Sottotitoli che fermano lo scroll: come fanno i creator migliori
Font, dimensioni, contorno e timing dietro ai sottotitoli che fermano lo scroll: i numeri veri, perché ognuno conta e come ottenere lo stesso look premium con un clic, invece di ricostruirlo a ogni video.
Ci sono i sottotitoli, e poi ci sono i sottotitoli che fermano lo scroll. A separarli non è la fatica: è una serie precisa di scelte che i creator più forti fanno una volta sola e riutilizzano per sempre.
Ecco la ricetta completa, per una clip 9:16 su TikTok, Reels o Shorts:
- Font: un sans-serif pesante — Anton, Montserrat Bold o Archivo Black
- Dimensione: 7–10% dell'altezza del frame
- Colore: bianco, oppure giallo per contenuti ad alta energia
- Contorno: un bordo nero da 3–4px, o una forma piena di sfondo
- Lunghezza riga: 2–4 parole, una o due righe, mai tre
- Posizione: terzo medio-basso, lontano dal 15% inferiore
- Timing: parola per parola, non frase per frase
È questo che distingue un sottotitolo premium da uno di default. Il resto dell'articolo spiega perché ogni numero è quel numero — e perché non dovresti mai doverli impostare a mano.
Perché i sottotitoli automatici delle piattaforme non fermano mai lo scroll
TikTok, Instagram e YouTube sottotitolano il tuo video gratis e all'istante. Sono anche il motivo per cui tanti video verticali sembrano identici: stesso font, stessa posizione, stesso riquadro grigio di chiunque altro nel feed.
Ed è proprio questo il problema. Il sottotitolo è la prima cosa che legge chi sta scrollando, di solito con l'audio spento. Se assomiglia a tutte le altre clip, ha già perso. I sottotitoli generici non solo non aiutano: comunicano attivamente che un video è stato caricato, non creato.
I sottotitoli premium fanno l'opposto. Sono la firma visiva che fa fermare qualcuno e, al terzo video, quella che glielo fa riconoscere.
I numeri, e perché sono proprio quelli
Dimensione: 7–10% dell'altezza del frame. Su un export 1080 × 1920 significa circa 135–190px di altezza maiuscola. Sul monitor del computer sembra enorme; sul telefono è giusto. Questo è l'errore più comune in assoluto: impostare i sottotitoli alla dimensione che sembra equilibrata nell'editor, su uno schermo da 27 pollici, e poi pubblicare qualcosa di illeggibile sul dispositivo per cui è stato fatto.
Contorno: bordo nero da 3–4px. Non è decorazione, è un'assicurazione. Il tuo soggetto passerà davanti a una finestra, il cielo si brucerà, un muro bianco riempirà l'inquadratura. Il testo bianco puro senza bordo cede da qualche parte in quasi ogni clip. Un bordo o una forma piena di sfondo garantiscono contrasto anche su uno sfondo che non controlli.
Lunghezza riga: 2–4 parole. Qui c'è vera scienza della lettura. Lo span percettivo di un lettore esperto — quanto testo assorbe davvero una singola fissazione oculare — è di circa 3–4 lettere a sinistra del punto di fissazione e 14–15 spazi-lettera a destra (Rayner, Slattery & Bélanger, 2010). Un sottotitolo da due a quattro parole sta vicino a quella finestra, quindi viene assorbito in una o due fissazioni. Una riga lunga no: l'occhio deve compiere una serie di salti, e ogni salto è tempo speso a leggere invece che a guardare.
Il sottotitolaggio professionale è arrivato allo stesso vincolo dalla direzione opposta. La English Timed Text Style Guide di Netflix fissa il limite a 42 caratteri per riga, massimo due righe, con un tetto di velocità di lettura di 20 caratteri al secondo per i contenuti destinati agli adulti. Il formato verticale stringe ancora di più, perché lo spettatore sta guardando anche un volto, uno stacco e uno sfondo in movimento.
Se i tuoi sottotitoli vanno a capo su tre righe, sono troppo lunghi: la soluzione è meno parole per battuta, non testo più piccolo.
Posizione: terzo medio-basso. Abbastanza in alto da evitare l'interfaccia della piattaforma — username, pulsanti e barre di avanzamento vivono tutti nella fascia inferiore — e abbastanza in basso da non finire sul volto del soggetto. Fai l'anteprima in un frame a forma di telefono, non in una finestra desktop, altrimenti la sovrapposizione la scoprirai solo a video pubblicato.
Font: una ristretta cerchia di sopravvissuti. Testo su video significa testo su uno sfondo imprevedibile, in movimento e mal illuminato. I pesi sottili spariscono sui frame luminosi. I serif perdono i tratti fini sul telefono. I corsivi calligrafici sono illeggibili a quella velocità. Quello che sopravvive sono i sans-serif geometrici e grotteschi pesanti, con altezza della x generosa: Anton, Archivo Black, Montserrat Bold, Poppins Bold, Inter Bold.
Il timing parola per parola è il vero segnale premium
Una volta sistemata la tipografia, la granularità del timing è la differenza più grande che resta — ed è quella che gli spettatori percepiscono senza saperla nominare.
I sottotitoli a livello di frase piazzano un blocco di testo e lo lasciano lì. L'occhio lo legge in mezzo secondo e poi non ha più niente da fare. Il timing a livello di parola rivela le parole più o meno mentre vengono pronunciate, così il sottotitolo resta agganciato alla voce e l'occhio continua a muoversi.
È questo che si intende con "sottotitoli karaoke". Servono un tempo di inizio e di fine per ogni parola, non per riga. Ed è anche la cosa più noiosa da fare a mano: spostare parole singole lungo una timeline, battuta per battuta, video dopo video, all'infinito. È esattamente il tipo di lavoro che dovrebbe essere automatico.
Ottieni questo look in un clic
Non dovrebbe essere necessario impostare nessuno di questi manualmente. CakeCut applica sottotitoli premium dei creatori (sincronizzazione a livello di parola e stili che interrompono lo scorrimento) al tuo video con un clic.
Che aspetto ha davvero il premium
Due render CloudCap reali, ai due estremi della scala.
Alta energia. Giallo su contorno nero è l'abbinamento a più alto contrasto disponibile, e i pesi misti — un piccolo corsivo di lancio sopra una parola display pesante — creano gerarchia dentro un sottotitolo di due parole. È un fermascroll perfetto per hook e battute finali. Sarebbe estenuante su quattro minuti di parlato in camera.
Sobrio, e in silenzio il più tecnico dei due. Sans grassetto bianco pulito, nessun colore — e il testo sta dietro al soggetto, così la sua spalla passa davanti alla parola. Quell'indizio di profondità fa sembrare il sottotitolo composito dentro la scena invece che incollato sopra, e lascia il volto libero senza spostare il testo dal centro.
Nessuno dei due è qualcosa che assembleresti a mano a ogni pubblicazione. Entrambi sono un clic.
Trova l'energia giusta, poi smetti di decidere
- Stacchi rapidi o sfondi affollati — usa una forma piena di sfondo invece del bordo. Un contorno non basta quando lo sfondo cambia ogni 400ms.
- Contenuti pacati e seri — sottotitoli animati aggressivi risultano stonati. Anche la sobrietà è uno stile.
- Alfabeti non latini — controlla che il font abbia i glifi. Molti caratteri display sono solo latini e il fallback non rispetterà il tuo peso.
- Parole lunghe — tedesco, finlandese e il lessico tecnico rompono la regola delle 2–4 parole. Meno parole per riga, non testo più piccolo.
Ognuna di queste è una decisione da prendere una volta sola. Il costo vero non è prenderla: è ri-prenderla, video dopo video, all'infinito, ritrovandosi ogni volta con un look leggermente diverso.
Sottotitoli premium, in un clic
È esattamente per questo che esiste CloudCap. Tu porti una clip finita e ottieni sottotitoli premium da creator in un clic: timing a livello di parola già applicato, stile distintivo già applicato, pronti da pubblicare.
Gli stili sono preset reali — inclusi entrambi quelli qui sopra — così il ventesimo video ha lo stesso aspetto del primo. Niente di ciò che hai letto va configurato, misurato o ricalcolato. E quando vuoi il controllo, timing, layout e stile parola per parola sono tutti modificabili, e il riquadro dei sottotitoli è un riquadro vero: il testo non può sforare il frame di nascosto.
Puoi tradurre i sottotitoli quando vuoi che la stessa clip raggiunga un pubblico più ampio, ed esportare un video già sottotitolato pronto da pubblicare oppure file di sottotitoli come SRT, TXT e JSON, quando ti serve il testo separato.
Non è un editor video. Se devi tagliare, fare color grading o mixare l'audio, continua a farlo dove lo fai già. CloudCap entra in gioco alla fase dei sottotitoli — quell'ora che altrimenti perderesti a trascinare parole lungo una timeline, per un risultato uguale a quello di tutti gli altri.
Fonti
- Rayner, K., Slattery, T. J., & Bélanger, N. J. (2010). Eye movements, the perceptual span, and reading speed. Psychonomic Bulletin & Review, 17(6), 834–839. Lo span percettivo dei lettori esperti dei sistemi di scrittura alfabetici è di 3–4 lettere a sinistra del punto di fissazione e 14–15 spazi-lettera a destra. Lo studio riporta anche durate medie di fissazione intorno ai 205–253ms e saccadi in avanti di 6,2–8,9 spazi-lettera, con i lettori più veloci che compiono saccadi più lunghe di quelli più lenti.
- Netflix. English Timed Text Style Guide. Specifica 42 caratteri per riga, un massimo di due righe e velocità di lettura fino a 20 caratteri al secondo per i contenuti destinati agli adulti (17 per quelli per bambini).
Una nota sui numeri non citati: l'altezza maiuscola del 7–10%, il bordo da 3–4px e il posizionamento nel terzo medio-basso sono convenzioni ricavate da ciò che funziona con costanza sul video mobile 9:16, non standard pubblicati. Le safe area delle piattaforme, in particolare, cambiano con gli aggiornamenti di interfaccia e con la lunghezza dei sottotitoli: le piattaforme distribuiscono i template aggiornati delle safe zone attraverso i propri strumenti pubblicitari, e sono quelli a fare autorità su qualsiasi valore fisso in pixel, compresi quelli di questo articolo.