---
title: "Was ist eine SRT-Datei? Untertitelformat, Timing und WebVTT"
description: "Eine SRT-Datei enthält nummerierte Untertitel mit Start- und Endzeit als Klartext. Das Format, die Unterschiede zu WebVTT und SRT aus einer Speech-to-Text API."
url: https://broadrouter.com/de/glossary/srt-subtitles/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/srt-subtitles/) (aktualisiert am 2026-11-15).

# SRT-Untertitel

Aktualisiert 2026-11-15

SRT (SubRip) ist ein Untertitelformat in Klartext. Jeder Untertitel besteht aus einer laufenden Nummer, einer Start- und Endzeit im Format hh:mm:ss,mmm --> hh:mm:ss,mmm, einer oder mehreren Textzeilen und einer Leerzeile. WebVTT ist das ähnliche Webformat, das HTML-Video verwendet.

Auch genannt: SRT, SRT-Datei, SubRip, WebVTT, Untertiteldatei, Untertitel-Datei, SRT file, subtitle file

Eine Untertiteldatei ist ein Transkript mit angehängter Uhr. Den Text zu bekommen ist die leichte Hälfte; die Zeiten sind die schwere.

## So funktioniert es

Eine SRT-Datei ist Klartext. Jeder Untertitelblock hat vier Teile:

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص
```

Die Formatbeschreibung der Library of Congress gibt das Zeitformat als Stunden:Minuten:Sekunden,Millisekunden an, mit „two hyphens (—) and a right-pointing angle bracket (>)“ (Übersetzung: „zwei Bindestrichen (—) und einer nach rechts zeigenden spitzen Klammer (>)“) zwischen Start und Ende und einer Leerzeile nach jedem Block. Sie nennt SRT „a very simple text format, but not well standardized,“ (Übersetzung: „ein sehr einfaches Textformat, aber nicht gut standardisiert“) ohne Standard für die Zeichenkodierung. Die Dateiendung ist `.srt`.

WebVTT, das W3C-Format für Texttracks in HTML-Video, sieht fast genauso aus. Die Spezifikation verlangt `WEBVTT` als erste Zeile, einen Punkt vor den Millisekunden (`00:00:10.700`), UTF-8-Kodierung und den Medientyp `text/vtt`. Stand 15. November 2026 ist sie ein W3C Candidate Recommendation Draft.

## Warum es wichtig ist

-   **Das Timing kommt von der API oder von Ihnen.** Manche Speech-to-Text APIs liefern Wort- oder Segment-[Zeitstempel](https://broadrouter.com/de/glossary/timestamps-asr/) oder gleich eine fertige Datei. Die Transkriptionsreferenz von OpenAI listet `srt` und `vtt` unter den Werten für `response_format`, sagt aber, dass das Format vom Modell abhängt und dass `gpt-4o-transcribe` und `gpt-4o-mini-transcribe` nur `json` liefern.
-   **Arabisches Layout.** SRT kennt kein Markup für die Schreibrichtung, also entscheidet der Player, wie Rechts-nach-links-Text und Satzzeichen dargestellt werden. Siehe [Rechts-nach-links-Text](https://broadrouter.com/de/glossary/rtl-text/).
-   **Lesbarkeitsregeln.** Zeilenlänge, Zeilen pro Untertitel und Lesegeschwindigkeit legen Styleguides fest, nicht das Format.

## Bei BroadNet Inference

Der Transkriptions-Endpoint von BroadNet liefert Text ohne Zeitstempel, kann SRT also nicht direkt erzeugen. Der praktikable Weg, erprobt in [Arabische Untertitel (SRT) aus einer Speech-to-Text API](https://broadrouter.com/de/blog/arabic-subtitles-srt-api/):

1.  Pausen mit `silencedetect` von FFmpeg (oder einer [VAD](https://broadrouter.com/de/glossary/vad/)) finden.
2.  Jeden Sprachabschnitt, begrenzt auf etwa 12 Sekunden, als WAV mit 16 kHz mono ausschneiden.
3.  Jeden Abschnitt mit `language=ar` über [BroadNet Transcribe Arabic](https://broadrouter.com/de/models/cohere-transcribe-arabic/) transkribieren.
4.  Start und Ende jedes Abschnitts als Untertitelzeiten verwenden und sie im Verhältnis zur Textlänge auf die Zeilen verteilen.
5.  Die nummerierten SRT-Blöcke schreiben.

Die Abschnittsgrenzen sind so genau wie Ihre Pausenerkennung; Zeiten innerhalb eines Abschnitts sind Schätzungen. Das reicht für Vorträge und Podcasts, nicht für lippensynchrone Spielfilme. Für bildgenaues Timing nutzen Sie einen Anbieter, der Wortzeitstempel dokumentiert. Kurze Abschnitte bedeuten außerdem mehr Anfragen, achten Sie also auf das Pay-as-you-go-Limit von 30 Anfragen pro Minute. Das [Audio-Splitter-Tool](https://broadrouter.com/tools/audio-splitter-ffmpeg/) schreibt die FFmpeg-Befehle.

## Häufige Fehler

-   **Punkte statt Kommas in SRT-Zeiten** oder umgekehrt in WebVTT. Viele Player lehnen die falsche Variante ab.
-   **Fehlende Leerzeilen** zwischen Blöcken, wodurch Untertitel verschmelzen.

## Häufige Fragen

### Was ist der Unterschied zwischen SRT und WebVTT?

WebVTT-Dateien beginnen mit der Zeile WEBVTT, setzen einen Punkt vor die Millisekunden (00:00:10.700), müssen UTF-8 sein und nutzen den Medientyp text/vtt. SRT verwendet ein Komma (00:00:10,700) und hat laut Library of Congress keinen Standard für die Zeichenkodierung.

### Kann BroadNet eine SRT-Datei liefern?

Nein. Die dokumentierte Transkriptionsantwort von BroadNet ist JSON mit einem einzigen text-Feld und ohne Zeitstempel. Die Untertitelzeiten bauen Sie selbst, zum Beispiel aus den Offsets von Audio-Chunks.

### Welche Kodierung sollte eine arabische SRT-Datei haben?

Verwenden Sie UTF-8 und testen Sie in den Playern, die Ihr Publikum nutzt. SRT hat keinen Kodierungsstandard, daher raten manche ältere Tools die Kodierung anhand der Bytes.

## Siehe auch

-   [Zeitstempel (Speech-to-Text)](https://broadrouter.com/de/glossary/timestamps-asr/) (Begriff)
-   [Speech-to-Text (Spracherkennung)](https://broadrouter.com/de/glossary/speech-to-text/) (Begriff)
-   [Sprachaktivitätserkennung (Voice Activity Detection, VAD)](https://broadrouter.com/de/glossary/vad/) (Begriff)
-   [Rechts-nach-links-Text (RTL)](https://broadrouter.com/de/glossary/rtl-text/) (Begriff)
-   [WAV](https://broadrouter.com/de/glossary/wav/) (Begriff)
-   [Speech-to-Text API für Arabisch: Schritt für Schritt](https://broadrouter.com/de/guides/arabic-speech-to-text-api/) (Anleitung)
-   [Arabische Untertitel (SRT) per Speech-to-Text-API: was Sie brauchen](https://broadrouter.com/de/blog/arabic-subtitles-srt-api/) (Artikel)
-   [Audio über 25 MB transkribieren: aufteilen, senden, zusammenfügen](https://broadrouter.com/de/blog/transcribe-long-audio-files-api/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-srt-subtitles&utm_content=page-cta) ·

**Quellen**

-   [Library of Congress, Sustainability of Digital Formats: SubRip (SRT) fdd000569 (geprüft am 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [W3C, WebVTT: The Web Video Text Tracks Format, Candidate Recommendation Draft (geprüft am 2026-11-15)](https://www.w3.org/TR/webvtt1/)
-   [API-Referenz von OpenAI, Transkription erstellen: response\_format-Optionen je Modell (geprüft am 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [API-Referenz von BroadNet Inference: Transkriptionsantwort {"text": ...} (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-srt-subtitles&utm_content=sources)
