Untertitel: Wie man Audio im Browser erkennt und SRT herunterlädt
„Untertitel“ ist ein Browser-Tool, das Sprache in einer hochgeladenen Audiodatei erkennt und einen Textspurbogen mit Zeitstempeln im SRT-Format erstellt. Die Verarbeitung erfolgt lokal: Der Ton wird nicht an externe Server gesendet, was für die Privatsphäre wichtig ist. Das Tool eignet sich zum Erstellen von Untertiteln für kurze Vorträge, Interviews, Podcasts oder Hausvideos. In dieser Anleitung gehen wir darauf vor, wie man Audio vorbereitet, Generierung durchführt und das Ergebnis prüft. Alle Beispiele in diesem Artikel sind erfunden und dienen der Veranschaulichung.
Tool öffnen: Untertitel-Generator ↗Was genau macht das Tool und wem es passt
Das Tool nimmt einen Audiodatei entgegen, die der Browser dekodieren kann (meist WAV, MP3, OGG, M4A), und gibt Text mit Zeitstempel-Aufteilung im SRT-Format aus. Dies ist das Standard-Format für Untertitel, kompatibel mit Videoredaktoren, YouTube und den meisten Playern. Die Erkennung erfolgt lokal: Der Ton wird nicht in die Cloud übertragen, sodass man mit vertraulichen Aufnahmen arbeiten kann, ohne das Risiko eines Datenlecks.
Das Tool führt keine Sprachsynthese durch, erstellt keine Videos und generiert keine Bilder. Seine Aufgabe ist nur die Transkription und die zeitliche Einordnung. Es gibt keine Batch-Verarbeitung: Man kann pro Upload nur eine Datei hochladen. Einschränkungen: Audio bis 20 MB und Dauer bis 5 Minuten. Das reicht für kurze Clips, längere Aufnahmen müssen in Teile geteilt werden.
Geeignet für: Blogger, Studenten, Journalisten, Forscher – alle, die mit Audioaufnahmen arbeiten und schnell eine textuelle Transkription mit Zeitcodes erhalten möchten. Es ist keine Registrierung erforderlich, Daten werden nicht auf dem Server gespeichert. Allerdings hängt die Qualität der Erkennung von der Sprachverständlichkeit, dem Fehlen starker Hintergrundgeräusche und Akzenten ab. In schwierigen Fällen ist manuelle Korrektur erforderlich.
Beispiel (erfunden): Datei interview.mp3 (12 MB, 4 Minuten) hochladen, Sprache „Russisch“ auswählen, „Generieren“ drücken. Nach wenigen Sekunden erscheint ein Panel mit Text SRT.
Audio-Vorbereitung: Was wichtig vor dem Hochladen erledigt werden muss
Vor dem Hochladen sicherstellen, dass die Audio den Einschränkungen entspricht: Größe maximal 20 MB, Dauer maximal 5 Minuten. Wenn die Datei größer ist, zuschneiden oder in ein komprimierteres Format umwandeln (z. B. MP3 mit 128 kbit/s Bitrate). Überprüfen, dass die Sprache verständlich ist: Bei Bedarf unerwünschte Geräusche entfernen. Das Tool verfügt über keine integrierten Rauschunterdrückungs-Filter, daher beeinflusst die Qualität des Originals direkt das Ergebnis.
Sprache der Erkennung auswählen. Wenn in der Aufnahme mehrere Sprachen vorhanden sind, kann das Tool irren. Bei gemischter Sprache besser die Datei in Fragmente nach Sprachen aufteilen. Auch zu schnelle Sprache und starke Akzente vermeiden – das erhöht die Wahrscheinlichkeit von Fehlern. Wenn die Aufnahme Musik oder Hintergrundgeräusche enthält, kann die Erkennung überflüssige Wörter einfügen oder Replikaten überspringen.
Dateiformat: Das Tool arbeitet mit Audio, das der Browser dekodieren kann. Üblicherweise WAV, MP3, OGG, M4A. Wenn Ihre Datei ein anderes Format hat, vorher konvertieren. Keine Videodateien hochladen – nur Audio. Wenn Sie ein Video haben, extrahieren Sie die Tonspur mit jedem Editor.
Beispiel (erfunden): Sie haben eine Aufzeichnung eines Vortrags mit 7 Minuten Dauer. Teilen Sie ihn in zwei Dateien zu je 3,5 Minuten, speichern Sie als MP3 und laden Sie nacheinander hoch.
Ausführung der Untertitel-Generierung: Schritt-für-Schritt-Anleitung
Seite des Tools öffnen. Es erscheint ein Web-Formular mit Feldern: Textfeld für Anweisungen (optional), Sprachauswahl und Button „Generieren“. Im Anweisungsfeld können Wünsche geschrieben werden, z. B. „In kurze Phrasen aufteilen“ oder „Wortfüllwörter entfernen“. Aber beachten: Das Tool garantiert kein genaues Befolgen dieser Anweisungen, da es keine feine Einstellung ist, sondern nur einen Hinweis.
Audiodatei hochladen, indem Sie auf die Schaltfläche „Datei auswählen“ klicken. Stellen Sie sicher, dass Größe und Dauer innerhalb der Limits sind. Sprache der Aufnahme wählen. Wenn Sie sich unsicher sind, Auto-Erkennung versuchen, aber sie kann irren. Auf „Generieren“ drücken. Die Verarbeitung dauert je nach Länge und Server-Auslastung von wenigen Sekunden bis zu einer Minute. Das Ergebnis erscheint in einem separaten Panel rechts oder unten.
Nach der Generierung sehen Sie Text im SRT-Format: Blöcke mit fortlaufender Nummer, Zeitstempeln und Text. Sie können ihn in die Zwischenablage kopieren oder als .srt-Datei herunterladen. Das Tool speichert keine Historie, laden Sie das Ergebnis also sofort herunter, wenn Sie es benötigen. Wenn das Ergebnis nicht zufriedenstellend ist, können Sie es erneut versuchen, indem Sie Anweisungen oder Sprache ändern, aber bei schlechter Audioqualität nicht auf einen Idealwert hoffen.
Beispiel (erfunden): Im Anweisungsfeld „Untertitel für dieses Audio machen“ schreiben. Datei podcast.mp3 hochladen, „Russisch“ wählen, „Generieren“ drücken. Nach 10 Sekunden erscheint SRT-Text.
Ergebnis überprüfen: Qualitätskriterien und typische Fehler
Zeitstempel prüfen: Sie müssen zur Sprache passen. Wenn Untertitel zu spät oder zu schnell sind, kann das an Besonderheiten der Erkennung liegen. In SRT wird die Zeit in der Formatierung Stunden:Minuten:Sekunden,Millisekunden angegeben. Darauf achten, dass keine Überblendungen vorhanden sind: Jede Replikation muss nach Ende der vorherigen beginnen. Wenn Überblendungen vorhanden sind, kann der Player den Text nicht korrekt darstellen.
Text auf Fehler prüfen: fehlende Wörter, falsch erkannte Namen, Zahlen, Fachbegriffe. Besonders genau sollten Eigennamen und spezialisierte Begriffe überprüft werden. Das Tool kann Wörter verwechseln, die ähnlich klingen. Wenn in der Audio Hintergrundgeräusche vorhanden sind, können Artefakte – sinnlose Phrasen – auftauchen. In diesem Fall Text manuell in jedem Texteditor bearbeiten.
Auf die Aufteilung in Zeilen achten: In SRT sollten keine zu langen Zeilen sein, sonst passen sie nicht auf den Bildschirm. Empfohlen werden maximal 42 Zeichen pro Zeile. Das Tool kann dieses Regel nicht immer einhalten, daher bei Bedarf manuell bearbeiten. Auch prüfen, dass keine leeren Blöcke oder Blöcke mit nur einem Leerzeichen vorhanden sind. Wenn vorhanden, diese entfernen.
Beispiel (erfunden): Nach Generierung sehen Sie Block „1 00:00:01,000 --> 00:00:04,000 Hallo, wie geht’s?.“ Prüfen, dass die Zeit mit dem Beginn der Phrase in der Audio übereinstimmt.
Einschränkungen des Tools und wie man sie umgeht
Hauptbeschränkung – Audio-Länge bis 5 Minuten und Größe bis 20 MB. Für längere Aufnahmen müssen diese in Teile geteilt und separat Untertitel generiert werden, anschließend die SRT-Dateien manuell zusammenfügen. Beim Zusammenfügen auf fortlaufende Nummerierung und Zeitversatz achten. Das kann in einem Texteditor oder mit speziellen Utilitäten erledigt werden.
Zweite Beschränkung – Qualität der Erkennung. Das Tool ist nicht perfekt: Es kann bei schneller Sprache, starkem Akzent, Hintergrundgeräusch irren. Außerdem unterstützt es keine Diarisation (Aufteilung nach Sprechern), sodass in den Untertiteln nicht angegeben wird, wer spricht. Wenn das wichtig ist, muss man manuell markieren. Darüber hinaus gibt es keine Möglichkeit, Untertitel innerhalb des Tools zu bearbeiten – nur herunterladen und außerhalb korrigieren.
Dritte Beschränkung – keine Batch-Verarbeitung und kein automatisches Speichern. Man kann mehrere Dateien nicht gleichzeitig hochladen oder ein Projekt speichern. Jedes Mal muss die Datei neu hochgeladen werden. Auch gibt es keine Integration mit Videoredaktoren oder Plattformen. Das bedeutet, dass nach dem Herunterladen des SRT diese manuell in das Video eingebunden werden muss. Diese Einschränkungen bei der Planung der Arbeit berücksichtigen.
Beispiel (erfunden): Sie haben eine 20-minütige Aufnahme. Teilen Sie sie in 4 Teile zu je 5 Minuten, generieren Sie 4 SRT-Dateien, fügen Sie diese dann zusammen, indem Sie die Zeit in jeder nachfolgenden Datei um 5 Minuten erhöhen.
Praktische Tipps für bessere Ergebnisse
Audio in ruhiger Umgebung mit gutem Mikrofon aufnehmen. Je sauberer der Sound, desto präziser die Erkennung. Wenn die Aufnahme schon gemacht wurde, versuchen Sie, mit einem Audio-Editor (z. B. Audacity) vor dem Hochladen Rauschen zu entfernen. Das kann das Ergebnis erheblich verbessern. Auch überlappende Sprache vermeiden: Wenn mehrere Personen gleichzeitig sprechen, kann das Tool ihre nicht trennen.
Anweisungen im Textfeld für Formatierung verwenden. Zum Beispiel kann man bitten „In kurze Phrasen aufteilen“ oder „Wortfüllwörter ignorieren“. Obwohl das Tool kein genaues Befolgen garantiert, hilft es manchmal. Nicht zu lange Anweisungen schreiben – sie können übersehen werden. Lieber auf ein bis zwei Wünsche beschränken.
Nach Erhalt von SRT zwingend in einem Player prüfen, der Untertitel unterstützt (z. B. VLC). Video und Untertitel laden, um zu sehen, wie sie synchronisiert sind. Wenn Diskrepanzen bestehen, Zeitstempel manuell bearbeiten. Beachten Sie, dass automatische Untertitel immer eine Überprüfung erfordern, insbesondere wenn sie für Veröffentlichung bestimmt sind.
Beispiel (erfunden): Vor dem Hochladen Audio in Audacity bearbeiten: Rauschen entfernen, Lautstärke normalisieren. Anschließend in das Tool hochladen und saubereren Text erhalten.
Das Tool „Untertitel“ ist eine einfache Möglichkeit, eine SRT-Datei mit Zeitstempeln zu erhalten, ohne Audio in die Cloud zu senden. Es eignet sich für kurze Aufnahmen bis zu 5 Minuten und 20 MB. Die Qualität hängt von der Sprachverständlichkeit und dem Fehlen von Hintergrundgeräuschen ab. Prüfen Sie das Ergebnis zwingend: Zeitstempel, Text, Aufteilung. Bei Bedarf manuell bearbeiten. Denken Sie an die Einschränkungen: keine Batch-Verarbeitung, keine Diarisation und keinen integrierten Editor. Nutzen Sie Tipps zur Audio-Vorbereitung, um die Genauigkeit zu verbessern. Dieses Tool ist ein guter Helfer für die schnelle Transkription, aber keine Ersatz für ein professionelles Studio. Beispiele in der Artikel sind erfunden und dienen der Ausbildung.
Tool öffnen: Untertitel-Generator ↗Oberflächenübersetzungen sind maschinell unterstützt und können eine Überarbeitung benötigen.