KI-Untertitel-Organizer

KI-Automatische Untertitel: Der komplette Ablauf von der Spracherkennung bis zum Export der Untertiteldatei

Das Zeitaufwendigste beim Untertiteln eines Videos ist meist nicht das Tippen, sondern das zeilenweise Abstimmen auf die Zeitleiste. Dieses Tool erstellt mit dem Spracherkennungsmodell Whisper zunächst einen Entwurf mit Zeitcodes und bietet dann eine komfortable Korrekturoberfläche, mit der Sie das Erkennungsergebnis zu direkt verwendbaren Untertiteln aufbereiten. Ideal für YouTube-Creator, Podcasts, Lehrkräfte, die Kurse aufzeichnen, sowie für Meeting- oder Vortragsprotokolle – überall dort, wo ein Transkript gebraucht wird.

Erkennungsarten: Cloud-beschleunigt oder lokal

Das Tool bietet zwei Erkennungsarten, zwischen denen Sie je nach Bedarf wählen können:

• Cloud-beschleunigte Erkennung (standardmäßig aktiviert): Der Ton wird zur Erkennung an den Whisper-Dienst gesendet, den diese Website auf Cloudflare Workers AI betreibt. Das ist schneller und funktioniert auch auf dem Smartphone problemlos. Nach der Verarbeitung wird der Ton von dieser Website weder aufbewahrt noch anderweitig verwendet; Details finden Sie in der Datenschutzerklärung. Ist das Cloud-Kontingent aufgebraucht oder schlägt die Verbindung fehl, wird automatisch auf die lokale Engine umgeschaltet.
• Lokale Erkennung: Wenn Sie das Häkchen bei „Cloud-beschleunigte Erkennung verwenden“ entfernen, wird das KI-Modell in den Browser geladen und auf Ihrem Gerät ausgeführt – der Ton verlässt den Browser zu keinem Zeitpunkt. Bei der ersten Nutzung muss das Modell heruntergeladen werden, danach wird es aus dem Cache geladen.

Empfohlene Einstellungen

• Sprache: Wenn Sie die Sprache des Videos kennen, geben Sie sie direkt an, um Fehleinschätzungen des Modells zu vermeiden. „Automatische Erkennung“ empfiehlt sich nur bei gemischten Sprachen oder wenn Sie unsicher sind.
• Erkennungsqualität: „Standard“ bietet ein ausgewogenes Verhältnis von Geschwindigkeit und Genauigkeit und eignet sich für die meisten Inhalte; „Hohe Genauigkeit“ ist langsamer, wird für Desktop-Computer empfohlen und eignet sich für Videos mit vielen Fachbegriffen oder schlechter Tonqualität.
• Chinesische Schriftzeichen: Das Whisper-Modell gibt Chinesisch standardmäßig in vereinfachten Schriftzeichen aus; mit „Traditionelles Chinesisch“ wird automatisch in Langzeichen umgewandelt.
• Wenn Sie bereits eine Untertiteldatei haben, können Sie über „Eine vorhandene SRT-Datei importieren“ die Erkennung überspringen und nur die Korrektur- und Exportfunktionen nutzen.

Tipps zum Korrigieren der Untertitel

• Klicken Sie einfach auf den Untertiteltext, um ihn zu bearbeiten. Enter an der Cursorposition teilt den Untertitel in zwei Abschnitte, Umschalt + Enter fügt einen Zeilenumbruch innerhalb desselben Abschnitts ein.
• Ist ein Satz zu stark zerstückelt, verbinden Sie zwei Abschnitte mit „Mit nächstem zusammenführen“ wieder.
• Die Zeitcodes sind normalerweise eingeklappt und werden nur zum Feinjustieren aufgeklappt – so bleibt die Ansicht übersichtlich.
• Die „Füllwörter-Prüfung“ markiert Verlegenheitsfloskeln und überflüssige Wörter, damit Sie sie in einem Durchgang bereinigen und die Untertitel besser lesbar machen können.
• Am leichtesten finden Sie Erkennungsfehler, wenn Sie beim Korrigieren gleichzeitig die Medienvorschau links abspielen.

Welches Exportformat ist das richtige?

SRT ist das universellste Untertitelformat und lässt sich in die meisten Plattformen und Schnittprogramme wie YouTube, Premiere Pro, DaVinci Resolve und CapCut importieren; VTT eignet sich für HTML5-Videoplayer auf Webseiten; TXT ist ein reines Texttranskript ohne Zeitcodes – ideal für Meetingprotokolle oder als Grundlage für einen Artikel. Sie können außerdem „Gesamten Text kopieren“ oder die Untertitel per „Untertitel in MP4 einbrennen“ direkt in ein Video mit Untertiteln umwandeln.

Tipps für eine genauere Erkennung

• Je klarer die Tonaufnahme, desto besser: Laute Hintergrundmusik oder mehrere gleichzeitig sprechende Personen verringern die Genauigkeit.
• Personen- und Ortsnamen sowie Fachbegriffe werden leicht falsch erkannt. Prüfen Sie sie nach der Erkennung am besten mit der Suchfunktion des Browsers einzeln und korrigieren Sie sie einheitlich.
• Die lokale Erkennung auf iPhone und iPad ist noch experimentell. Wenn die Seite neu lädt, verwenden Sie besser die Cloud-Beschleunigung oder erstellen Sie die Untertitel am Computer und nutzen das Smartphone nur zum Korrigieren.