Untertitel-Generator – kostenlos

Beispiel

Legen Sie ein 4:30 langes interview.mp4 ab. Der Datei-Chip zeigt den Namen, die Größe und 4:30, und ein kleiner Player erscheint. Auf der deutschen Seite beginnt „Gesprochene Sprache“ bei Deutsch, „Untertitel in“ bei „Originalsprache“ und „Untertitellänge“ bei „Standard (TV)“, mit dem Hinweis „Bis zu zwei Zeilen mit je 42 Zeichen, wie bei TV- und Streaming-Untertiteln.“ Wenn der Browser das Modell „Genau“ auf dem Prozessor ausführt, meldet die Seite „Dauer 4:30. Auf einem typischen Laptop dauert das etwa 5:15; auf Handys ist es langsamer.“ Klicken Sie auf „Untertitel generieren“. Der Balken zeigt „Audio wird vorbereitet …“, dann „Sprachmodell wird heruntergeladen …“ (nur beim ersten Besuch), dann „Transkribieren …“ mit einem Countdown „noch etwa 2:10“, dann „Untertitel werden erstellt …“. Die Liste trägt die Überschrift „Untertitel (58)“. Klicken Sie auf eine Zeit, um dorthin zu springen, klicken Sie auf Text, um ihn zu korrigieren, und klicken Sie dann auf „SRT herunterladen“. Die Datei heißt interview.srt.

Welche Einstellungen zu verwenden sind, und die Grenzen

• Nennen Sie die gesprochene Sprache, wenn Sie sie kennen. Das Menü „Gesprochene Sprache“ beginnt mit der Sprache der Seite, die Sie lesen, sofern das Sprachmodell sie kennt, auf dieser Seite also bei Deutsch. Ein Video in einer anderen Sprache braucht eine eigene Sprachwahl oder „Automatisch erkennen“. Die Sprache zu nennen, ist die sicherere Wahl, denn die Erkennung kann leise Abschnitte falsch zuordnen. Stellen Sie „Untertitel in“ auf der deutschen Seite auf „Englisch (übersetzt)“, beginnt das Menü stattdessen bei „Automatisch erkennen“, weil jemand, der ins Englische übersetzt, wahrscheinlich kein Englisch hört.
• Passen Sie die Untertitellänge an den Ort an, an dem das Video läuft. „Untertitellänge“ bietet „Kurz (Social Media)“, „Standard (TV)“ und „Lang (ganze Sätze)“. Kurz zeigt jeweils eine kurze Zeile, bis zu 3 Sekunden, für hochformatige Handyvideos. Standard erlaubt bis zu zwei Zeilen mit je 42 Zeichen. Lang liefert einen oder zwei ganze Sätze pro Untertitel, was zu Reden und Vorträgen passt. Nachdem die Untertitel erscheinen, steht dasselbe Menü über der Liste. Eine Änderung baut die Liste aus der bereits erfolgten Erkennung neu auf, es wird also nichts erneut angehört, aber Ihre Bearbeitungen werden ersetzt.
• Öffnen Sie „Mehr“, um „Genau“ oder „Schnell“ zu wählen und Namen aufzulisten. „Genauigkeit“ bietet „Genau“ (das Whisper-Modell base) und „Schnell“ (das kleinere Modell tiny). Mit dem Modell auf dem Prozessor betragen die Downloads 77,1 MB und 42,7 MB, und die Standardschätzung des Tools für „Schnell“ ist die halbe Zeit pro Audiominute. Smartphones beginnen bei „Schnell“, andere Geräte bei „Genau“. „Namen oder besondere Wörter“ nimmt eine kommagetrennte Liste wie „Kayla, Nathan, Rotorua“ an. Nach der Erkennung wird ein gehörtes Wort mit 4 bis 6 Buchstaben, das sich in einem Buchstaben von einem gelisteten Namen unterscheidet, oder mit 7 oder mehr Buchstaben und zwei Abweichungen, passend umgeschrieben. Eine falsche Wortanzahl kann es nicht reparieren, prüfen Sie Namen also trotzdem.
• Wählen Sie englische Ausgabe oder übersetzen Sie nachträglich. „Untertitel in“ bietet „Originalsprache“ und „Englisch (übersetzt)“. Die zweite lässt das Sprachmodell beim Zuhören ins Englische übersetzen, ohne zusätzlichen Download, und sie funktioniert auf Smartphones. Sie passt zu weit verbreiteten Sprachen wie Spanisch, Französisch, Deutsch, Portugiesisch und Italienisch und ist bei anderen ungenauer; „Schnell“ übersetzt spürbar schlechter als „Genau“. Die Wahl wird in der Seitenadresse als #to=en festgehalten, und übersetzte Dateien heißen etwa talk.en.srt. Browser mit eingebautem Übersetzer, etwa ein aktuelles Chrome auf einem Computer, zeigen unter den Untertiteln außerdem ein Menü „Untertitel übersetzen in“ und eine Schaltfläche „Übersetzen“.
• Planen Sie mit Dateilänge und Gerät. Ein Computer untertitelt bis zu 5:00:00 einer Datei und ein Smartphone bis zu 1:30:00; eine längere Datei zeigt „Diese Datei ist 6:10:00 lang. Dieses Gerät kann die ersten 5:00:00 davon untertiteln; für den Rest teilen Sie die Datei bitte vorher auf.“ Die erste Zeitschätzung nimmt an, dass ein Smartphone 3,5-mal langsamer ist als ein Computer, danach merkt sich das Tool die tatsächliche Geschwindigkeit Ihres Geräts nach einem längeren Durchlauf. Vor dem ersten Download zeigt ein Smartphone „Auf einem Smartphone wird das langsam sein – rechnen Sie mit mehreren Minuten und lassen Sie diesen Tab geöffnet.“ „Abbrechen“ stoppt den Durchlauf und behält die bisher erstellten Untertitel.
• Bearbeiten Sie die Liste, dann speichern Sie SRT, VTT oder ein Video mit eingebrannten Untertiteln. Klicken Sie auf die Zeit eines Untertitels, um ab dort abzuspielen, klicken Sie auf seinen Text, um ihn zu bearbeiten, und drücken Sie ✕, um ihn zu löschen. Ein Hinweis zählt Zeilen, die „wie Erkennungsfehler aussahen“ und ausgelassen wurden. „SRT herunterladen“ und „VTT herunterladen“ speichern Textdateien. „Video mit Untertiteln herunterladen“ zeichnet sie in ein H.264-MP4 mit AAC-Audio mit 160 kbps, benannt etwa interview_captions.mp4; „Position“, „Größe“ und „Hintergrundbox“ ändern das Aussehen, und die Vorschau entspricht ihm. Audiodateien erhalten nur SRT und VTT. Die Schaltfläche zum Einbrennen ist bei einer Datei über etwa 2 GB deaktiviert, über 1 GB auf einem Computer, der 4 GB Speicher oder weniger meldet, oder über 400 MB auf einem Smartphone.

Häufige Probleme und wie man sie behebt

Es erscheint „Das Sprachmodell konnte nicht heruntergeladen werden. Prüfen Sie Ihre Verbindung und versuchen Sie es erneut.“, und „Erneut versuchen“ scheitert sofort.

Der Modell-Download ist fehlgeschlagen oder auf halbem Weg stehen geblieben. Prüfen Sie Ihre Verbindung und klicken Sie auf „Erneut versuchen“. Wählen Sie bei einer langsamen oder instabilen Verbindung unter „Mehr“ die Option „Schnell“, ein kleinerer Download (42,7 MB auf dem Prozessor). Ein voller Browser-Speicher erhält stattdessen eine eigene Meldung: „Der Speicher Ihres Browsers ist voll, deshalb konnte das Modell nicht gespeichert werden.“ Das Tool stoppt vor dem Download, wenn der freie Platz unter dem 1,2-Fachen der Modellgröße liegt (92,5 MB für „Genau“ auf dem Prozessor, 51,2 MB für „Schnell“). Geben Sie Speicherplatz auf dem Gerät frei oder löschen Sie in den Browsereinstellungen gespeicherte Daten von Websites, die Sie nicht brauchen, und versuchen Sie es dann erneut, oder wählen Sie „Schnell“, das weniger Platz braucht.

Es erscheint „In dieser Datei wurde keine Sprache gefunden. Falls darin gesprochen wird, wählen Sie die Sprache aus und versuchen Sie es erneut.“

Die Erkennung endete ohne Rest, nachdem das Tool Zeilen entfernt hatte, die wie Erkennungsfehler aussahen, etwa Wiederholungen, Text über Musik oder Stille und vereinzelte Zeilen wie „Danke fürs Zuschauen“. Eine Datei nur mit Musik oder Stille endet so. Wird tatsächlich gesprochen, ist die übliche Ursache die Sprache: Das Menü beginnt bei der Sprache der Seite, nicht bei der Erkennung, ein französisches Video braucht also die Wahl von „Französisch“ oder „Automatisch erkennen“. Ändern Sie sie und klicken Sie erneut auf „Untertitel generieren“.

Es erscheint „Die Untertitelung ist fehlgeschlagen. Versuchen Sie die Einstellung „Schnell“ oder eine kürzere Datei.“ oder, mittendrin, „Die Untertitelung wurde bei 12:40 wegen eines Fehlers abgebrochen. Die bisher erstellten Untertitel finden Sie unten.“

Nach dem Laden des Modells ist etwas fehlgeschlagen, etwa dass dem Gerät der Speicher ausging oder der Worker verstummte. Einem Audiofenster werden etwa 2 Minuten gegeben, um Lebenszeichen zu zeigen (5 Minuten für das erste, das die Engine startet), und ein verlorener Worker wird einmal erneut versucht. „Schnell“ hat eine niedrigere deklarierte Speicherspitze, 190 MB gegenüber 320 MB bei „Genau“. Wählen Sie es unter „Mehr“, versuchen Sie eine kürzere Datei oder schließen Sie Tabs. Bei der zweiten Meldung bleiben die bisherigen Untertitel erhalten, Sie können sie also noch herunterladen.

Es erscheint „Die Videoschrift kann diese Zeichen nicht darstellen: 日本語. Laden Sie stattdessen SRT oder VTT herunter und lassen Sie den Player sie anzeigen.“

Das Einbrennen nutzt drei von dieser Website bereitgestellte Schriften, die lateinischen, griechischen, kyrillischen, vietnamesischen, arabischen und hebräischen Text abdecken. Zeichen aus anderen Schriftsystemen, etwa Japanisch oder Devanagari, blieben leer, daher ist die Einbrenn-Schaltfläche schon vor Beginn jeder Arbeit deaktiviert. „SRT herunterladen“ und „VTT herunterladen“ funktionieren weiterhin, und ein Medienplayer zeichnet die Untertitel mit seinen eigenen Schriften. Lassen sich die Schriften selbst nicht laden, sehen Sie „Die Untertitel-Schriftarten konnten nicht geladen werden. Prüfen Sie Ihre Verbindung und versuchen Sie es erneut.“

Es erscheint „Diese Datei konnte nicht gelesen werden. Versuchen Sie, sie zuerst in MP4 oder MP3 umzuwandeln.“ oder „Diese Datei hat keine Tonspur, daher gibt es nichts zu untertiteln.“

Das Tool dekodiert die erste Strecke Audio, bevor es das Modell anfordert, eine unlesbare Datei kostet also keinen Modell-Download. Die erste Meldung bedeutet, dass der Decoder das Audio nicht lesen konnte: Wandeln Sie die Datei in MP4 oder MP3 um und fügen Sie sie erneut hinzu. Die zweite bedeutet, dass die Datei keinen Ton hat. Geht dem Decoder der Speicher aus, sehen Sie stattdessen „Dem Browser ist beim Verarbeiten dieser Datei der Speicher ausgegangen — sie ist für dieses Gerät zu groß. Versuchen Sie einen kürzeren Clip, eine kleinere Datei oder einen Desktop-Computer.“

Wie es im Vergleich abschneidet

Dieses Tool wandelt Sprache auf Ihrem Gerät mit Whisper (base oder tiny) in zeitgesteuerte Untertitel um und speichert dann SRT, VTT oder ein MP4 mit eingebrannten Untertiteln. Es hat eine Textliste, keine Wellenform-Zeitleiste; „Timing anpassen? Im Untertitel-Editor öffnen“ sendet die SRT in einem neuen Tab dorthin. Für ein reines Transkript passt „Audio zu Text“ besser. Es kennzeichnet nicht, wer spricht, und das eingebrannte Aussehen hat nur Position, Größe und eine Box hinter weißem Text. Weil es im Browser läuft, wird nichts hochgeladen, aber es ist langsamer als ein Server: Die Standardschätzung auf einem Computer entspricht bei „Genau“ etwa der Länge des Videos und bei „Schnell“ der Hälfte davon, plus 45 Sekunden bis zum Start. Die Erkennung macht Fehler, lesen Sie die Untertitel also, bevor Sie sie veröffentlichen.