CapCutSottotitoli che si leggono davvero in verticale: caratteri per riga, CPS e durata minima per cue
Team di AiToolsForAppsRedatto con l'assistenza dell'IA17 min di letturaIn sintesi
- L'IA non sbaglia più in cosa si dice, sbaglia in come si suddivide: la trascrizione azzecca le parole e lascia righe chilometriche, cue di mezzo secondo e blocchi di tre righe sul volto.
- Le Subtitle Guidelines della BBC (versione 1.2.5, marzo 2026) stabiliscono l'equivalente verticale: ciò che sono 37 caratteri per riga in un 16:9 sono circa 25 caratteri in un 9:16.
- Velocità di lettura: la BBC raccomanda 160-180 parole al minuto e un minimo di 0,3 secondi per parola; Netflix accetta fino a 20 CPS per adulti e 17 CPS per contenuti infantili. Per il verticale, 12-17 CPS è l'intervallo confortevole.
- Durata per cue: Netflix richiede un minimo di 20 fotogrammi (4/5 di secondo) e un intervallo minimo di 2 fotogrammi; la BBC chiede che, se c'è una pausa, l'intervallo sia di un secondo come minimo.
- Dal 28 giugno 2025 l'Atto Europeo sull'Accessibilità è applicabile, e in Spagna è trasposto dalla Legge 11/2023: i sottotitoli hanno smesso di essere un extra di marketing.
Se editi video verticali, il 2026 ti ha regalato la parte facile del sottotitolaggio e ti ha lasciato intatta la difficile. La trascrizione automatica è già buona; la suddivisione rimane un mestiere. Questo articolo raccoglie le regole di leggibilità utilizzate da broadcaster e piattaforme, le traduce nel formato 9:16 e spiega come rivedere un .srt prima di importarlo nel tuo editor. Alla fine vedrai dove si inserisce aiCapCut, lo strumento di AiToolsForApps per generare e ri-suddividere sottotitoli SRT per video verticali senza toccare la timeline.

I sottotitoli automatici azzeccano le parole e sbagliano la suddivisione
Il riconoscimento vocale risolve la trascrizione; la suddivisione —dove inizia e finisce ogni cue, dove si divide la riga, quanto tempo rimane a schermo— è una decisione editoriale che nessun motore prende per te. Perciò un sottotitolo automatico può avere il 100 % delle parole corrette e continuare a essere illeggibile.
I tre errori che compaiono ripetutamente in verticale:
- Righe troppo lunghe. Il motore suddivide per pausa audio, non per larghezza della casella. In 9:16 una frase che stava comoda in orizzontale trabocca o si riduce a un corpo di lettera illeggibile.
- Cue troppo corti. Un intercalare isolato ("già", "ok") genera un cue di 300 millisecondi che lampeggia e non dà nemmeno il tempo di fissare lo sguardo.
- Tre o quattro righe sovrapposte. Il blocco cresce verso l'alto e finisce per coprire esattamente ciò che lo spettatore ha bisogno di vedere: la bocca di chi parla.
La guida della BBC lo dice senza mezzi termini nella sua sezione di posizione: nei video verticali conviene alzare un po' i sottotitoli, ma mantenendoli nel terzo inferiore, "perché i volti tendono a trovarsi nella metà superiore dello schermo e posizionare i sottotitoli in fondo rende difficile leggere il testo e vedere la persona che parla".

In verticale ci stanno circa 25 caratteri per riga, non 37 né 42
La BBC fornisce l'equivalenza esatta: "l'equivalente di 37 caratteri in una regione del 75 % della larghezza di un video 16:9 sono 25 caratteri in una regione del 90 % della larghezza di un video 9:16". Vale a dire, il formato verticale ti sottrae circa un terzo del testo per riga rispetto allo standard di diffusione.
Da dove provengono le cifre che circolano:
- 37 caratteri è un limite del teletext: dei 40 byte disponibili per riga, almeno 3 vengono spesi in codici di controllo, quindi rimangono 37 posizioni utili. È un numero di infrastruttura, non di fisiologia.
- 42 caratteri per riga è il limite della English Timed Text Style Guide di Netflix, pensato per schermo grande e font proporzionale.
- 25 caratteri è la traduzione onesta di quei limiti a 9:16, secondo la stessa BBC.
La stessa guida avvisa di qualcosa che è bene non dimenticare: controllare la lunghezza solo con un contatore di caratteri "è un metodo grossolano che non tiene conto della larghezza di ciascuna lettera né del font". Una riga di 30 caratteri piena di emme e uve doppie occupa più di una di 34 con i e l. Il contatore è un buon guardrail, non una garanzia: controlla il risultato a schermo.
Nella pratica, per video verticali sui social funziona bene fissare il massimo tra 28 e 34 caratteri per riga e scendere a 18-22 se intendi usare sottotitoli di una sola riga tipo karaoke.
Due righe è il limite pratico nelle reti, anche se la BBC consente tre in verticale
Qui c'è una vera divergenza che è utile conoscere. Il paragrafo 3.3 della guida della BBC raccomanda un massimo di due righe per video orizzontali o quadrati (16:9, 4:3, 1:1) e di tre righe per video verticali (9:16), sfruttando il fatto che l'inquadratura è più alta. Nei video social, tuttavia, la terza riga è quasi sempre costosa.
Il motivo è che in un 9:16 di reti l'altezza utile non è l'altezza del file: l'interfaccia dell'app, il testo della descrizione, i pulsanti laterali e la barra inferiore occupano una parte dell'inquadratura, e il blocco dei sottotitoli cresce verso l'alto, verso il viso. La stessa BBC precisa il suo permesso: si possono usare righe extra "se hai la certezza che non si nasconde informazioni importanti dell'immagine", e nel paragrafo sui sottotitoli cumulativi insiste di non usarli se coprono bocche o altri elementi visivi rilevanti.
La conclusione operativa: metti il limite a 2 righe e tratta la terza come un'eccezione giustificata, non come una risorsa per default. Se non ci sta in due righe di 30 caratteri, il problema non è il numero di righe: è che quel cue dovrebbe essere due cues.
Per il taglio di riga, la BBC chiede di rompere in punti logici —idealmente in un segno di punteggiatura— e, se non c'è altra scelta, evitare di separare articolo e sostantivo, preposizione e il suo sintagma, congiunzione e la frase che introduce, pronome e verbo, o le parti di un verbo composto. Spezzare una parola a metà è la cosa peggiore che puoi fare alla lettura.
12-17 CPS è la fascia comoda di velocità di lettura in verticale
La velocità di lettura si misura in caratteri per secondo (CPS): dividi i caratteri di un cue per la sua durata. Se un cue di 45 caratteri dura 2 secondi, va a 22,5 CPS ed è troppo veloce per leggerlo tutto guardando anche l'immagine.
Le referenze pubblicate:
| Riferimento | Velocità | Documento e data |
|---|---|---|
| BBC | 160-180 parole/minuto; minimo ~0,3 s per parola (1,2 s per un sottotitolo di 4 parole) | Subtitle Guidelines v1.2.5, marzo 2026 |
| Netflix (adulti) | Fino a 20 CPS | English Timed Text Style Guide |
| Netflix (bambini) | Fino a 17 CPS | English Timed Text Style Guide |
Quei limiti sono pensati per qualcuno seduto davanti a uno schermo, con l'attenzione rivolta al film. Il video verticale viene consumato in piedi, in movimento, con lo schermo a mezzo metro e in competizione con il resto del feed. Per questo la raccomandazione sensata per 9:16 è di rimanere chiaramente al di sotto del limite di Netflix: tra 12 e 17 CPS, con 15 come punto di partenza e 12 se il tuo pubblico è ampio o il vocabolario è tecnico.
Attenzione a come si comporta il parametro: i CPS non allungano l'audio, decidono quanto testo può andare dentro a un cue. Scendere da 17 a 12 CPS non rallenta il video; costringe a tagliare prima e a generare più cues.
Ogni cue ha bisogno di un minimo, un massimo e uno spazio pulito
Tre parametri temporali decidono se un sottotitolo viene letto o lampeggiato: la durata minima per cue, la massima e lo spazio tra cues consecutivi. Le due referenze più citate non coincidono, e la differenza ha spiegazione.

| Parametro | BBC (Subtitle Guidelines v1.2.5, marzo 2026) | Netflix (Subtitle Timing Guidelines) | Valore di partenza in verticale |
|---|---|---|---|
| Durata minima per cue | ~0,3 s per parola (1,2 s per 4 parole) | 20 fotogrammi, ovvero 4/5 di secondo | 0,8-1 s |
| Durata massima per cue | Non fissa un limite numerico; chiede che il sottotitolo non rimanga sullo schermo oltre la fine del discorso, perché si rilegge | Non fissa limite; chiede "buon senso" affinché non si eternizzi | 4-6 s |
| Spazio tra cues | Se c'è pausa, minimo 1 s, preferibilmente 1,5 s | Minimo 2 fotogrammi; gli spazi di 3 a 11 fotogrammi si chiudono a 2; o 2 fotogrammi o mezzo secondo o più | 0,05-0,1 s tra cues concatenati |
| Ingresso rispetto all'audio | Deve coincidere con l'inizio del discorso | Nel primo fotogramma audio o a 1-2 fotogrammi da esso | Primo fotogramma audio |
| Uscita rispetto all'audio | Coincide approssimativamente con la fine del segmento di discorso | Idealmente almeno mezzo secondo dopo la fine dell'audio | Fine del discorso + margine breve |
L'apparente contraddizione dello spazio si comprende leggendo la lettera piccola. Netflix regola il gap tecnico tra cues concatenati: due fotogrammi, affinché l'occhio noti il cambiamento senza che lo schermo lampeggi; e proibisce espressamente gli spazi intermedi (3-11 fotogrammi), che sono quelli che producono l'effetto nervoso. La BBC regola il gap editoriale: se c'è una pausa reale nel discorso e decidi di lasciare lo schermo pulito, quella pausa deve durare almeno un secondo, perché "qualsiasi cosa più corta produce un effetto molto spezzettato".
Tradotto nel tuo .srt: tra cues che seguono, lascia uno spazio piccolo e costante (dell'ordine di 50-100 ms). Se devi lasciare un silenzio visibile, che sia lungo davvero.
La BBC aggiunge una regola che si dimentica spesso: mantieni le durate consistenti. Se a un sottotitolo di una certa lunghezza dai 3 secondi, non dare 4 al successivo di lunghezza simile. L'irregolarità stanca più della velocità.
In 9:16 il sottotitolo va nel terzo inferiore, non in fondo
La posizione è l'altro fattore di leggibilità, e in verticale cambia rispetto allo standard televisivo. La guida della BBC raccomanda, per 9:16, di sollevare il blocco leggermente sopra il bordo inferiore ma mantenerlo nel terzo inferiore dello schermo: in fondo lo copre l'interfaccia, e troppo in alto copre il volto.

Anche la dimensione è diversa. La BBC fissa l'altezza della linea nel 7-8 % dell'altezza del video per 16:9, 4:3 e 1:1, e nel 3,9-4,5 % per 9:16. Ha senso: in verticale l'altezza dell'inquadratura è molto maggiore in proporzione, quindi una percentuale più bassa dà un corpo di testo comparabile.
Due conseguenze pratiche:
- Lascia margine laterale e margine inferiore. La guida online della BBC parla di occupare fino al 90 % della larghezza in 9:16; il 10 % rimanente è il tuo cuscinetto contro i bordi.
- Controlla l'area che copre ogni rete. I pulsanti laterali, la descrizione e la barra di navigazione di ogni applicazione coprono parti diverse dell'inquadratura. Ciò che si legge perfettamente nella tua anteprima può rimanere parzialmente nascosto nel feed.
Come rivedere e ri-tagliare un .srt prima di importarlo
Un .srt è testo semplice e può essere auditato prima di toccare l'editor. L'ordine di revisione che funziona è: prima la validità del file, poi la leggibilità di ogni cue, e solo alla fine lo stile.
Un cue ben formato ha questo aspetto:
12
00:00:21,480 --> 00:00:24,120
Ciò che l'IA non decide per te
è dove tagliare la frase.
Revisione del formato (ciò che rompe l'importazione):
- Numerazione correttiva da 1, senza salti.
- Millisecondi separati da virgola, non da punto:
00:00:21,480. Il punto è di WebVTT, non di SRT. - Salti di linea consistenti (CRLF) e una riga vuota tra i cue.
- Tempi strettamente crescenti e senza sovrapposizioni: la fine di un cue non può mai essere successiva all'inizio del successivo.
Revisione della leggibilità (ciò che rompe la lettura):
- Nessun cue oltre il tuo massimo di caratteri per linea.
- Nessun cue con più di 2 righe.
- Nessun cue oltre il tuo limite di CPS:
caratteri ÷ (fine − inizio). - Nessun cue al di sotto della durata minima né al di sopra della massima.
- Spazi tra cue concatenati piccoli e costanti.
- Tagli di linea in punti logici, senza separare articolo e sostantivo né dividere parole.
Revisione editoriale (ciò che differenzia un buon sottotitolo):
- Ogni cue, idealmente, una frase o un'unità di senso completa.
- Modifica invece di trascrivere letteralmente quando non ci sta: fuori le filler, ripetizioni e falsi inizi.
- Controlla nomi propri, cifre e tecnicismi, che sono proprio dove il riconoscimento vocale si sbaglia.
Il trucco operativo è non riscrivere a mano: ri-taglia. Se conservi i marcatori di tempo parola per parola della trascrizione, cambiare il massimo di caratteri o i CPS e rigenerare il file richiede secondi; correggere cue per cue richiede un pomeriggio.
Cosa cambia (e cosa no) con l'IA di CapCut di novembre 2026
L'attualità rinforza l'argomento invece di smontarlo: l'IA ha automatizzato la trascrizione, non il criterio. L'11 novembre 2026 è stata pubblicata la versione 20.1.0 di CapCut per Android, e la stessa pagina di CapCut sulla ultima versione dell'APK descrive uno strumento di voce a testo con IA che "trascrive automaticamente il parlato in sottotitoli precisi".
Quello stesso giorno, durante il Mexico Tech Week 2026, ByteDance ha presentato CapCut PC con Omni Agent, un agente desktop che coordina flussi completi di produzione a partire da un'idea, con sottoagenti come Video Studio e Design Studio e un EditPilot che trasforma istruzioni in linguaggio naturale in edizioni multilivello sulla timeline, secondo la cronaca dell'evento pubblicata da La Crónica de Hoy l'11 novembre 2026. La stessa presentazione inquadrava l'IA come "motore di scalabilità" e il giudizio umano come "controllo strategico".
È esattamente la ripartizione dei compiti di questo articolo. La macchina ti fornisce le parole e i marcatori di tempo. Il massimo di caratteri, il numero di righe, i CPS, la durata minima e lo spazio li decidi tu, perché dipendono dal pubblico, dalla lingua e dall'inquadratura. Detto in breve: la trascrizione è già gratuita; il taglio rimane tuo.
I sottotitoli sono già un obbligo legale, non solo una buona pratica
Dal 28 giugno 2025 è applicabile la Direttiva (UE) 2019/882, la Legge Europea sull'Accessibilità, che estende i requisiti di accessibilità a prodotti e servizi digitali di consumo. In Spagna viene recepita dalla Legge 11/2023, dell'8 maggio, pubblicata nel BOE, le cui obbligazioni sono esigibili da quella stessa data; le microimprese sono escluse dall'obbligo di conformità.
Il quadro tecnico di riferimento per dimostrare la conformità è la norma armonizzata EN 301 549, che traduce "accessibile" in requisiti verificabili.
A questo si aggiunge l'argomento di portata, documentato da anni: in uno studio di Verizon Media e Publicis Media con 5.616 adulti statunitensi di età compresa tra 18 e 54 anni, condotto nell'aprile del 2019 e riportato da Forbes il 31 luglio 2019, il 69 % dichiarava di guardare video senza audio in spazi pubblici e l'80 % affermava di essere più propenso a terminare un video se presentava sottotitoli. Sono dati del 2019 e degli Stati Uniti, è opportuno leggerli come ordine di grandezza, non come una misurazione del tuo pubblico.
La conseguenza è duplice: un sottotitolo illeggibile non solo infastidisce, ma viola anche lo spirito della norma. E la leggibilità non si dichiara: si misura con i parametri di questo articolo.
Non esiste uno standard ufficiale di sottotitolazione per video verticali
Ad oggi non esiste una norma specifica di sottotitolazione per 9:16 equiparabile alle linee guida di diffusione. La cosa più simile è l'adattamento degli standard esistenti che fa la BBC nella sua versione 1.2.5 e il lavoro del settore della localizzazione.
Già nel novembre 2019, Belén Agulló García segnalava in un'analisi pubblicata da Nimdzi che "non c'è ancora uno standard di caratteri per riga nei video verticali" e proponeva di partire dal limite della BBC, mantenere una o due righe al massimo, stabilire una zona sicura affinché il testo non venga tagliato su schermi diversi e modificare il testo —eliminando ripetizioni e filler— anziché trascriverlo letteralmente quando lo spazio è limitato.
Sette anni dopo, la diagnosi rimane valida, con una differenza: la BBC ha già incorporato una guida esplicita per 9:16 (dimensione, posizione e numero di righe). Finché non ci saranno ulteriori indicazioni, la pratica ragionevole è quella che riassume questa tabella:
| Parametro | Valore di lavoro in 9:16 | Origine |
|---|---|---|
| Caratteri per riga | 28-34 (18-22 in una sola riga) | Equivalenza BBC di 37 → 25 caratteri, adattata a font di reti |
| Righe per cue | 2 come tetto | BBC consente 3 in 9:16; si riduce a 2 per l'interfaccia e il viso |
| Velocità di lettura | 12-17 CPS | Sotto i 20 CPS di Netflix per adulti |
| Durata minima | 0,8-1 s | BBC ~0,3 s/parola; Netflix 20 fotogrammi |
| Durata massima | 4-6 s | Evitare la rilettura che avverte la BBC |
| Spazio tra cues | 0,05-0,1 s concatenati; ≥1 s se è una pausa reale | Netflix 2 fotogrammi; BBC 1 s minimo in pausa |
| Posizione | Terzo inferiore, sollevato rispetto al bordo | BBC, sezione di posizione verticale |
| Altezza di linea | 3,9-4,5 % dell'altezza del video | BBC, dimensione del font di autorevolezza |
Domande frequenti
Quanti caratteri per riga deve avere un sottotitolo in video verticale?
Tra 28 e 34 caratteri funziona bene in 9:16. Il riferimento è l'equivalenza della BBC: 37 caratteri in un 16:9 corrispondono a circa 25 in un 9:16 al 90 % di larghezza. Se usi sottotitoli di una sola riga grandi, scendi a 18-22.
Cosa sono i CPS nei sottotitoli e qual è il valore corretto?
CPS sono i caratteri per secondo che lo spettatore deve leggere: caratteri del cue divisi per la loro durata. Netflix ammette fino a 20 CPS nei contenuti per adulti e 17 in quelli per bambini; per video verticali sui social, 12-17 CPS è l'intervallo confortevole, con 15 come punto di partenza.
Quanto deve durare come minimo un sottotitolo?
Netflix richiede un minimo di 20 fotogrammi, ovvero 4/5 di secondo. La BBC lo propone in base alle parole: circa 0,3 secondi per parola, 1,2 secondi per un sottotitolo di quattro parole. In verticale, 0,8-1 secondo è un minimo sensato.
Possono i sottotitoli avere tre righe in video verticale?
La BBC lo consente: raccomanda un massimo di due righe in 16:9, 4:3 e 1:1, e di tre in 9:16. Nei video social, tuttavia, la terza riga tende a coprire il viso o a scontrarsi con l'interfaccia dell'app, quindi il limite pratico sono due righe.
Quale spazio bisogna lasciare tra due sottotitoli?
Due regole diverse. Per cue concatenati, Netflix richiede un minimo di due fotogrammi e vieta gli spazi intermedi da 3 a 11 fotogrammi; nella pratica, 50-100 millisecondi costanti. Se c'è una pausa reale nel discorso, la BBC richiede almeno un secondo, preferibilmente un secondo e mezzo.
Perché il mio .srt non viene importato nell'editor?
Quasi sempre è il formato del file: millisecondi con punto invece di virgola, numerazione con salti, cue sovrapposti o salti di riga inconsistenti. Valida la numerazione a partire da 1, il separatore decimale (virgola), i tempi crescenti senza sovrapposizioni e la riga vuota tra i cue.
Va bene con i sottotitoli automatici dell'app di editing?
Per le parole, normalmente sì. Per il frazionamento, no: il riconoscimento vocale taglia per pause audio, non per larghezza della casella né per velocità di lettura. L'efficiente è rimanere con la trascrizione e rifragmentarla con i tuoi parametri.
I sottotitoli sono obbligatori per legge?
Per prodotti e servizi digitali inclusi nel loro ambito, sì dal 28 giugno 2025, per la Legge Europea sull'Accessibilità (Direttiva (UE) 2019/882) e, in Spagna, per la Legge 11/2023. Le microimprese sono escluse da tale obbligo. Il criterio tecnico di conformità è la norma EN 301 549.
Imposta le regole prima di importare, non dopo
Il sottotitolo che si legge non è quello con le parole migliori: è quello con il frazionamento corretto. Fissa i tuoi valori —massimo di caratteri, due righe, CPS, durata minima e massima, spazio— prima di generare il file, e controlla il .srt come un dato, non come un testo.
Questa è la parte che aiCapCut, di AiToolsForApps, trasforma in un modulo: incolli il tuo copione o carichi l'audio, scegli i parametri di frazionamento e ottieni un .srt convalidato, con le sue varianti .vtt e .txt, pronto per essere importato. Porta preset pensati per il formato verticale e consente di rifragmentare lo stesso materiale con altri valori senza rigenerare nulla, che è proprio ciò che risparmia il pomeriggio di correzioni. Non renderizza video né tocca la tua linea temporale: ti fornisce il file. Puoi provare la strumento di sottotitoli SRT e piano di montaggio per video verticale senza registrarti. aiCapCut è uno strumento indipendente e non è affiliato a CapCut né a ByteDance.
Genera il tuo .srt con le tue regole di suddivisione — caratteri per riga, CPS, durata minima e intervallo — e scaricalo validato in .srt, .vtt e .txt. Nessuna registrazione per iniziare.
Genera il tuo .srt con le tue regole di suddivisione — caratteri per riga, CPS, durata minima e intervallo — e scaricalo validato in .srt, .vtt e .txt. Nessuna registrazione per iniziare.Continua a leggere
Vedi tutti gli articoli →
Come scrivere il brief di montaggio che un editor di IA può comprendere: piani, durate e input di testo

Geode rotto in Geometry Dash 2.2091: quali mod non funzionano e come continuare a creare

DLS 27 a dicembre 2026: cosa è confermato, cosa no e cosa succede al tuo club, alla tua rosa e alle tue maglie quando aggiorni
