directe al nivell AAA.
Què significa per al format:
- Equivalent vol dir complet. Inclou tota la parla i els sons significatius, no un resum.
- Ha de ser text real, perquè lectors de pantalla, dispositius braille i eines de cerca el puguin utilitzar.
- Facilita'n la localització. El W3C recomana posar la transcripció o un enllaç just al costat del contingut, normalment a la mateixa pàgina.
- Un fitxer de subtítols no és una transcripció de lectura. Si parteixes d'SRT o VTT, fusiona els segments curts en paràgrafs, com fa l'exemple del W3C.
Ajuden les transcripcions de pòdcast al SEO?
Poden ajudar, però cal anar amb compte amb les promeses. Les fonts diuen el següent:
- El W3C indica que afegir encapçalaments i enllaços fa la transcripció més útil i també ajuda el SEO.
- Spotify diu que les transcripcions ajuden a entendre de què tracta un programa i alimenten funcions de descoberta com capítols i etiquetes de convidats i temes (Spotify for Creators).
- Apple permet cercar una paraula o frase dins un episodi i tocar el text per reproduir des d'aquell punt.
Cap font promet millors posicions. Publica la transcripció perquè fa accessible l'episodi a més persones i considera qualsevol augment de trànsit un avantatge addicional.
Com crear una transcripció de pòdcast amb whispertranscribe.ai
whispertranscribe.ai és una eina de transcripció al navegador basada en Whisper d'OpenAI. Converteix un episodi en text exportable en els formats anteriors. Funciona al navegador; no cal instal·lar cap aplicació.
- Obre el generador de transcripcions de pòdcast i tria la llengua parlada entre més de 130. Per a enregistraments difícils, moltes llengües tenen l'opció Noise / Low-Quality Audio/Video, i Multilingual Mix serveix per als episodis que canvien de llengua.
- Afegeix l'episodi. Puja el fitxer d'àudio o vídeo (MP3, WAV, M4A, MP4 i més), fins a 5GB i 10 hores per fitxer. O utilitza Transcriu des d'un URL, que accepta enllaços de YouTube, Vimeo, Google Drive i Dropbox. La pàgina no enumera enllaços d'Apple Podcasts o Spotify ni canals RSS; per a un episodi només d'àudio, puja el fitxer del teu allotjador o editor.
- Activa Speaker Detection per a entrevistes i taules rodones.
- Revisa l'esborrany. La precisió pot arribar al 99% amb àudio net, però la superposició de veus, la música sota la parla, el soroll i els accents marcats la redueixen. Comprova noms, xifres i la primera línia després de cada canvi de parlant.
- Exporta el que necessita cada destinació: TXT o DOCX per a la pàgina i les notes, VTT o SRT per a Apple Podcasts, Spotify i YouTube, i PDF o CSV si cal.
Si l'exportació té etiquetes genèriques, substitueix-les pels noms reals amb cerca i substitució abans de publicar. Per subtitular clips, el generador de subtítols amb IA té un límit de paraules per subtítol, i MP3 a SRT processa fitxers només d'àudio. Per a programes amb moltes entrevistes, consulta transcripció gratuïta d'entrevistes. Necessites un fitxer més petit? Utilitza converteix àudio o vídeo a MP3.
Pots començar sense crear un compte; consulta la pàgina per saber què inclou actualment l'ús gratuït. Els plans de pagament comencen a $9.99/mes amb facturació anual (preus). Totes les eines són a la pàgina de funcions.
Llista de comprovació per publicar transcripcions de pòdcast
- Un estil coherent per a etiquetes, claudàtors i marques, indicat al principi
- Tots els parlants identificats, amb noms coincidents amb la descripció de l'episodi
- Noms, xifres i marques comprovats amb l'àudio
- Versió de lectura publicada al costat del reproductor o enllaçada des d'allà
- Fitxer sincronitzat desat com a UTF-8,
.vtto.srt, no.vtt.txt - VTT comença amb
WEBVTT; les marques SRT utilitzen comes - El fitxer cobreix tot l'episodi, incloses introducció i cloenda
- L'etiqueta RSS té el
typecorrecte i l'URL del fitxer és públic - Apple configurat a «Display transcripts I provide»
- La pujada a Spotify és inferior a 5MB i la transcripció automàtica està desactivada
- Episodi publicat comprovat a cada aplicació 24 hores després
Resolució de problemes de format de transcripció
| Què observes | Causa probable | Solució |
|---|---|---|
| Apple encara etiqueta la transcripció «Automatically generated» | Configuració no modificada | Tria «Display transcripts I provide» per al programa o episodi |
| No hi ha transcripció a Apple | Llengua no admesa, episodi explícit amb restriccions o menys de 24 hores des de la publicació | Comprova llengua i restriccions i espera un dia |
| Falten parts de l'episodi a Apple | Àudio inserit dinàmicament modificat després de la transcripció | Comportament previst; conserva el text complet al teu lloc |
| No hi ha noms de parlants a Apple | El fitxer és SRT o no té etiquetes de veu | Exporta VTT i afegeix etiquetes <v Name> |
| Spotify rebutja la pujada | Tipus incorrecte o més de 5MB | Exporta VTT o SRT; escurça segments llargs o separa les notes |
| La transcripció de Spotify no segueix l'àudio | No hi ha marques de temps | Puja VTT o SRT sincronitzat, no TXT |
| La pujada ha desaparegut de Spotify | S'han activat les transcripcions automàtiques | Desactiva-les i torna a pujar |
| El reproductor web no mostra res però Apple funciona | Falten capçaleres CORS a l'allotjament | Demana a l'allotjador o CDN que permeti peticions d'origen creuat |
| Les lletres accentuades es veuen malament | Fitxer no desat com a UTF-8 | Torna'l a desar com a UTF-8 en un editor de text pla |
| La pàgina és difícil de seguir | S'ha enganxat un fitxer de subtítols com a transcripció | Fusiona segments en paràgrafs i afegeix etiquetes de parlants |
Trobaràs més solucions a la guia sobre exportació de subtítols SRT.
Preguntes freqüents
Quin és el millor format per a una transcripció de pòdcast?
En realitat n'hi ha dos: un per a persones i un per a aplicacions. Per als lectors, utilitza text literal net amb el nom abans de cada torn, un paràgraf nou a cada canvi de parlant i sons entre claudàtors. Per a aplicacions, utilitza WebVTT sincronitzat, acceptat per Apple Podcasts i Spotify i recomanat per Podcasting 2.0 si només pots admetre un format. SRT és una alternativa.
Una transcripció de pòdcast ha d'incloure marques de temps?
El fitxer sincronitzat les ha d'incloure, però la versió de lectura només en necessita algunes. Spotify diu que una transcripció pujada sense marques no se sincronitza i Apple espera VTT o SRT, tots dos sincronitzats. En una pàgina web, el W3C diu que només s'han d'incloure quan siguin útils. Una marca per torn o capítol permet trobar moments sense carregar el text.
Quin format accepta Spotify per a transcripcions de pòdcast?
Spotify accepta fitxers VTT o SRT de fins a 5MB, pujats a Spotify for Creators a Details i Transcripts de l'episodi. Necessiten marques de temps o no se sincronitzaran. Les transcripcions no estan disponibles per a tots els creadors, així que l'opció pot no aparèixer. Si actives després la transcripció automàtica, substituirà el fitxer pujat.
Com afegeixo una transcripció al canal RSS del pòdcast?
Afegeix una etiqueta podcast:transcript dins de l'element item de l'episodi, amb l'URL i el tipus MIME, com text/vtt per a WebVTT o application/x-subrip per a SRT. Pots afegir diverses etiquetes per a formats diferents, un atribut de llengua i rel="captions" per a subtítols sincronitzats. La majoria d'allotjadors escriuen l'etiqueta quan adjuntes la transcripció; comprova primer el tauler.
Necessiten els pòdcasts transcripcions per a l'accessibilitat?
Segons WCAG, un contingut preenregistrat només d'àudio, com un episodi de pòdcast, necessita una alternativa textual amb informació equivalent, i el W3C ho situa al nivell A, el més bàsic. Que WCAG sigui obligatori legalment per al teu programa depèn del país, sector i organització. És informació general, no assessorament jurídic; consulta les normes aplicables.
Puc convertir un fitxer SRT o VTT en una transcripció llegible?
Sí. Elimina els números i línies de temps, fusiona les línies curtes en paràgrafs i comença'n un de nou quan canviï el parlant. Converteix les etiquetes de veu VTT en noms seguits de dos punts i conserva els sons significatius entre claudàtors. El W3C utilitza el mateix enfocament en el seu exemple, agrupant diverses línies de subtítols en cada paràgraf.
Vols donar format al teu proper episodi? Puja'l al generador de transcripcions de pòdcast de whispertranscribe.ai i exporta TXT, DOCX, VTT o SRT en més de 130 llengües, amb detecció de parlants.
Guies relacionades: Què és un fitxer SRT? · Com exportar subtítols SRT · Com transcriure MP3 a text · Subtítols i subtítols accessibles
Referències
- Podcast Index: Etiqueta podcast:transcript i detalls dels formats de transcripció
- Apple Podcasts for Creators: Transcripcions a Apple Podcasts
- Spotify for Creators: Gestionar transcripcions d'episodis a Spotify i transcripcions automàtiques, capítols i més
- YouTube Help: Fitxers de subtítols admesos i afegir subtítols
- W3C WAI: Transcripcions
- W3C: Comprendre SC 1.2.1 Àudio i vídeo sols (preenregistrats)
