Convertitore online gratuito da VTT a M4A

Un file VTT contiene didascalie con indicazioni temporali, non audio, quindi non è possibile trasformarlo in una registrazione audio semplicemente cambiandone il formato. Se un lettore o un dispositivo richiede un file M4A, la conversione può generare una narrazione parlata a partire dalle didascalie.

Cosa contiene un file VTT

WebVTT (.vtt) memorizza il testo delle didascalie o dei sottotitoli, la temporizzazione dei segmenti e, facoltativamente, informazioni sui parlanti o sulla formattazione. Gli editor video, gli strumenti per le didascalie e le piattaforme di streaming creano o esportano file VTT, che vengono comunemente forniti insieme ai video quando le didascalie devono essere visualizzate separatamente.

A cosa serve M4A

M4A è un contenitore di file audio comunemente usato per l'audio codificato in AAC. È supportato da molti telefoni, lettori multimediali e applicazioni di editing. Poiché VTT non contiene tracce audio, un file M4A creato a partire da esso contiene parlato sintetizzato, non audio recuperato o estratto.

Converti le didascalie in M4A

Online su 101convert.com

1. Carica il file VTT nella pagina del convertitore. Puoi aggiungere più file in un'unica operazione; la pagina mostra il limite di dimensione per ciascun file.
2. Prima della conversione, scegli la lingua della voce, la velocità di lettura e le opzioni per la temporizzazione dei sottotitoli, se necessario.
3. Avvia la conversione e scarica il file M4A risultante.

Offline con strumenti desktop

Per lavorare offline, usa il pacchetto Python open source webvtt-py per estrarre il testo delle didascalie, eSpeak NG per sintetizzare la voce e FFmpeg per codificare l'audio in formato M4A. Questi strumenti sono disponibili per Linux, Windows e macOS.

1. Installa Python, eSpeak NG e FFmpeg, quindi installa il parser VTT: python -m pip install webvtt-py.
2. Salva questo script come make_text.py nella stessa cartella di captions.vtt. Unisce i segmenti nell'ordine in cui compaiono nel file e rimuove i semplici tag inline.

import html
import re
from pathlib import Path
import webvtt

cues = webvtt.read("captions.vtt")
lines = []
for cue in cues:
    text = re.sub(r"<[^>]*>", "", cue.text)
    lines.append(html.unescape(text.replace("\n", " ")))
Path("narration.txt").write_text("\n".join(lines), encoding="utf-8")

3. Esegui lo script, sintetizza la voce in WAV, quindi codifica l'audio in AAC in un contenitore M4A:

python make_text.py
espeak-ng -v en -s 160 -f narration.txt -w narration.wav
ffmpeg -i narration.wav -c:a aac -b:a 128k narrated.m4a

Sostituisci en con un codice vocale eSpeak NG disponibile sul tuo sistema. Questo flusso di lavoro di base legge i segmenti nell'ordine in cui compaiono, ma non ne conserva le indicazioni temporali originali.

Qualità e temporizzazione

La qualità audio del file M4A dipende dalla voce sintetizzata selezionata e dal bitrate AAC; aumentare il bitrate non rende la voce più naturale. La temporizzazione dei segmenti è rilevante solo se lo strumento di conversione la usa per programmare il parlato; nei comandi offline qui sopra, invece, le didascalie vengono trasformate in una narrazione continua.