Untertitel konvertieren: SRT in VTT und zurück

Untertitel konvertieren: SRT in VTT und zurück

Untertitel einfügen oder Datei laden, Zielformat wählen, fertig. Das Werkzeug erkennt SubRip und WebVTT von selbst, rechnet die Zeitstempel um, verschiebt das Timing auf Wunsch um Sekunden, repariert kaputte Umlaute und zeigt eine Auswertung zu Lesegeschwindigkeit, Überlappungen und zu kurzen Einblendungen. Alles läuft in deinem Browser – kein Upload, keine Anmeldung.

Was unterscheidet SRT und WebVTT?

SubRip (.srt) stammt aus einem Windows-Programm der frühen 2000er und hat nie eine formale Spezifikation bekommen. Ein Untertitel besteht aus laufender Nummer, Zeitzeile mit Komma vor den Millisekunden und einer oder mehreren Textzeilen.

WebVTT (.vtt) ist der Standard des W3C für das HTML-<track>-Element, also das Format, das ein Video im Browser lädt. Es beginnt mit der Kennung WEBVTT, nutzt einen Punkt vor den Millisekunden und kennt Dinge, die SRT nicht kennt: Kommentare (NOTE), Stile (STYLE), Regionen (REGION), Cue-Bezeichner und Positionsangaben hinter dem Zeitstempel.

1                              WEBVTT
00:00:01,000 --> 00:00:03,500
Guten Morgen.                  00:00:01.000 --> 00:00:03.500
                               Guten Morgen.

Was fällt beim Weg von VTT nach SRT weg?

Alles, wofür SRT keine Entsprechung hat:

• NOTE-Kommentare, STYLE- und REGION-Blöcke
• Cue-Bezeichner vor der Zeitzeile
• Positionsangaben wie align:start position:10%
• WebVTT-eigene Auszeichnungen wie <v Sprecher> oder <c.gelb> und Karaoke-Zeitmarken

Erhalten bleiben die einfachen Auszeichnungen, die SRT-Player verstehen: <b>, <i>, <u> und <font>. Das Werkzeug zählt jeden entfernten Bestandteil und listet ihn unter der Ausgabe auf – so entscheidest du selbst, ob der Verlust für deinen Zweck akzeptabel ist.

Wie repariert das Werkzeug Umlaut-Salat?

Wenn eine UTF-8-Datei als Latin-1 oder Windows-1252 gelesen wurde, entsteht das bekannte Muster: aus ä wird ä, aus ß wird ß, aus dem Gedankenstrich wird –. Das Werkzeug rechnet jedes Zeichen auf sein ursprüngliches Byte zurück und dekodiert die Bytefolge streng als UTF-8.

Übernommen wird das Ergebnis nur, wenn drei Bedingungen zusammenkommen: Jedes Zeichen ist eindeutig auf ein Byte abbildbar, die Dekodierung gelingt ohne ein einziges ungültiges Byte, und danach bleiben weniger verdächtige Stellen übrig als vorher. Ist eine Bedingung nicht erfüllt, bleibt dein Text unverändert. Lieber keine Reparatur als eine falsche.

Was sagt die Lesegeschwindigkeit aus?

Die Auswertung misst Zeichen pro Sekunde je Untertitel, ohne Auszeichnungen. Als Richtwert dient der Netflix Timed Text Style Guide, der für deutschsprachige Erwachsenenprogramme 17 Zeichen pro Sekunde vorgibt (englisch 20, Kinderprogramme 13) und eine Mindeststandzeit von 5/6 Sekunde, also rund 833 Millisekunden. Untertitel darüber sind schwer mitzulesen, Untertitel darunter flackern nur kurz auf.

Zusätzlich zählt das Werkzeug Überlappungen – Untertitel, deren Ende hinter dem Anfang des nächsten liegt. Die sind der häufigste Grund dafür, dass ein Player Zeilen verschluckt.

Timing verschieben

Passt der Ton nicht zum Bild, hilft eine gleichmäßige Verschiebung: negative Werte zeigen die Untertitel früher, positive später, Nachkommastellen sind erlaubt (-1,5). Zeiten unter null werden auf den Dateianfang begrenzt, und das Werkzeug sagt, wie oft das passiert ist. Eine ungleichmäßige Abweichung – Anfang passt, Ende driftet – kommt von unterschiedlichen Bildraten und lässt sich mit einer festen Verschiebung nicht heilen.

Ehrliche Grenzen

Unterstützt werden SRT und WebVTT. Nicht dabei sind ASS/SSA (mit Stilen und Positionierung), TTML/DFXP und die Untertitelspuren in Videocontainern – die müsste man aus dem Video extrahieren. Zeilenenden werden beim Einlesen vereinheitlicht (CRLF und BOM verschwinden), für die Ausgabe kannst du CRLF wieder einschalten, falls dein Zielprogramm darauf besteht.