Schnittprogramme

Untertitel erstellen: SRT, VTT und eingebrannte Untertitel

Für Social Media, Barrierefreiheit und mehrsprachige Videos: Formate, Werkzeuge und der Unterschied zwischen zuschaltbaren und eingebrannten Untertiteln.

Untertitel machen Videos zugänglicher. Menschen mit eingeschränktem Hörvermögen können folgen, Zuschauer verstehen den Inhalt auch ohne Ton, und mehrsprachige Fassungen werden möglich. In sozialen Netzwerken werden viele Videos stumm abgespielt, Untertitel entscheiden dort oft darüber, ob jemand dranbleibt. Dieser Ratgeber erklärt Formate, Werkzeuge und den Weg vom gesprochenen Wort zur fertigen Untertitelspur.

Die wichtigsten Formate

Format Endung Merkmale Typischer Einsatz
SubRip .srt einfacher Text mit Zeitangaben universell, YouTube, Player, Schnittprogramme
WebVTT .vtt ähnlich SRT, plus Position und Stil HTML5-Video im Browser
Advanced SubStation Alpha .ass Schriftarten, Farben, Positionen, Effekte gestaltete Untertitel, Karaoke
mov_text in MP4 als Spur in MP4-Dateien Apple-Geräte, MP4-Weitergabe

So sieht eine SRT-Datei aus

Eine SRT-Datei ist reiner Text. Jeder Block besteht aus einer laufenden Nummer, der Zeitangabe und ein oder zwei Zeilen Text, getrennt durch eine Leerzeile:

1
00:00:01,000 --> 00:00:03,500
Willkommen zu unserem Urlaubsfilm.

2
00:00:04,000 --> 00:00:07,200
Wir sind im Sommer 1994
am Gardasee angekommen.

Die Zeit hat das Format Stunden:Minuten:Sekunden,Millisekunden. Speichern Sie die Datei in der Zeichenkodierung UTF-8, damit Umlaute richtig angezeigt werden.

Eine VTT-Datei sieht fast genauso aus, beginnt aber mit der Zeile WEBVTT und nutzt einen Punkt vor den Millisekunden, also 00:00:01.000.

Kostenlose Werkzeuge

  • Subtitle Edit: quelloffen, für Windows, unter Linux mit Einschränkungen nutzbar. Zeigt Wellenform und Video, prüft Lesegeschwindigkeit und Zeilenlänge, wandelt zwischen vielen Formaten und kann Spracherkennung einbinden.
  • Aegisub: quelloffen, für Windows, macOS und Linux. Stark beim exakten Timing und bei gestalteten ASS-Untertiteln.
  • Schnittprogramme: Kdenlive, Shotcut, DaVinci Resolve und viele andere haben eigene Untertitelspuren und können SRT importieren und exportieren.
  • Plattformen: YouTube erstellt automatische Untertitel, die sich im Studio bearbeiten lassen. Auch die Apps von Instagram und TikTok bieten automatische Untertitel an.

Automatische Spracherkennung

Spracherkennung spart viel Tipparbeit. Verbreitet ist das quelloffene Modell Whisper, das in verschiedenen Programmen steckt, unter anderem als Option in Subtitle Edit und als Erweiterung in Kdenlive. Es läuft lokal auf dem eigenen Rechner, die Aufnahmen verlassen das Gerät also nicht. Mit leistungsfähiger Grafikkarte geht es deutlich schneller.

Rechnen Sie immer mit einem Korrekturdurchgang. Namen, Ortsangaben, Zahlen und Fachbegriffe werden häufig falsch erkannt, ebenso undeutliche Sprache oder Dialekt.

Schritt für Schritt zur Untertiteldatei

  1. Entwurf erstellen: Automatische Spracherkennung laufen lassen oder den Text von Hand abtippen.
  2. Text korrigieren: Rechtschreibung, Namen und Satzzeichen prüfen.
  3. Zeilen umbrechen: Höchstens zwei Zeilen pro Block, an sinnvollen Stellen trennen, nicht mitten in einer Wortgruppe.
  4. Timing prüfen: Untertitel sollten kurz vor dem Sprechbeginn erscheinen und lange genug stehen bleiben, um bequem gelesen zu werden.
  5. Format wählen: SRT für die meisten Zwecke, VTT für Webseiten, ASS für gestaltete Untertitel.
  6. Einbinden: als eigene Datei mitliefern, als Spur in die Videodatei packen oder einbrennen.

Untertitel mit ffmpeg einbinden

Als zuschaltbare Spur in MP4:

ffmpeg -i video.mp4 -i untertitel.srt -map 0 -map 1 -c copy -c:s mov_text -metadata:s:s:0 language=deu video-mit-ut.mp4

Als zuschaltbare Spur in MKV:

ffmpeg -i video.mp4 -i untertitel.srt -map 0 -map 1 -c copy -metadata:s:s:0 language=deu video-mit-ut.mkv

Dauerhaft ins Bild einbrennen:

ffmpeg -i video.mp4 -vf "subtitles=untertitel.srt:force_style='FontSize=24,Outline=2'" -c:v libx264 -crf 20 -c:a copy video-eingebrannt.mp4

Beim Einbrennen wird das Video neu kodiert. Weitere Befehle zeigt der Ratgeber ffmpeg für Einsteiger.

Zuschaltbar oder eingebrannt?

Zuschaltbar Eingebrannt
Abschaltbar ja nein
Mehrere Sprachen ja nur als getrennte Videos
Durchsuchbar ja nein
Funktioniert überall nicht in jedem Player ja
Typisch für YouTube, Archiv, Webseite Reels, TikTok, Werbeclips

Untertitel für Social Media

Für Kurzvideos auf Instagram, TikTok und YouTube Shorts sind große, gut lesbare Untertitel üblich, oft wortweise eingeblendet. Achten Sie darauf, dass sie nicht von den Bedienelementen der App verdeckt werden, die im Hochformat am unteren und rechten Rand liegen. Hinweise zu sicheren Bildbereichen gibt der Ratgeber Videos für Social Media.

Häufige Fragen

Fragen und Antworten

Was ist der Unterschied zwischen SRT und VTT?
Beide sind einfache Textformate mit Zeitangaben. VTT beginnt mit der Zeile WEBVTT, nutzt einen Punkt statt eines Kommas vor den Millisekunden und unterstützt zusätzliche Angaben zu Position und Stil. SRT ist älter und wird von fast allen Programmen gelesen.
Soll ich Untertitel einbrennen oder als Datei mitliefern?
Für Social-Media-Plattformen, die Untertitel nicht zuverlässig anzeigen, oder für Videos, die stumm abgespielt werden, ist Einbrennen sinnvoll. Für YouTube, eigene Webseiten und Archivdateien sind zuschaltbare Untertitel besser, weil sie sich abschalten, übersetzen und durchsuchen lassen.
Wie genau ist automatische Spracherkennung?
Bei klarer Sprache ohne Hintergrundgeräusche oft recht gut, bei Dialekt, mehreren Sprechern oder Musik deutlich schlechter. Namen und Fachbegriffe werden häufig falsch erkannt. Ein Korrekturdurchgang ist immer nötig.
Wie viele Zeichen sollte eine Untertitelzeile haben?
Verbreitet ist eine Obergrenze von etwa 37 bis 42 Zeichen pro Zeile bei höchstens zwei Zeilen. Wichtiger als eine feste Zahl ist, dass der Text bequem lesbar bleibt, solange er eingeblendet ist.

Zuletzt überarbeitet am 27. Oktober 2026 von der Redaktion Munich Vision. Fehler gefunden?Schreiben Sie uns.