ज़्यादातर शॉर्ट वीडियो बिना आवाज़ के देखे जाते हैं — मेट्रो में, काम के दौरान या देर रात। कैप्शन न हों, तो दर्शक बात समझ नहीं पाते और आगे स्क्रॉल कर जाते हैं। वीडियो एडिटर में हाथ से सबटाइटल जोड़ने में बहुत समय लगता है; ऑटो कैप्शन बस एक मिनट में तैयार हो जाते हैं।
90 सेकंड तक का वीडियो अपलोड करें। Whisper बोली को एक-एक शब्द पहचानता है — अंग्रेज़ी और 16 अन्य भाषाओं में, जिनकी पहचान अपने आप हो जाती है। फिर हम वीडियो में कैप्शन जोड़ देते हैं: लोकप्रिय क्लिप की तरह 2–4 शब्दों वाले छोटे वाक्यांश, जो सहजता से स्क्रीन पर उभरते हैं।
5 स्टाइल में से चुनें। Bold में आउटलाइन वाले बड़े सफ़ेद अक्षर हैं, Karaoke में बोले जा रहे शब्द को हाइलाइट किया जाता है, Boxed में सफ़ेद बैकग्राउंड पर टेक्स्ट आता है, Neon में चमकदार अक्षर हैं और Minimal सादे वीडियो के लिए बढ़िया है। कैप्शन को ऊपर, बीच में या नीचे — प्लेटफ़ॉर्म के इंटरफ़ेस से ऊपर — रखें। अगर वीडियो में बोली नहीं मिलती, तो कोई क्रेडिट नहीं कटता।