Automatischer Untertitel-Generator — kostenlose SRT & VTT mit Whisper AI

Automatische Untertitel, die auf Ihrem Gerät bleiben

Untertitel machen Videos für gehörlose und schwerhörige Zuschauer zugänglich, helfen allen, die ohne Ton schauen, und verbessern, wie Suchmaschinen Ihre Inhalte verstehen. Sie von Hand zu schreiben dauert lange, deshalb hört dieses Tool die Sprache in Ihrem Video ab und erstellt automatisch zeitlich abgestimmte Untertitel. Es nutzt das Spracherkennungsmodell Whisper mit Zeitstempeln und läuft lokal in Ihrem Browser über Transformers.js – mit WebGPU-Beschleunigung, wenn Ihr Gerät sie unterstützt, und andernfalls mit WebAssembly.

Ihr Video wird niemals hochgeladen. Heruntergeladen wird nur das Modell selbst vom Hugging Face Hub, das Ihr Browser nach dem ersten Durchlauf zwischenspeichert. Damit eignet sich das Tool für unveröffentlichtes Material, Kundenprojekte, interne Schulungsvideos und alles andere, was Sie lieber keinem externen Untertitelungsdienst überlassen möchten.

Von der Sprache zu zeitlich abgestimmten SRT- und VTT-Untertiteln

Die Tonspur wird in 16-kHz-Mono dekodiert und an ruhigen Stellen in Abschnitte von bis zu 30 Sekunden aufgeteilt. Whisper liefert für jeden Abschnitt kurze Phrasen mit Start- und Endzeiten, die anschließend an ihre Position im gesamten Video verschoben werden. Phrasen, die länger als Ihr gewähltes Zeichenlimit sind, werden an Wortgrenzen geteilt, wobei die Zeit anteilig aufgeteilt wird, und lange Zeilen werden für angenehmes Lesen in zwei ausgewogene Zeilen umbrochen. Ein Limit von 84 Zeichen, etwa zwei Zeilen à 42, entspricht gängigen Richtlinien für Fernsehen und Streaming.

Die Untertitelliste ist vollständig bearbeitbar. Ändern Sie die Zeiten im Format HH:MM:SS.mmm, korrigieren Sie falsch verstandene Wörter, löschen Sie fehlerhafte Untertitel oder fügen Sie an der aktuellen Vorschauposition neue hinzu. Der Vorschau-Player zeigt Ihre letzten Änderungen als Live-Untertitel, sodass Sie die Synchronität vor dem Export prüfen können. SRT ist das am breitesten unterstützte Format für Schnittprogramme und Upload-Plattformen; VTT ist das native Format für Web-Videoplayer.

So erhalten Sie genaue Untertitel

Wählen Sie die gesprochene Sprache, wenn Sie sie kennen, statt sich auf die automatische Erkennung zu verlassen, und bevorzugen Sie das Base-Modell für Interviews, Akzente oder verrauschtes Audio. Passagen mit viel Musik und sich überlagernde Stimmen sind die häufigste Fehlerquelle, und Whisper-Zeitstempel können um Sekundenbruchteile abweichen – eine kurze Durchsicht lohnt sich also immer. Um Untertitel dauerhaft anzuzeigen, etwa in sozialen Medien, wo Untertiteldateien nicht unterstützt werden, laden Sie die fertige SRT-Datei in das Tool zum Einbrennen von Untertiteln.