✳ IskraAI

Untertitel: Lokale Spracherkennung und SRT-Export

Das «Untertitel»-Tool erkennt Audio direkt im Browser und erstellt eine SRT-Datei mit Zeitmarken. Das ist praktisch für kurze Aufnahmen: Datei hochladen, Sprache auswählen, auf Generieren drücken – und Sie erhalten Text mit Timing. Aber die Automatik ist nicht perfekt: Interpunktion, Fachbegriffe und Satzgrenzen erfordern oft manuelle Korrektur. In diesem Artikel erfahren Sie, wie Sie das Tool effektiv einsetzen, welche Einschränkungen Sie beachten sollten und wie Sie organisieren, um nicht alles neu machen zu müssen.

Tool öffnen: Untertitel-Generator ↗

Was das «Untertitel»-Tool kann

Das Tool akzeptiert Audiodateien bis 20 MB und einer Dauer von bis zu 5 Minuten oder eine Mikrofonaufnahme. Die Verarbeitung erfolgt lokal im Browser: Audio wird nicht an externe Server gesendet. Am Ende erhalten Sie Untertitel mit Zeitmarken im SRT-Format, die Sie kopieren oder herunterladen. Das reduziert das Risiko von Datenlecks, beschränkt aber das Volumen des verarbeitbaren Materials.

Die Oberfläche ist minimalistisch: ein Feld für Textanweisungen (bis 8000 Zeichen), Auswahl der Ausgabe Sprache und eine Generieren-Taste. Das Ergebnis wird in einem separaten Panel angezeigt. Es gibt keine Stil-Einstellungen, Slider oder Vorschau – nur Grundfunktionen. Dieser Ansatz ist praktisch für schnelle Aufgaben, eignet sich aber nicht für feine Timing-Einstellungen oder Formatierung.

Das Tool führt keine Batch-Verarbeitung durch, speichert keine Historie und integriert sich nicht in Videoredakteure. Das sollten Sie bei der Planung Ihres Arbeitsablaufs beachten.

Laden Sie die Datei interview.mp3 (3 Minuten) hoch, wählen Sie die Sprache «Russisch», drücken Sie Generieren. Nach wenigen Sekunden erscheint Text mit Zeitmarken im Panel. Kopieren Sie ihn in eine .srt-Datei.

Welche Phasen können der Automatisierung übertragen werden

Die erste Sprachtranskription – ideale Aufgabe für die Automatisierung. Das Tool verwandelt Audio schnell in Text und setzt Zeitmarken. Das spart Stunden manueller Arbeit, besonders bei Aufnahmen mit klarer Aussprache und neutralem Akzent.

Die rote Aufteilung in Untertitel wird ebenfalls automatisiert: Der Algorithmus unterteilt den Sprachstrom in Segmente, basierend auf Pausen. Das ist eine bequeme Basis, die später bearbeitet werden kann. Man sollte nicht erwarten, dass die Aufteilung für schnelles Sprechen oder Dialoge mit Übersprechen perfekt ist – solche Stellen müssen manuell korrigiert werden.

Wenn die Aufnahme nur einen Sprecher ohne starken Hintergrundgeräuschpegel enthält, kann das Ergebnis nach leichter Überprüfung für die Veröffentlichung geeignet sein.

Für einen 4-minütigen Vortrag lieferte das Tool 32 Untertitel. Nach Überprüfung musste man 5 kurze Phrasen zusammenfassen und 3 Tippfehler korrigieren.

Definitiv manuell überprüfen

Interpunktion und Großschreibung. Die Automatik blendet oft Kommas, Bindestriche und Fragezeichen aus, besonders in komplexen Sätzen. Ohne manuelle Korrektur wirken die Untertitel nachlässig und erschweren das Lesen.

Fachbegriffe, Eigennamen und Zahlen. Das Tool kann sich bei spezialisiertem Vokabular, Abkürzungen, Daten und Beträgen irren. Beispiel: «zwanzig fünf» kann zu «25» oder umgekehrt werden. Überprüfen Sie solche Stellen immer mit dem Original-Audio.

Dauer und Lesbarkeit. Untertitel sollten nicht zu schnell blinken oder länger auf dem Bildschirm verbleiben, als der Satz klingt. Empfohlen wird, dass eine Zeile maximal 42 Zeichen enthält und für 1 bis 6 Sekunden angezeigt wird. Automatische Markierungen erfordern manchmal Korrektur.

In einem Interview wurde «Wir investieren in R&D» gehört. Das Tool erkannte «Wir investieren in AR und DI». Man musste manuell korrigieren.

Wann das Tool nicht geeignet ist

Aufnahmen länger als 5 Minuten oder größer als 20 MB werden nicht akzeptiert. Für Podcasts, Webinare und Filme ist eine vorherige Aufteilung in Segmente nötig, was die Verarbeitungszeit erhöht und das Risiko erhöht, Kontext an den Übergängen zu verlieren.

Starker Hintergrundgeräuschpegel, Musik, mehrere simultane Sprecher oder starker Akzent senken die Qualität der Sprachtranskription. In solchen Fällen können automatische Untertitel viele Fehler enthalten, und die manuelle Korrektur nimmt mehr Zeit in Anspruch, als von Grund auf neu zu tippen.

Wenn Synchronisation mit Video, farbliche Sprecher-Hervorhebung, ASS/SSA-Format-Unterstützung oder Einbettung in einen Player erforderlich ist, bietet das Tool diese Möglichkeiten nicht. Es ist ein Tool für grundlegende SRT-Dateien.

Für eine Aufnahme mit starkem Akzent und Konditionierungs-Geräuschpegel lieferte das Tool 40% Fehler. Man musste von vorne tippen.

Praktischer Arbeitsablauf

Schritt 1: Vorbereiten des Audios. Stellen Sie sicher, dass die Dateie die Einschränkungen entspricht (bis 20 MB, bis 5 Minuten). Wenn die Aufnahme länger ist, schneiden Sie sie in Teile von 3–4 Minuten mit einem kleinen Überlapp von 2–3 Sekunden, um Wörter an den Grenzen nicht zu verlieren.

Schritt 2: Transkription starten. Wählen Sie die Sprache, bei Bedarf eine Anweisung (z. B. «dies ist ein Dialog zwischen zwei Personen»). Auf Generieren drücken und auf das Ergebnis warten.

Schritt 3: SRT bearbeiten. Öffnen Sie die Datei in einem Texteditor oder spezieller Software. Überprüfen Sie die Interpunktion, korrigieren Sie Fehler und justieren Sie die Timings. Entfernen Sie überflüssige Pausen, kombinieren Sie kurze Repliken.

Schritt 4: Synchronisation überprüfen. Spielen Sie das Video mit Untertiteln ab und stellen Sie sicher, dass Text zur richtigen Zeit erscheint. Passen Sie bei Bedarf manuell die Markierungen an.

Für ein 4-minütiges Video: Aufteilung in 2 Teile, Transkription, manuelle Überarbeitung 15 Minuten, finale Überprüfung 5 Minuten. Insgesamt ca. 25 Minuten statt 2 Stunden manueller Eingabe.

Einschränkungen und typische Fehler

Das Tool garantiert nicht perfekte Genauigkeit. Das Modell kann ähnliche Wörter verwechseln, Endungen weglassen, falsche Satzgrenzen bestimmen. Lassen Sie immer Zeit für die Überprüfung.

Zeitmarken können «wandern» bei langen Pausen oder bei Sprecherwechseln. Wenn in der Aufnahme Musik-Einlagen sind, kann der Algorithmus versuchen, diese als Sprache zu erkennen. Solche Abschnitte sollten Sie manuell entfernen.

Nutzen Sie das Tool nicht für juristische, medizinische oder finanzielle Dokumente, wo ein Fehler im Fachbegriff Folgen haben kann. In solchen Fällen ist professionelle Transkription mit Expertenprüfung erforderlich.

In einem medizinischen Podcast ersetzte das Tool «Arrhythmie» durch «Arithmetik». Ohne Überprüfung ist ein solcher Fehler nicht akzeptabel.

Qualität des Ergebnisses bewerten

Vergleichen Sie einige zufällige Untertitel-Abschnitte mit dem Audio. Achten Sie auf Wortgenauigkeit, Interpunktion und Timing. Wenn Fehler mehr als 10% betragen oder Markierungen abweichen, erfordert das Ergebnis erhebliche Nachbearbeitung.

Lesbarkeit prüfen: Untertitel sollten sich leicht vom Bildschirm erfassen lassen. Zu lange Zeilen oder schnelle Wechsel erschweren das Verständnis. Bei Bedarf unterteilen Sie lange Phrasen in mehrere Untertitel.

Stellen Sie sicher, dass das SRT-Format korrekt ist: Nummernreihenfolge, Zeitstempel im Format HH:MM:SS,mmm, leere Zeile zwischen Blöcken. Strukturfehler können dazu führen, dass der Player die Untertitel nicht anzeigt.

Nach der Korrektur den Datei in VLC testen: Video öffnen, Untertitel hinzufügen und einige Momente durchscrollen.

Das «Untertitel»-Tool ist ein praktisches Hilfsmittel für die schnelle Transkription kurzer Audiomitschnitte mit anschließender manueller Feinschliff. Es spart Zeit bei der Ersttranskription, ersetzt aber keinen Editor. Delegieren Sie der Maschine die Routine, behalten Sie aber die Kontrolle: Überprüfen Sie Interpunktion, Fachbegriffe und Timings. Beachten Sie die Einschränkungen: Länge bis 5 Minuten, keine Batch-Verarbeitung und keine Integrationen. Für komplexe Aufnahmen mit Hintergrundgeräuschen oder mehreren Sprechern eignet sich das Tool möglicherweise nicht. Nutzen Sie es als Rohwerkzeug, und das finale Qualität hängt von Ihrer Sorgfalt ab.

Tool öffnen: Untertitel-Generator ↗

Oberflächenübersetzungen sind maschinell unterstützt und können eine Überarbeitung benötigen.