Du kannst jede Audiodatei auf einem Mac in wenigen Klicks in eine zeitgenaue SRT- oder VTT-Untertiteldatei verwandeln: in eine Transkriptions-App importieren, den Text prüfen, Untertitel exportieren. Diese Anleitung erklärt, was eine Untertiteldatei wirklich braucht, zeigt die Schritte in ThinkScribe und wie du Timing und Zeilenlänge korrigierst, wenn das erste Ergebnis noch nicht ganz stimmt.
Am Ende hast du eine Untertiteldatei, die du in ein Videoschnittprogramm, einen Mediaplayer oder eine Webseite laden kannst. Ist deine Quelle ein Video statt einer Audiodatei, läuft es genauso: siehe Video in Text umwandeln oder den Überblick zu Videotranskription und Untertiteln.
Was eine SRT-Datei eigentlich ist
SRT ist reiner Text. Jeder Untertitel ist ein Block: eine laufende Nummer, eine Start- und Endzeit, eine oder zwei Textzeilen und eine Leerzeile.
1
00:00:01,200 --> 00:00:04,000
Willkommen zurück, und danke, dass ihr heute dabei seid.
2
00:00:04,200 --> 00:00:07,500
Fangen wir mit den Zahlen aus dem letzten Quartal an.
VTT (WebVTT) ist fast dasselbe Format, mit einer Kopfzeile WEBVTT und Punkten statt Kommas in den Zeitmarken. Browser verwenden VTT für das HTML-Element <track>, die meisten Desktop-Player und Schnittprogramme akzeptieren beide. Weil beide reiner Text sind, kannst du sie in jedem Texteditor öffnen und ein Wort oder eine Zeitmarke von Hand korrigieren.
Was es braucht, um eine zu erstellen
Eine Untertiteldatei muss in drei Dingen stimmen: bei den Worten, beim Timing jedes Blocks gegenüber dem Ton und bei Blöcken, die kurz genug sind, um sie auf dem Bildschirm zu lesen. Von Hand bedeutet das, jede Zeile anzuhören, abzutippen und zu timen, was ein Mehrfaches der Aufnahmedauer kostet.
Die Spracherkennung übernimmt das Zuhören und das Timing: Ein Sprachmodell verwandelt den Ton in Text mit einer Start- und Endzeit für jedes Segment, und aus diesen Segmenten werden Untertitelblöcke. Das kannst du dir aus Open-Source-Kommandozeilenwerkzeugen selbst zusammenbauen, aber dann installierst du Entwicklerwerkzeuge, wandelst jede Datei in genau das Audioformat um, das das Modell erwartet, und hältst das Ganze am Laufen, wenn sich Werkzeuge und Modelle ändern. Eine App erledigt dieselbe Arbeit hinter einem Import und einem Export.
So erstellst du SRT-Untertitel aus Audio in ThinkScribe
- Öffne ThinkScribe auf deinem Mac und drücke ⌘I (Menü Transkription, Datei importieren), oder ziehe die Audiodatei in das Fenster. MP3, M4A, WAV, AIFF, FLAC, OGG, Opus, AAC, WMA, AMR und Videodateien, auch MKV, AVI und WebM, funktionieren.
- Achte darauf, dass die gesprochene Sprache eingestellt ist, und lass die Datei transkribieren. Die Transkription läuft auf deinem Mac und funktioniert offline.
- Öffne das Transkript und prüfe es. Klicke auf eine Zeile, um sie zu hören, und korrigiere Namen, Produktbegriffe und Zahlen vor dem Export.
- Sprechen mehrere Personen, benenne "Sprecher 1" und "Sprecher 2" um, damit sich das Transkript richtig liest.
- Exportiere als SRT- oder VTT-Untertitel. Dasselbe Menü bietet auch reinen Text, Markdown, PDF, Word-Dokument, CSV und JSON.
- Lade die Datei zusammen mit dem Original-Audio oder -Video in einen Player, der externe Untertitel unterstützt, und sieh dir die erste Minute und eine zufällige Minute in der Mitte an.
Auf iPhone und iPad findest du denselben Export im Menü ... des Transkripts unter Exportieren (als SRT oder VTT). Für einen ganzen Ordner schreibt ein Stapelimport auf dem Mac mit automatischem Export nach der Transkription jede Datei, sobald sie fertig ist; siehe die Export-Anleitung.
Timing und Zeilenlänge korrigieren
Das erste Ergebnis ist meist nah dran, aber selten perfekt. Diese Korrekturen decken die meisten Fälle ab.
Untertitel sind durchgehend zu früh oder zu spät
Liegt jeder Untertitel um denselben Betrag daneben, beginnt das transkribierte Audio nicht im selben Moment wie das Video, mit dem du es kombinierst (zum Beispiel ein gekürztes Intro). Am saubersten ist es, dieselbe Datei zu transkribieren, die du untertitelst, und zwar vor dem Schneiden. Ansonsten können die meisten Untertitel-Editoren, Schnittprogramme und viele Mediaplayer eine ganze Datei um einen festen Betrag verschieben. Bei einer kurzen Datei geht es auch von Hand: Die Zeitmarken sind reiner Text.
Zeilen sind zu lang
Sprachsegmente folgen oft ganzen Sätzen, und die können 15 Wörter oder mehr lang sein. Rund 42 Zeichen pro Zeile und höchstens zwei Zeilen pro Block sind eine verbreitete Untertitelkonvention. Die meisten Schnittprogramme lassen dich Untertitelblöcke nach dem Import teilen oder neu gestalten, ohne den Text neu zu tippen.
Ein paar Wörter sind falsch
Korrigiere sie im Transkript vor dem Export, nicht danach in der Untertiteldatei: Im Transkript hörst du jede Zeile, während du sie prüfst. Namen und Fachbegriffe sind die üblichen Verdächtigen, und verrauschter Ton oder mehrere Personen, die gleichzeitig sprechen, machen Fehler wahrscheinlicher. Taucht ein Begriff immer wieder auf, trage ihn einmal ins eigene Vokabular ein (Mac: Einstellungen, Vokabular).
Untertitel driften bei einem langen Video
Wächst der Versatz mit der Zeit, statt gleich zu bleiben, hat das Video vermutlich eine variable Bildrate und läuft etwas schneller oder langsamer als der Ton. Exportiere das Video aus deinem Schnittprogramm noch einmal mit konstanter Bildrate und transkribiere dann diese Datei.
Die Untertitel ins Video einbrennen
Manche Plattformen nehmen keine separate Untertiteldatei an. Dann kann dein Schnittprogramm die Untertitel beim Export des Videos ins Bild rendern.
Behalte die SRT trotzdem als eigene Datei. Eingebrannte Untertitel lassen sich später nicht abschalten, bearbeiten oder übersetzen, die SRT schon. Warum Untertitel für dein Publikum wichtig sind, liest du unter Live-Untertitel und Transkripte als Werkzeug der Barrierefreiheit. Ein aufgezeichneter Vortrag mit einer einzigen Stimme ist das einfachste Material überhaupt, und eine Predigt transkribieren geht einen solchen Fall von der Aufnahme bis zu den Untertiteln durch. Wenn du jede Woche Untertitel erstellst, hast du vermutlich eine Sendung: Podcast-Transkription und Shownotes behandelt den Rest dieses Ablaufs.
Häufig gestellte Fragen
Kann ich Untertitel aus einer MP3 erstellen, ohne sie vorher umzuwandeln?
Ja. ThinkScribe importiert MP3, M4A, WAV, FLAC, OGG und andere gängige Formate so, wie sie sind, auch die Tonspur von MP4- und MOV-Videos. Importiere die Datei, prüfe das Transkript und exportiere SRT oder VTT.
Was ist der Unterschied zwischen SRT und VTT?
Beide sind Untertitelformate aus reinem Text mit derselben Idee: nummerierte Blöcke mit Startzeit, Endzeit und Text. VTT beginnt mit einer Kopfzeile WEBVTT, verwendet Punkte statt Kommas in den Zeitmarken und unterstützt etwas Gestaltung und Positionierung, die SRT nicht kennt. Nimm VTT für Webvideos und SRT für Desktop-Player und Schnittprogramme.
Warum sind meine Untertitel nicht synchron?
Die üblichen Ursachen sind ein fester Versatz (Ton und Video beginnen an verschiedenen Stellen) oder ein Video mit variabler Bildrate, das etwas schneller oder langsamer läuft als der Ton. Einen festen Versatz behebst du, indem du die ganze Datei in einem Untertitel- oder Schnittprogramm verschiebst. Drift behebst du, indem du das Video mit konstanter Bildrate exportierst und diese Datei transkribierst.
