Cómo quitar los silencios de un video: pausas, muletillas y groserías sin horas de edición

Al final te queda el mismo video, pero sin los cuelgues largos entre frases, sin los eee/mmm y con las groserías tapadas. Además, un SRT recalculado a los nuevos tiempos: los subtítulos no se corren después de que a la pista le sacaste trozos. La imagen y el mensaje siguen siendo tuyos, solo cambia lo que sobra.

Funciona en dos pasos, no de un solo clic. Primero el análisis descompone el video en una línea de tiempo palabra por palabra, con pausas, muletillas y groserías marcadas. Después tú recorres la lista: quitas las casillas donde la pausa tiene sentido, marcas con un clic las palabras que quieres censurar, ves el total se van N s y solo entonces armas el video. Los tres interruptores (pausas, muletillas, groserías) trabajan por separado, así que puedes quitar solo los silencios y no tocar nada más.

No toda pausa sobra. La pausa antes de una conclusión o después de una pregunta sostiene el ritmo y juega a favor de la retención: esa la dejas. Lo que conviene quitar son los cuelgues técnicos: la persona se quedó pensando, titubeó, respiró entre frases. El detector los encuentra, pero la decisión de cortar o no es tuya, y por eso la lista de cambios se ve antes de armar, no se recorta en silencio.

El umbral de silencio no es un número fijo: se calcula desde el volumen del propio video. El detector toma como referencia el nivel promedio de audio y busca lo que suena notablemente más bajo que la voz. Los valores por defecto se ven en los ajustes de la herramienta, conviene abrirlos antes de armar. A cada lado del corte queda un margen para no cortar la respiración ni el arranque de la palabra; si no, en el empalme sale un clic seco en la primera letra de la frase siguiente.

• Deja: la pausa antes de una idea clave, después de una pregunta al público, al cambiar de tema. Eso es ritmo.
• Corta: los cuelgues entre frases y el silencio largo al inicio y al final del video.
• Ajusta el umbral a tu ritmo: el habla rápida tolera pausas más cortas; la lenta, no.

Pareciera más simple: reconoces la voz, encuentras los huecos entre palabras y los cortas. En la práctica eso recorta la voz. El reconocimiento puede no escribir un trozo que suena bajo o correr el tiempo, y entonces el hueco en el texto queda más largo que el real. Cortar por esos huecos es cortar palabras, así que las pausas se buscan por silencio acústico, no por los huecos del texto.

El detector mira el volumen real, no lo que alcanzó a escribir la red neuronal. Y del tramo de silencio que encuentra se le restan las palabras reconocidas: una palabra dicha bajito el detector podría confundirla con silencio, pero el texto avisa que ahí hay voz. Así se recorta justo el silencio, no una frase que no se alcanzó a oír.

Comprobarlo es fácil. Toma 30 segundos de grabación, súbelos a la herramienta y abre la lista de pausas encontradas. Si en la lista aparece un punto donde tú estabas hablando, no callado, es que ahí tu voz suena más bajo de lo normal: sube el umbral de silencio y revisa la lista de nuevo. El detector por sonido no toca ese punto.

Los titubeos y las muletillas se tratan con reglas distintas. Los sonidos de titubeo (eee, emm, mmm, hm) se cortan siempre que el interruptor esté activo: no cargan sentido. Las muletillas (o sea, pues, como que, este, en fin, bueno) solo se quitan con casilla, porque a veces son parte de la frase. En pues ¿y qué? ese pues es parte de lo que dices, no basura.

Para que el video no quede entrecortado, el corte de la muletilla va estrictamente entre palabras vecinas, y en cada empalme el audio se pega con un cruce corto. El corte no se oye: la transición va encimada, no a tope. Por lo mismo, quitar diez eee seguidos no convierte la voz en ráfaga de ametralladora; los empalmes quedan suavizados.

• Titubeos (eee/emm/mmm): se cortan en automático con el interruptor activo.
• Muletillas (o sea, pues, este, como que): por casilla, la lista es editable; las dudosas déjalas.
• Cada corte va entre palabras, con un cruce corto en el empalme para que no se oiga.

La censura se pone por máscara: ves la palabra en la lista de cambios y eliges con qué taparla, con un pitido o con silencio. En los subtítulos la palabra también queda tapada, así que el SRT sale limpio. Las opciones de tapado se ven directo en la interfaz de la herramienta al marcar la palabra.

Hay un detalle del reconocimiento: una grosería corta que no quedó en el texto reconocido, la automatización no la encuentra, para la máquina simplemente no existe. Por eso la lista de cambios se muestra antes de armar: el punto dudoso lo escuchas en el reproductor y marcas la palabra para censura a mano.

Piensa en un video con una intro de 40 segundos donde la persona se traba dos veces. Después de los cambios la intro se comprime, pero la frase no arranca a media palabra: el corte va entre palabras, no por cuadro. Estos son los pasos en la interfaz para llegar justo a eso.

1. 1

   Carga el video

   Abre la herramienta Silencios y groserías y sube el video: como archivo, desde la biblioteca o por enlace. Activa los interruptores que necesites: pausas, muletillas, groserías.

2. 2

   Espera el análisis

   El reconocimiento descompone el video en una línea de tiempo palabra por palabra: pausas marcadas, titubeos, muletillas y palabras con bandera de grosería. Este es el paso que cuesta, porque corre el reconocimiento de voz.

3. 3

   Recorre la lista de cambios

   Quita las casillas donde la pausa tiene sentido o la muletilla es parte de la frase. Marca con un clic las palabras para censurar y elige con qué taparlas. El total se van N s se recalcula con cada movimiento del control de umbral.

4. 4

   Arma el video y el SRT

   Lanza el armado. Sale el video sin pausas ni titubeos de más, groserías tapadas y SRT recalculado a los nuevos tiempos. Antes de publicar, revisa los empalmes de oído. Puedes volver a armar con otras decisiones sin repetir el análisis.

La herramienta Silencios y groserías se paga con minutos de origen de tu plan; lo que exceda el límite se descuenta del saldo. El cobro es por la duración real del análisis, y un análisis que se cae o se cancela devuelve los minutos. El paso que cuesta es el análisis, es decir, el reconocimiento de voz. El armado es gratis y repetible: puedes rearmar con otras casillas las veces que quieras. Las tarifas vigentes están en la página de precios.

En tiempo, el armado depende de si hay cortes. Si solo censuras groserías y no recortas nada, la imagen se copia del origen sin recodificar: se arma básicamente el audio, y es rápido. En cuanto aparecen cortes de pausas y muletillas, la imagen se rearma por trozos, y un video en alta resolución tarda más que en baja.

La automatización encuentra pocos titubeos, y eso no es un error, es la naturaleza del reconocimiento. El modelo escribe el texto por sentido, no palabra por palabra, así que un eee que se tragó muchas veces no aparece en el texto. En la interfaz se dice directo: los titubeos no se encuentran todos. Parte de los eee largos se va no como muletilla, sino como silencio: si suenan bajo, los corta el detector de silencio. Pero no cuentes con que la herramienta cace cada titubeo por el texto.

La palabra que no quedó en el texto no se puede censurar: no está en el texto, no está en la lista. El detector de silencio no distingue una pausa dramática de un cuelgue, eso lo decides tú. Y las entrevistas largas en alta resolución se arman más lento. Por eso el paso final es el mismo para todos los casos: ver el video completo.

Antes de publicar, abre la lista de cambios y escucha las pausas dudosas en el reproductor: así ves qué se va a ir exactamente, antes de que sea irreversible. Ajusta el umbral de silencio a tu ritmo de habla: el habla rápida tolera pausas más cortas, la lenta no. Si una pausa te sirve y el detector la quiere cortar, basta con quitarle la casilla en la lista.

• Pausas con sentido en su lugar: antes de las conclusiones y después de las preguntas no se colapsó nada.
• Groserías tapadas: pasaste de oído por las zonas probables y marcaste a mano lo que se coló.
• SRT alineado: los subtítulos no se corrieron después de los cortes.
• Video visto completo: la revisión final, no solo la lista de cambios.