Eingebrannte Untertitel aus Videos extrahieren und als SRT speichern

Warum eingebrannte Untertitel KI-Chatbots überfordern

Eingebrannte Untertitel bestehen aus Pixeln, nicht aus Text. Ein KI-Chatbot kann sie zwar aus einem einzelnen Screenshot ablesen – doch in einer Serienfolge wechselt der Untertitel alle paar Sekunden, und das Timing jeder Zeile existiert ausschließlich im Video. Hunderte Standbilder in einen Chat einzufügen ist mühsam, die Antworten werden bei langen Listen immer kürzer oder unvollständig, und aus Standbildern lassen sich Start- und Endzeiten schlichtweg nicht ermitteln.

Dieses Tool analysiert das Video direkt. Es erfasst den Untertitelbereich zweimal pro Sekunde und überspringt Bilder, die mit dem vorherigen übereinstimmen. Die verbleibenden Frames werden nummeriert und stapelweise von einem KI-Vision-Modell ausgelesen – dadurch benötigt ein ganzer Film nur wenige hundert Abfragen statt tausender. Zeilen, die über mehrere Frames gleich bleiben, werden zu einem einzigen Cue zusammengefasst: Es beginnt mit dem ersten Frame, auf dem die Zeile erscheint, und endet, sobald der Text wechselt oder verschwindet.

Typische Anwendungsbereiche

• Chinesische und koreanische Dramen mit Hardsubs in eine SRT umwandeln, um sie zu übersetzen oder zu korrigieren
• Alte DVD-Rips und TV-Aufnahmen mit eingebrannten Untertiteln, bei denen die Untertitel-Datei verloren ging
• Kurzfilme und Festival-Screener, die ausschließlich mit eingebrannten Untertiteln vorliegen
• Social-Media-Clips und Vorlesungen mit fest eingeblendeten Untertiteln, um Text und Timing wiederherzustellen
• Sprachlernende, die den eingeblendeten Text als separate Datei parallel zum Video nutzen möchten

Eingebrannt oder Soft-Untertitel: Bitte vorher prüfen

Wenn Ihr Mediaplayer ein Untertitel-Menü hat, in dem Sie den Text ein- und ausschalten können, enthält die Datei eine separate Untertitelspur (Soft-Untertitel). Diese Spur können Sie direkt mit kostenlosen Medien-Tools exportieren – ganz ohne Texterkennung aus dem Bild. Dieses Tool ist für Untertitel gedacht, die sich nicht abschalten lassen, weil sie fest im Bild eingebrannt sind.

Manche Videos enthalten beides: eine Soft-Untertitelspur in einer Sprache und eingebrannte Untertitel in einer anderen. Wählen Sie einfach den Bildbereich mit den eingebrannten Zeilen aus – die Soft-Spur wird dabei ignoriert.

Genauigkeit und Grenzen

Das Bild wird zweimal pro Sekunde abgetastet, daher kann die Start- oder Endzeit um bis zu etwa eine halbe Sekunde abweichen. Fürs Anschauen oder Übersetzen reicht das völlig aus; für professionelle Sendezwecke öffnen Sie die SRT in einem Untertitel-Editor und passen die relevanten Cues fein an. Sehr kleiner, unscharfer oder niedrig aufgelöster Text, wandernde Untertitel, Karaoke-Effekte und unruhige Hintergründe sind schwerer zu erkennen und können übersprungen oder fehlerhaft gelesen werden.

Nur Untertitel werden übernommen. Schilder, Abspänne, Titeleinblendungen und Senderlogos werden bewusst ignoriert – ein Schild, das Zuschauer im Video lesen müssten, erscheint also nicht in der Datei. Übersetzungen werden von einem KI-Modell erstellt; betrachten Sie sie als Entwurf zur Überprüfung. Prüfen Sie vor dem Bezahlen den kostenlosen ersten Teil Ihres eigenen Videos.