Untertitel erstellen: SRT vs. VTT

Zwei Formate, ein Zweck

Wer Untertitel erstellt, landet fast immer bei zwei Dateiformaten: SRT (SubRip Subtitle) und VTT (WebVTT). Beide sind einfache Textdateien, beide ordnen Textabschnitten Zeitstempel zu – und trotzdem akzeptiert nicht jede Plattform beide. In diesem Artikel siehst du, wie die Formate aufgebaut sind, worin sie sich unterscheiden und welches du wann brauchst.

So ist eine SRT-Datei aufgebaut

SRT ist das ältere und einfachere Format. Jeder Untertitel („Cue“) besteht aus vier Teilen:

1. einer fortlaufenden Nummer
2. der Zeitangabe Start --> Ende
3. einer oder zwei Zeilen Text
4. einer Leerzeile als Trenner

1
00:00:01,000 --> 00:00:04,000
Willkommen zu unserem Tutorial
über Untertitel.

2
00:00:04,500 --> 00:00:07,800
Heute schauen wir uns SRT und VTT an.

3
00:00:08,200 --> 00:00:11,000
Los geht's mit dem Aufbau.

Wichtig: Die Millisekunden werden in SRT mit einem Komma abgetrennt (00:00:01,000), und die Stunden sind immer angegeben. Formatierung ist nicht offiziell standardisiert; einfache Tags wie <i> oder <b> werden von vielen Playern verstanden, aber nicht von allen.

So ist eine VTT-Datei aufgebaut

WebVTT wurde für das Web entwickelt und ist das Format, das der HTML5-Videoplayer nativ versteht. Es sieht SRT auf den ersten Blick ähnlich, hat aber einige Unterschiede:

WEBVTT

NOTE Diese Datei wurde für das Tutorial erstellt.

00:01.000 --> 00:04.000
Willkommen zu unserem Tutorial
über Untertitel.

intro-2
00:04.500 --> 00:07.800 line:10% align:center
Heute schauen wir uns SRT und VTT an.

00:00:08.200 --> 00:00:11.000
<v Anna>Los geht's mit dem Aufbau.

Was hier passiert:

• WEBVTT muss in der ersten Zeile stehen – ohne diesen Header ist die Datei ungültig.
• Punkt statt Komma bei den Millisekunden: 00:01.000.
• Stunden sind optional: 00:01.000 und 00:00:01.000 sind beide gültig.
• Cue-Nummern sind optional und dürfen auch Text sein (intro-2).
• Cue-Einstellungen hinter der Zeitangabe steuern Position und Ausrichtung, z. B. line:10% (weit oben) oder align:center.
• NOTE-Blöcke sind Kommentare, die nicht angezeigt werden.
• Voice-Tags wie <v Anna> können kennzeichnen, wer spricht.

Zusätzlich erlaubt VTT einen STYLE-Block mit CSS, um das Aussehen der Untertitel zu beeinflussen:

WEBVTT

STYLE
::cue {
  color: yellow;
  background-color: rgba(0, 0, 0, 0.7);
}

00:01.000 --> 00:04.000
Dieser Text erscheint gelb auf dunklem Grund.

Wie weit Player diese Styling-Optionen umsetzen, ist unterschiedlich – Browser unterstützen sie weitgehend, viele Plattformen ignorieren sie.

SRT und VTT im direkten Vergleich

	SRT	VTT (WebVTT)
Header	keiner	WEBVTT in Zeile 1 (Pflicht)
Millisekunden-Trenner	Komma (,000)	Punkt (.000)
Stunden in der Zeitangabe	immer	optional
Cue-Nummer	Pflicht, fortlaufend	optional, auch Text möglich
Positionierung	nicht standardisiert	über Cue-Einstellungen
Styling	einfache Tags, uneinheitlich	CSS über STYLE und ::cue
Kommentare	nein	NOTE-Blöcke
HTML5-Video (<track>)	nein	ja
Verbreitung in Schnittprogrammen	sehr hoch	gut, aber etwas geringer

Kurz gesagt: SRT ist das universelle Austauschformat, VTT das Web-Format.

Welche Plattform akzeptiert was?

Die genauen Anforderungen ändern sich gelegentlich – prüf im Zweifel die aktuelle Hilfe der jeweiligen Plattform. Als Orientierung:

• YouTube: akzeptiert sowohl SRT als auch VTT (und weitere Formate). Mehr dazu in unserer Anleitung zu Untertiteln für YouTube.
• Vimeo: unterstützt WebVTT und SRT.
• Eigene Website mit HTML5-Video: Das <track>-Element erwartet eine VTT-Datei. SRT funktioniert hier nicht ohne Umwandlung.
• Schnittprogramme (z. B. Premiere Pro, DaVinci Resolve, Final Cut Pro): SRT wird sehr breit unterstützt; ob VTT importiert werden kann, hängt von Programm und Version ab.
• Social Media: Plattformen wie LinkedIn oder Facebook arbeiten beim Upload klassisch mit SRT. Für Kurzvideos (Reels, TikTok) brennen viele die Untertitel ohnehin direkt ins Video ein.

Faustregel: Wenn du unsicher bist, erstelle beide. Mit einer Transkription hast du ohnehin beide Formate zur Hand.

Best Practices für gute Untertitel

Egal welches Format – lesbare Untertitel folgen ein paar bewährten Regeln:

• Maximal zwei Zeilen pro Untertitel. Drei Zeilen verdecken zu viel Bild und sind schwer zu erfassen.
• Etwa 42 Zeichen pro Zeile gelten als verbreiteter Richtwert (unter anderem in Richtlinien von Streamingdiensten). Für Mobilgeräte und Kurzvideos sind kürzere Zeilen oft besser.
• Lesegeschwindigkeit beachten: Ein Untertitel muss lange genug stehen, um ihn bequem zu lesen. Richtwerte liegen je nach Zielgruppe und Richtlinie meist irgendwo zwischen etwa 15 und 20 Zeichen pro Sekunde – für Kinder- oder Lerninhalte eher niedriger.
• Sinnvoll umbrechen: Zeilen nach Sinneinheiten trennen, nicht mitten in einer Wortgruppe („über / Untertitel“ ist besser als „über Unter- / titel“).
• Nicht zu kurz einblenden: Untertitel, die nur einen Sekundenbruchteil stehen, wirken hektisch. Eher zwei kurze Aussagen zusammenfassen.
• Kleine Pausen zwischen Cues vermeiden Flackern, wenn Untertitel direkt aufeinander folgen.
• Nicht-sprachliche Informationen (z. B. „[Musik]“, „[Lachen]“) helfen gehörlosen und schwerhörigen Zuschauern – sinnvoll, wenn Barrierefreiheit ein Ziel ist.

Umwandeln und Zeitversatz korrigieren

Die häufigsten zwei Probleme in der Praxis:

1. Falsches Format: Du hast eine SRT-Datei, brauchst aber VTT für deine Website (oder umgekehrt). Die Umwandlung ist im Kern simpel – Header ergänzen oder entfernen, Komma und Punkt tauschen, Nummern hinzufügen. Von Hand ist das bei hunderten Cues aber fehleranfällig. Unser kostenloser SRT-VTT-Konverter erledigt das direkt im Browser.

2. Untertitel laufen versetzt: Das passiert zum Beispiel, wenn du ein Intro vor das Video geschnitten hast. Alle Untertitel kommen dann um genau diese Zeit zu früh. Die Lösung ist ein globaler Zeitversatz: Alle Zeitstempel werden um denselben Wert verschoben. Auch das kann der Konverter: Versatz eingeben, und alle Zeitstempel werden verschoben – positiv für später, negativ für früher.

Läuft der Versatz dagegen im Verlauf des Videos auseinander (am Anfang synchron, am Ende mehrere Sekunden daneben), liegt meist ein Problem mit der Bildrate oder einer anderen Schnittfassung vor. Dann ist es oft einfacher, die Untertitel aus der finalen Fassung neu zu erstellen.

Untertitel mit Scriptivo erstellen

Statt Untertitel von Hand zu tippen und zu timen, kannst du sie aus einer Transkription erzeugen:

1. Video oder Audio hochladen – z. B. MP4, MOV, MKV oder WEBM. Bei Videos wird die Tonspur automatisch extrahiert. Nutze die finale Schnittfassung, damit die Zeiten passen.
2. Sprache wählen – manuell ausgewählt ist das Ergebnis meist besser als mit automatischer Erkennung.
3. Transkript prüfen – Namen und Fachbegriffe im Browser-Editor korrigieren.
4. Als SRT oder VTT exportieren – der Export in Untertitelformaten ist in Pro enthalten. Die kostenlose Version exportiert nur TXT.
5. Kontrollieren – einmal im Player anschauen und bei Bedarf Zeilenumbrüche oder einzelne Timings anpassen.

Mehr zum Ablauf findest du auf der Seite Untertitel erstellen. Wenn du nur den Text eines Videos brauchst (etwa für einen Blogartikel), reicht auch Video in Text umwandeln.

Fazit

• SRT nimmst du, wenn du maximale Kompatibilität brauchst – für Schnittprogramme, Social Media und als Austauschformat.
• VTT nimmst du für Videos auf deiner eigenen Website und überall dort, wo du Positionierung oder Styling brauchst.
• YouTube und Vimeo nehmen beides.

Dein nächstes Video untertiteln? Mit Pro bekommst du SRT und VTT direkt aus der Transkription – für ein einmaliges Projekt gibt es den 7-Tage-Pass (7,99 €, kein Abo).