So lädst du YouTube-Untertitel in TXT, SRT oder VTT herunter

Eine kurze, praktische Anleitung.

TXT, SRT und VTT – welches?

TXT ist reiner Text: eine Zeile pro Cue, keine Zeitcodes. Am besten zum Lesen, für Notizen und Suche.

SRT ist das Format, das die meisten Editoren und Player erwarten. Cue-Nummern, Zeitcodes mit einem Komma vor den Millisekunden, dann der Text.

VTT ist das Web-Format. Gleiche Idee wie SRT, aber mit einem Punkt vor den Millisekunden und einem WEBVTT-Header – genau das, was ein HTML5-<track>-Element braucht.

So bekommst du sie

Erstelle das Transkript und nutze dann die Download-Schaltflächen. Wenn du bereits ein SRT hast und ein VTT brauchst, erledigt der SRT-zu-VTT-Konverter im Footer das im Browser.

Untertitel und Transkripte sind derselbe Text in verschiedenen Verpackungen – und die richtige Verpackung zu wählen, ist der Großteil der Arbeit. TXT ist zum Lesen da; SRT und VTT dafür, den Text wieder auf ein Video zu bringen. Wer danebengreift, bekommt eine Datei, die der Editor nicht laden will, oder eine Wand aus Zeitcodes.

Die Zeitangaben stammen aus dem Video selbst. Egal welches Format du nimmst, die Cues sitzen genau dort, wo sie auch auf YouTube saßen. Unterwegs wird nichts neu getaktet oder neu transkribiert.

Verwandte Tools

Häufig gestellte Fragen

Welches Format nehme ich für Untertitel?
VTT für alles, was im Browser oder in einem HTML5-Video-Element läuft, denn dieses Format erwarten diese Player. SRT für Desktop-Editoren und ältere Software, die es fast ausnahmslos akzeptieren.
Wofür ist dann TXT gut?
Zum Lesen. Es ist der Untertiteltext ohne Zeitcodes und ohne Cue-Nummern – damit die richtige Wahl für Notizen, Zitate oder als Futter für ein anderes Tool.
Warum lehnt mein Editor die Datei ab?
Zwei häufige Ursachen: Die Datei ist nicht UTF-8-kodiert, oder sie hat das falsche Format für diesen Editor. Speichere sie als UTF-8 neu und prüfe, ob der Editor SRT oder VTT will.
Kann ich die Untertitel danach übersetzen?
Ja – die Dateien sind reiner Text, damit kann jeder Untertitel-Editor oder jedes Übersetzungstool arbeiten. Wenn du den Text selbst übersetzt, bleiben die Zeitangaben erhalten; würdest du Untertitel aus übersetztem Audio neu erzeugen, täten sie das nicht.
Passen die Untertitel genau zum Video?
Es sind die Untertitel des Videos selbst, also ja – samt aller Fehler, die die Original-Untertitel hatten. Gerade automatisch erzeugte Untertitel schleppen ihre verhörten Wörter mit durch.
Brauche ich eine Genehmigung, um die Untertitel weiterzuverwenden?
Die Untertitel sind eine Transkription des Videos von jemand anderem, deshalb ist es eine Rechtefrage und keine technische, sie komplett neu zu veröffentlichen. Aus ihnen zu zitieren ist normal; sie als eigene wieder hochzuladen nicht.