¿Qué es srv3? El formato de los subtítulos de colores y karaoke de YouTube

srv3 es el formato de subtítulos propio de YouTube, también llamado YouTube Timed Text. Sus archivos suelen tener la extensión .srv3 o .ytt. A diferencia de SRT, el formato más común, srv3 puede guardar el color del texto, el borde, la posición en pantalla y el tiempo de cada carácter. Por eso casi todos los subtítulos karaoke de YouTube que cambian de color al ritmo del canto están hechos en srv3.

De dónde viene el nombre srv3

El sistema de subtítulos de YouTube llama internamente a este formato «srv3» (versión 3), y el elemento raíz del archivo lleva format="3". Si descargas subtítulos con yt-dlp y eliges el formato srv3, obtienes este tipo de archivo. Las herramientas de la comunidad para hacer subtítulos de colores (por ejemplo YTSubConverter) suelen llamarlo YouTube Timed Text y lo guardan como .ytt. El contenido es el mismo; solo cambia la extensión.

La ayuda oficial de YouTube sobre los formatos de subtítulos admitidos no menciona srv3. Aun así, se puede subir en YouTube Studio, y la comunidad lleva muchos años haciendo subtítulos de colores de esta forma.

Cómo es un archivo srv3

srv3 es un archivo de texto XML. Los estilos se definen en <head> y las líneas de subtítulos van en <body>:

<?xml version="1.0" encoding="utf-8" ?>
<timedtext format="3">
<head>
<pen id="0"/>
<pen id="1" fc="#FFFFFF" ec="#000000" et="3"/>
<pen id="2" fc="#5B8CFF" ec="#000000" et="3"/>
<pen id="3" fo="0" bo="0"/>
<ws id="0"/>
<wp id="0"/>
<wp id="1" ap="7" ah="50" av="95"/>
</head>
<body>
<p t="1000" d="2000" wp="1"><s p="3">&#x200B;</s>&#x200B;<s p="1">Sing along</s></p>
</body>
</timedtext>

• <pen>: estilo del texto. fc es el color del texto, fo la opacidad del texto, ec el color del borde, et el tipo de borde, sz el tamaño de letra (en porcentaje), fs la fuente, y b, i, u son negrita, cursiva y subrayado.
• <wp>: posición en pantalla. ap es el punto de anclaje (de 0 a 8, una cuadrícula de 3 × 3), y ah y av son la posición horizontal y vertical en porcentaje.
• <ws>: estilo de ventana, por ejemplo la alineación del texto.
• <p>: una línea de subtítulos. t es el tiempo de inicio y d la duración, ambos en milisegundos.
• <s>: un fragmento de texto dentro de la línea. p indica qué pen usa.

Hay dos cosas en el ejemplo que se añaden por YouTube y no cambian lo que se ve:

• Las definiciones vacías con id 0: la app de iOS ignora el fondo del primer pen, así que el primer elemento de cada tipo de definición es uno vacío que no se usa.
• El ​ al principio de la línea: ​ es un espacio de ancho cero, que no se ve. Al principio va un espacio de ancho cero con el pen transparente 3 y después otro que no está dentro de ningún <s>. Así YouTube conserva el estilo del fragmento con la letra (el motivo está más abajo, en «Limitaciones en YouTube»).

Fuentes

En srv3 no se puede escribir el nombre de una fuente. fs solo permite elegir una de las 7 fuentes que ofrece YouTube:

fs	Fuente	Tipo
Sin indicar o 0	Roboto	Predeterminada
1	Courier New	Monoespaciada con serifa
2	Times New Roman	Con serifa
3	Lucida Console	Monoespaciada sin serifa
4	Roboto	Sin serifa
5	Comic Sans MS	Informal
6	Monotype Corsiva	Manuscrita
7	Carrois Gothic SC	Versalitas

Todas son fuentes latinas y no tienen caracteres chinos, japoneses ni coreanos. Esos caracteres se muestran con otras fuentes del dispositivo, así que al cambiar de fuente puede que no notes ningún cambio en ellos. Solo cambian las letras latinas y los números.

Diferencias con SRT, WebVTT y ASS

Función	SRT	WebVTT	ASS	srv3
Color del texto	Algunos reproductores admiten <font color>	Sí	Sí	Sí
Borde y sombra	No	Limitado	Sí	Sí
Posición en pantalla	No	Sí	Sí	Sí
Tiempos por carácter (karaoke)	No	Sí (marcas de tiempo en línea)	Sí (\k)	Sí
Se puede subir a YouTube	Sí	Sí	No	Sí

ASS es el formato de subtítulos con más funciones y se usa mucho en el fansub de anime, pero YouTube no lo acepta. Si quieres conservar en YouTube los colores, las posiciones y el efecto karaoke, tienes que convertirlo a srv3.

Cómo se consigue el efecto karaoke

srv3 no tiene ninguna etiqueta del tipo «este carácter cambia de color en el segundo tal». El efecto karaoke se hace con una serie de líneas repetidas: la misma línea de la letra se divide en muchas líneas de subtítulos, y cada una tiene un carácter más que la anterior con el color «cantado».

Para que se lea mejor, aquí se omiten los espacios de ancho cero del principio:

<p t="1000" d="400"><s p="2">Sing</s><s p="1"> along</s></p>
<p t="1400" d="1600"><s p="2">Sing along</s></p>

Estas dos líneas van una detrás de otra: en el segundo 1 cambia de color «Sing», y en el segundo 1,4 cambia toda la línea. Cuanto más detallados son los tiempos por carácter, más líneas salen. Una canción suele tener varios miles, así que es muy difícil escribirlas a mano y hace falta una herramienta que las genere.

srv3 tiene otra forma de hacerlo: añadir el atributo t a <s> para que cada fragmento aparezca en un momento concreto. Los subtítulos automáticos de YouTube salen palabra por palabra de esta manera.

También puede haber dos o más líneas en el mismo momento, superpuestas en posiciones distintas o con bordes distintos, para conseguir sombras o bordes dobles.

Limitaciones en YouTube

Lo siguiente está sacado de la documentación de YTSubConverter. Conviene conocerlo antes de empezar para evitar sorpresas:

• La vista previa de YouTube Studio no muestra los estilos. Después de subir el archivo, el editor de subtítulos de Studio muestra texto sin formato. Es normal. Mientras no los modifiques en Studio, el reproductor mostrará los estilos. Si editas los subtítulos en Studio, puedes perder los estilos.
• Las apps para móviles muestran menos cosas. Las apps para móviles no admiten fondos personalizados (siempre usan fondo negro), y el ruby (furigana) se convierte en texto normal entre paréntesis.
• Los subtítulos que no están centrados se desplazan hacia los lados en el modo cine. Los subtítulos colocados a la izquierda o a la derecha se acercan más al borde en el modo cine del ordenador, e incluso pueden salirse del vídeo.
• Se puede perder el estilo del primer fragmento de cada línea. Al subir el archivo, YouTube borra el estilo del primer fragmento de texto de cada línea, salvo que la línea tenga también texto fuera de cualquier fragmento. Lo habitual es poner al principio espacios de ancho cero, que no se ven. Kara3 lo hace automáticamente al exportar.
• Solo hay 7 fuentes. Solo puedes usar las fuentes de la tabla de arriba, no otras.
• El tamaño de letra solo cambia una cuarta parte. Con sz al 200% el texto solo crece hasta el 125%, y lo más pequeño que se puede conseguir es el 75%.

Editar srv3 con Kara3

Kara3 es un editor de srv3 gratuito que no necesita instalación. Une las líneas repetidas en una sola línea de la letra, para que puedas cambiar directamente el texto, los tiempos, los colores y la posición. Al exportar vuelve a generar las líneas repetidas. Lo que no reconoce se conserva tal cual y no se estropea.

Si quieres hacer unos subtítulos karaoke desde cero, consulta «Cómo hacer subtítulos karaoke». Si ya tienes un SRT o un ASS, consulta «Convertir SRT y ASS a srv3».