Captions

Captions es una aplicación de creación y edición de video impulsada por IA desarrollada por Mirage, la empresa con sede en Nueva York fundada en 2021 por Gaurav Misra y Dwight Churchill. La aplicación está diseñada para automatizar las partes que más tiempo consumen en la producción de videos de formato corto: agregar subtítulos animados, corregir el contacto visual, eliminar muletillas, doblar el material a otros idiomas y generar anuncios basados en avatares sin necesidad de grabar. Para julio de 2024, cuando la empresa cerró una ronda de financiación Serie C de $60M con una valoración de $500M liderada por Index Ventures, contaba con 10 millones de creadores registrados que producían 3.5 millones de videos mensuales en la plataforma. En marzo de 2026, la entidad matriz cambió su nombre a Mirage y recaudó $75M adicionales de General Catalyst, reportando un total de 200 millones de videos creados y $28.4M en ingresos dentro de la aplicación.

El conjunto de funciones principales cubre todo el ciclo de producción desde un solo dispositivo: un modo de grabación asistido por teleprompter, AI Edit (aplicación de estilo con un solo toque), corrección AI Eye Contact (que realinea la mirada hacia la cámara en posproducción), AI Filler Word Removal (elimina "um", "uh" y dudas similares de la pista de audio), AI Dubbing (traducción con clonación de voz en 28 idiomas con movimiento de labios sincronizado), AI Twins (un avatar digital creado a partir de la imagen del usuario), AI Ads (genera múltiples variantes de anuncios estilo UGC a partir de la URL de un producto) y AI Shorts (extrae automáticamente los clips más atractivos de videos más largos). El estilo de los subtítulos abarca más de 100 formatos animados con resaltado de palabras estilo karaoke. El nivel Scale y los planes Enterprise incluyen acceso a la API para la generación programática de videos.

Lo que Captions ofrece en mayo de 2026

Captions está diseñado en torno al video de formato corto, principalmente clips verticales para TikTok, Instagram Reels y YouTube Shorts, aunque a finales de 2024 se añadieron exportaciones horizontales en 16:9 para YouTube. El flujo de trabajo de AI Edit acepta material en bruto de personas hablando a cámara y aplica cortes de escena automatizados, inserción de B-roll, efectos de zoom, superposición de subtítulos y limpieza de audio en una sola pasada. Se reporta que la precisión de los subtítulos es del 93-99% en los más de 28 idiomas compatibles, alcanzando el máximo de precisión en un inglés claro y sin acento, y disminuyendo en dialectos regionales y habla no estándar.

AI Creator permite a los usuarios generar videos completamente nuevos de personas hablando a cámara a partir de un guion de texto utilizando un avatar 3D, sin necesidad de grabar. AI Twin personaliza esto con un avatar digital creado por el usuario, entrenado con una breve carga de material real. El AI Ad Generator toma el enlace de un producto y el tono de guion seleccionado, y luego genera múltiples variantes de anuncios completos que combinan la presentación del avatar, subtítulos y elementos de marca, diseñados para ubicaciones de respuesta directa en Meta y TikTok. En marzo de 2026, Mirage lanzó un nuevo modelo de audio que preserva las características del acento en los videos generados y doblados, abordando una deficiencia señalada por creadores internacionales cuyos resultados doblados anteriormente sonaban neutralizados.

"La función de contacto visual lo cambia todo. Puedo leer notas sin que parezca que estoy leyendo un guion." -- Reseña en la App Store de iOS, 2025

Mirage Edit, lanzado en abril de 2025, combinó el material de AI Twin con clips grabados en vivo para ensamblar automáticamente un video de formato corto terminado, manejando cortes, subtítulos y movimiento como una sola acción. Un modo Co-Editor (añadido en agosto de 2025) permite la edición colaborativa en tiempo real en proyectos compartidos. La transcripción ahora admite archivos de hasta 30 minutos, y la exportación de SRT está disponible en todos los niveles de pago para los creadores que necesitan archivos de subtítulos para subirlos a las plataformas.

Dónde se sitúa Captions frente a Submagic y Opus Clip

Submagic y Captions se superponen significativamente en la capa de subtítulos, pero difieren en arquitectura, plataforma y alcance. Submagic es una herramienta basada en la web: los usuarios suben un clip pregrabado, Submagic aplica subtítulos animados y el resultado se exporta. Ese es, en gran medida, el flujo de trabajo completo. Captions es una aplicación móvil nativa que cubre la grabación, edición, subtitulado, doblaje y generación de avatares en secuencia. Un creador que desea grabar desde cero, aplicar pasadas de edición con IA, agregar subtítulos y exportar sin tocar una computadora de escritorio está describiendo el caso de uso de Captions, no el de Submagic. El complemento Magic Clips de Submagic ($12/mes además del plan base) extrae momentos virales de contenido de formato largo de hasta 30 minutos; el equivalente de Captions (AI Shorts) está restringido por créditos en el nivel Max a $24.99/mes. En cuanto a la variedad de subtítulos, Submagic ofrece más de 35 estilos animados con efectos de palabras que responden a las emociones; Captions ofrece más de 100 estilos. Submagic no incluye corrección de contacto visual, avatares digitales ni doblaje de voz. Los precios también son estructuralmente diferentes: Submagic cobra por cantidad de videos (20 videos/mes en Starter por aproximadamente $20/mes), mientras que Captions cobra por créditos consumidos por acción de IA, lo que crea imprevisibilidad en el nivel Pro.

Opus Clip es una categoría diferente de herramienta. Su función es la reutilización de formato largo a corto: un usuario sube un podcast, seminario web o video de YouTube de 30 a 180 minutos, y el algoritmo Virality Score de Opus Clip analiza la energía del habla, las transiciones de temas y cruza datos de tendencias sociales para clasificar los momentos según la interacción prevista, y luego genera automáticamente de 5 a 10 clips subtitulados con puntuaciones adjuntas. Captions no tiene un modelo de puntuación de viralidad que cruce datos de tendencias. Opus Clip no ofrece grabación, generación de avatares, corrección de contacto visual ni doblaje. La división práctica es: Opus Clip es la herramienta adecuada para un podcaster o YouTuber con contenido existente de formato largo para reutilizar; Captions es la herramienta adecuada para un creador que genera contenido original de formato corto desde cero en un dispositivo móvil. El plan Starter de Opus Clip cuesta alrededor de $9/mes con 150 minutos de procesamiento. Las dos herramientas son más complementarias que competitivas para los creadores que trabajan en ambos formatos. Para obtener más contexto sobre los flujos de trabajo de reutilización de formato largo, consulte también 2short.ai y Opus Clip.

Para los creadores que necesitan un flujo de trabajo de subtítulos centrado en el escritorio con edición de audio detallada, Descript ofrece un modelo de edición basado en texto donde la transcripción guía el corte, lo cual es mecánicamente diferente del enfoque de pasada de IA con un solo toque de Captions. Vizard se sitúa entre estos dos, ofreciendo recortes de formato largo a corto basados en la web con estilos de subtítulos más cercanos a la gama de Submagic. Para videos basados en avatares a escala empresarial, HeyGen ofrece más opciones de personalización de avatares y licencias de equipo adecuadas para la capacitación corporativa y el marketing en volumen, mientras que AI Twin de Captions está dirigido a creadores individuales que construyen una presencia de marca personal.

"Captions ha cambiado por completo mi flujo de trabajo. Lo que antes me tomaba una hora de subtitulado manual ahora me toma cinco minutos con AI Trim y los estilos automáticos." -- reseña de creador, fahimai.com, 2026

El costo real de generar videos con Captions

El nivel Free es un punto de entrada funcional para la edición básica, pero excluye todas las funciones generativas de IA. El plan Pro a $9.99/mes elimina las marcas de agua y desbloquea AI Eye Contact, AI Filler Word Removal y la biblioteca completa de estilos de subtítulos, con 200 créditos por mes. Los créditos se consumen por acción de IA, y la tasa de conversión entre créditos y minutos de salida no se muestra por adelantado durante el flujo de trabajo de edición, solo después de usar una función. Esta es la queja de precios más común de los usuarios Pro: una sesión que parecía sencilla puede agotar los créditos más rápido de lo esperado al combinar pasadas de AI Edit con corrección de contacto visual y limpieza de audio en el mismo clip.

El plan Max a $24.99/mes añade AI Creator, AI Twins, AI Ads, AI Shorts y doblaje, con 500 créditos. Para un creador que produce regularmente anuncios basados en avatares o contenido doblado, este es efectivamente el mínimo funcional. El plan Scale a $69.99/mes proporciona 1,400 créditos, soporte prioritario, acceso a la API y acceso anticipado a funciones, adecuado para agencias o marcas que generan videos en volumen. La API en Scale permite la generación programática por lotes, que es donde la herramienta comienza a tener sentido económico para los flujos de trabajo de prueba de anuncios que necesitan de 20 a 50 variantes por semana.

La facturación anual reduce el costo mensual, aunque la tarifa exacta no se divulga públicamente en la página de precios. Los créditos no se acumulan; los créditos no utilizados caducan en cada reinicio del ciclo de facturación. Compárelo con Submagic, cuyo modelo basado en la cantidad de videos es más predecible para los creadores que conocen su volumen de producción por adelantado.

Dónde falla Captions constantemente

La confiabilidad de la exportación es el problema más persistente y ampliamente reportado de la plataforma. En Trustpilot, Capterra, Reddit y sitios de reseñas independientes, el patrón es constante: un usuario aplica ediciones de IA, la vista previa se ve correcta, se ejecuta la exportación y el resultado tiene el audio desfasado con respecto al video. Esto es más frecuente en clips donde se apilan múltiples pasadas de IA (AI Edit más contacto visual más eliminación de muletillas en el mismo clip) y ha aparecido en reseñas desde 2023 hasta 2026, lo que sugiere un desafío estructural de renderizado en lugar de un error transitorio.

La velocidad de procesamiento es el segundo punto de fricción importante. La generación de video y el renderizado de edición con IA pueden tardar varios minutos en clips que un editor de escritorio comparable procesaría en menos de 30 segundos. En la aplicación móvil, esto bloquea la interfaz durante el renderizado, obligando al creador a esperar antes de continuar. Los usuarios con horarios de publicación sensibles al tiempo describen esto como un verdadero obstáculo en el flujo de trabajo.

La experiencia en Android es materialmente peor que en iOS. Las nuevas funciones llegan primero a iOS, a veces de forma exclusiva durante semanas o meses. Los usuarios de Android reportan tasas de fallos más altas, fallos de exportación más frecuentes y la falta de funciones de IA que ya han estado disponibles en iOS. Esta es una decisión comercial a nivel de plataforma (iOS genera mayores ingresos dentro de la aplicación por usuario en el grupo demográfico de creadores), pero crea una verdadera división en la calidad del producto que los creadores que usan principalmente Android deberían tener en cuenta.

La sincronización entre dispositivos móviles y el editor web es inconsistente. Los proyectos iniciados en la aplicación móvil pueden no aparecer correctamente en la interfaz web, y las ediciones realizadas en la web pueden no propagarse a las sesiones móviles. La función de sincronización en tiempo real introducida en 2025 mejoró esto, pero no lo ha resuelto por completo según los informes continuos de los usuarios.

Mejores casos de uso frente a cuándo evitarlo

Captions se gana su lugar más claramente para los creadores en solitario que hacen contenido de alto volumen hablando a cámara en iPhone. Un creador que publica de 5 a 10 videos cortos por semana, graba en el móvil y necesita un estilo de subtítulos consistente y pulido de audio sin contratar a un editor, verá una verdadera reducción de tiempo por video. Las estimaciones reportadas por los usuarios van desde 30 minutos hasta 90 minutos ahorrados por video, dependiendo del flujo de trabajo anterior. A $9.99/mes en Pro, las matemáticas son favorables frente a cualquier costo de edición independiente o flujo de trabajo de subtitulado manual.

El nivel Max tiene sentido para los creadores que necesitan alcance internacional. Un creador que graba en un idioma y quiere publicar versiones dobladas en otros 3 a 5 idiomas, con sincronización de labios y preservación de voz, de lo contrario necesitaría un estudio de doblaje o un complejo flujo de trabajo con múltiples herramientas. A $24.99/mes, el plan Max consolida eso en un solo flujo de trabajo. La función AI Ads en Max es directamente útil para marcas DTC y emprendedores en solitario que ejecutan campañas sociales pagadas y desean probar múltiples variantes creativas de anuncios sin un presupuesto de producción.

Evite Captions cuando su plataforma de edición principal sea una computadora de escritorio y necesite una confiabilidad de exportación garantizada con una fecha límite de producción. La tasa de fallos de exportación es demasiado alta para flujos de trabajo profesionales donde una entrega perdida tiene un costo real. Evítelo cuando su contenido sea principalmente de formato largo: clips de podcasts, ensayos de YouTube, videos de estilo documental. La herramienta no está diseñada para ese formato y la interfaz de la línea de tiempo se vuelve incómoda por encima de los 5 a 10 minutos de material de origen. Evítelo si es principalmente un usuario de Android y la paridad de funciones es importante para su flujo de trabajo: la ventaja de iOS es lo suficientemente significativa como para que los creadores que usan principalmente Android se encuentren constantemente con limitaciones que los usuarios de iOS no experimentan. Para flujos de trabajo centrados en el escritorio, Descript ofrece un modelo de edición basado en texto que es más estable en condiciones profesionales.