SRT, WebVTT & TXT im Vergleich: Das richtige Untertitel-Format für dein Projekt

Auf einen Blick

• SRT (.srt) – der Klassiker: reiner Text mit Zeitcodes, kompatibel mit praktisch jedem Videoschnittprogramm und jeder Plattform.
• WebVTT (.vtt) – der HTML5-Webstandard: wie SRT, zusätzlich mit Positionierung, Styling und Sprecherkennzeichnung für Browser und LMS.
• TXT (.txt) – reiner Fließtext ohne Zeitcodes: für SEO, Show Notes, Volltextsuche und barrierefreie Lesetexte.
• SDH vs. CC – kein Formatunterschied, sondern ein inhaltlicher: SDH beschreibt zusätzlich Toninformationen wie Musik oder Geräusche.
• Alle drei Formate lassen sich bei einer sauberen Transkription direkt beim Export erzeugen – ganz ohne nachträgliche Konvertierung.

Ein Transkript kann je nach Einsatz als Untertitel, Web-Track oder Lesetext dienen. Beim Export stellt sich daher die Frage: SubRip (.srt), WebVTT (.vtt) oder Nur Text (.txt)?

Ein ungeeignetes Format kann im Player zu Darstellungsproblemen führen, Sprecherkennzeichnungen erschweren oder zusätzliche Arbeit im Schnittprogramm verursachen. Dieser Leitfaden erläutert die technischen Unterschiede und zeigt, welches Format sich wofür eignet.

SubRip (.srt): Der universelle Standard

Die SRT-Datei gehört zu den verbreitetsten Untertitel-Formaten. Sie besteht aus reinem Text und wird von vielen Videoschnittprogrammen wie Adobe Premiere Pro und DaVinci Resolve, Mediaplayern wie VLC sowie Plattformen wie YouTube und Vimeo unterstützt.

Aufbau einer SRT-Datei

Jeder SRT-Block besteht aus vier festen Elementen:

1. Fortlaufende Zählernummer
2. Start- und End-Zeitcode im Format Stunden:Minuten:Sekunden,Millisekunden (Komma als Trenner)
3. Der Untertiteltext (meist ein- bis zweizeilig)
4. Eine Leerzeile als Trenner zum nächsten Eintrag

1
00:00:01,500 --> 00:00:04,200
Herzlich willkommen zum barrierefreien Podcast.

2
00:00:04,300 --> 00:00:07,800
Heute sprechen wir über Untertitel-Dateiformate.

Vorteile: maximale Kompatibilität, minimale Dateigröße, in jedem Texteditor bearbeitbar. Grenzen: keine native Positionierung, keine Textfarben, kein HTML-Markup.

WebVTT (.vtt): Der Webstandard für HTML5

WebVTT wurde speziell für das <video>-Element in HTML5 entwickelt. Es basiert auf demselben Prinzip wie SRT, bringt aber erweiterte Styling- und Positionierungsfunktionen mit.

Was eine VTT-Datei von SRT unterscheidet

Eine VTT-Datei beginnt zwingend mit dem Header WEBVTT in der ersten Zeile. Zeitcodes nutzen einen Punkt statt Komma zur Trennung der Millisekunden (00:00:01.500). Zusätzlich unterstützt das Format:

• Positionierung: Text am oberen Bildrand platzieren, um Bauchbinden oder Folien nicht zu verdecken
• Styling: Schriftfarbe, Hintergrund und Ausrichtung per CSS-ähnlichen Tags anpassen
• Voice-Tags: Sprecherwechsel semantisch kennzeichnen (<v Anna>)

WEBVTT

00:00:01.500 --> 00:00:04.200 position:10%,line:90% align:left
<v Moderation>Herzlich willkommen zum barrierefreien Podcast.</v>

Vorteile: ideal für Web-Player, Learning-Management-Systeme und HTML5-Anwendungen. Grenzen: manche älteren Schnittprogramme und Broadcast-Workflows setzen weiterhin auf klassisches SRT.

SRT vs. WebVTT: Der direkte Vergleich

Wann genügt eine reine Textdatei (.txt)?

Nicht jedes Projekt braucht Zeitcodes. Wer Audioinhalte für Suchmaschinen indexierbar machen, redaktionelle Artikel daraus ableiten oder ein Meeting-Protokoll archivieren will, fährt mit dem Export als Nur Text (.txt) am schlanksten:

• Show Notes & Blogartikel: direkte Weiterverarbeitung ohne Zeitcodes zu entfernen
• Volltextsuche: für unternehmensinterne Wissensdatenbanken
• Barrierefreie Lesetexte: reiner Fließtext auf der Webseite lässt Screenreader-Nutzer:innen Audioinhalte im eigenen Lesetempo erfassen

Für Redaktionen, die Transkripte auch eigenständig veröffentlichen oder weiterverarbeiten, kann TXT deshalb das passende Exportformat sein.

SRT-Datei online erstellen: In 3 Schritten

Zeitcodes manuell zu setzen, kann aufwendig sein. Mit purple.audio lassen sich Untertiteldateien in drei Schritten erstellen:

1. Audio- oder Videodatei hochladen: Lade deine Datei einfach hoch. Das System transkribiert den Inhalt und erkennt im Hintergrund automatisch das passende Themen- und Fachgebiet.
2. Automatische Korrekturvorschläge prüfen: Über interne, thematische Glossare gleicht das System Fachtermini und Eigennamen vollautomatisch ab. Mögliche Abweichungen werden im Transkript farblich markiert – du prüfst die passenden Vorschläge und übernimmst sie mit einem Klick.
3. Format und Profil wählen: Lege im Export-Menü fest, ob du .srt, .vtt oder .txt benötigst, aktiviere bei Bedarf Sprechernamen oder das barrierefreie SDH-Profil und lade die synchronisierte Datei herunter.

Konkret stehen dir dabei folgende Export-Optionen zur Verfügung:

Format:
(•) SubRip (.srt)   ( ) WebVTT (.vtt)   ( ) Nur Text (.txt)

Optionen:
[✓] Sprechernamen einbeziehen

Profile:
(•) Standard (CC)   ( ) Accessibility (SDH)

Das Zielformat direkt beim Export zu wählen, erspart häufig eine spätere Konvertierung. Eine .txt-Datei ohne Zeitcodes lässt sich nicht automatisch in eine synchronisierte .srt-Datei überführen; die Zeitcodes müssen ergänzt werden.

SDH und SRT sind keine Alternativen zueinander

Ein häufiges Missverständnis: SRT ist ein Dateiformat, SDH ist kein Format, sondern ein inhaltliches Profil. Eine SDH-Untertiteldatei kann genauso gut als .srt oder .vtt vorliegen – der Unterschied liegt nicht in der Datei-Syntax, sondern darin, was im Text steht.

1. Sprechernamen einbeziehen

Bei Diskussionen, Interviews oder Meetings mit mehreren Teilnehmenden geht ohne Sprecherkennzeichnung schnell der Kontext verloren. Ist die Option aktiviert, werden hinterlegte Sprecherprofile (z. B. [Dr. Weber]:) direkt in die passende Textzeile integriert – sowohl in .srt als auch in .vtt.

2. Standard (CC) vs. Accessibility (SDH)

• Standard / Closed Captions (CC): überträgt primär das gesprochene Wort. Zielgruppe: Personen, die die Sprache verstehen, aber das Audio stummgeschaltet haben, etwa mobil in der Bahn. Mehr zur Abgrenzung von offenen und geschlossenen Untertiteln findest du im technischen Überblick zu Closed vs. Open Captions.
• Accessibility / SDH (Subtitles for the Deaf and Hard of Hearing): richtet sich an gehörlose und schwerhörige Menschen. Zusätzlich zur Sprache werden relevante Tonereignisse beschrieben, etwa [Applaus], [Spannungsgeladene Musik] oder [Tür fällt ins Schloss].

Welche Anforderungen an barrierefreie Bewegtbild-Inhalte gelten, hängt vom Angebot und seinem rechtlichen Rahmen ab. Hinweise zum Barrierefreiheitsstärkungsgesetz finden sich hier.

Welches Format für welchen Anwendungsfall?

Fazit: Das passende Format richtet sich nach dem Zielort, nicht nach dem Ansehen des Formats

Egal ob du Social-Media-Clips mit .srt unterlegst, eine interaktive Webanwendung mit .vtt gestaltest oder einfache .txt-Dokumentationen erstellst – ein gut geplanter Audiotranskriptions-Workflow spart Zeit und macht spätere Konvertierungen überflüssig.

Möchtest du Videoinhalte umfassend zugänglich machen? In unserem Magazin erfährst du, wie zeitgenaue Untertitelung und beschreibende Audiodeskription zusammenarbeiten, um Medien für alle Sinne erlebbar zu machen.