Erzeuge automatisch Untertitel (SRT oder VTT) aus der Tonspur eines Videos - lokal im Browser per KI-Spracherkennung (Whisper), ohne Upload.
Läuft lokal auf deinem Gerät ...
Läuft lokal auf deinem Gerät ...
0%
Deine Dateien haben dein Gerät nie verlassen
Nein. Die Umwandlung läuft komplett in Deinem Browser - Deine Datei verlässt Dein Gerät nie. So ist das nachprüfbar
Ein Vortrag, ein Erklärvideo, ein Social-Clip ohne Untertitel: Gerade auf stummgeschaltetem Feed oder für Zuschauer mit Hörbeeinträchtigung entscheiden Untertitel oft darüber, ob ein Video überhaupt verstanden wird. Dieses Tool hört die Tonspur eines Videos, erkennt die gesprochenen Worte per KI (Whisper) und schreibt sie als zeitgestempelte Untertiteldatei heraus - fertig zum Einbinden in einen Videoplayer oder Schnitt.
Die Tonspur wird automatisch aus dem Video herausgelöst - kein separater Umweg über ein eigenes Extraktionswerkzeug nötig, das übernimmt dasselbe Verfahren, das auch die Audio-Extraktions-Tools dieser Seite nutzen. Whisper zerlegt die Erkennung in Sprechabschnitte mit Start- und End-Zeitpunkt; diese werden direkt als SRT- oder VTT-Cues ausgegeben, mit exakt denselben Zeitstempel-Formaten wie bei den übrigen Untertitel-Werkzeugen dieser Seite (also z. B. per "Untertitel verschieben" nachträglich noch feinjustierbar).
Untertitel sind eine automatische Annäherung, kein Ersatz für eine redigierte Übersetzung - Eigennamen, Fachbegriffe und Hintergrundlärm können Fehler verursachen. Ein kurzer Korrekturdurchgang vor der Veröffentlichung lohnt sich immer.
| Eingabeformate | MP4, M4V, WEBM, MOV, MKV |
|---|---|
| Auto-Konvertierung | PNG, GIF |
| Ausgabeformate | SRT, VTT |
| Stapelverarbeitung | Nein |
| Verarbeitung | Lokal im Browser (WebAssembly) |
| Datei-Upload | Keiner |
Grenzen: Läuft einzelsträngig (kein Cross-Origin-Isolation-Modus auf dieser Seite) und ist deshalb spürbar langsamer als serverseitige Dienste - eine deutlich strengere Längen-Obergrenze pro Gerät gilt hier als bei den übrigen Video-Tools. Genutzt wird die kompakte "tiny"-Modellstufe: gut für klare Sprache, schwächer bei starkem Hintergrundlärm oder mehreren gleichzeitig sprechenden Personen. Untertitel sind maschinell erzeugt - vor der Veröffentlichung prüfen, besonders Eigennamen und Zahlen.
Nein, Ton-Extraktion und Erkennung laufen vollständig lokal im Browser.
SRT ist das am weitesten verbreitete Format für Videoschnittprogramme; VTT ist der Web-Standard für HTML5-Videoplayer.
Ja, mit dem Tool "Untertitel verschieben" lässt sich die ganze Datei um einen festen Betrag verschieben.
Ja, aber ohne Sprechertrennung - alle Stimmen landen in derselben fortlaufenden Untertitelspur.
Audio zu Text · VTT zu ASS · Untertitel einbrennen · Video zu WAV · Video zu Bildern