Videoskript mit dem aufgenommenen Voiceover synchronisieren und SRT-Untertitel erhalten
Sie haben das Skript geschrieben, das Voiceover eingesprochen und brauchen jetzt Untertitel, die genau im richtigen Moment erscheinen. Laden Sie Audio oder Video zusammen mit dem Skript hoch und Sie erhalten SRT- und VTT-Dateien, die Ihren genauen Wortlaut behalten und das Timing an Ihre Sprechweise anpassen. Eine Aufnahme von bis zu 10 Minuten ist komplett kostenlos; längere kosten einmalig $5 für bis zu 6 Stunden.
- Skript ins Textfeld eingefügt oder als TXT bzw. DOCX hochgeladen – Wort für Wort beibehalten
- Timings folgen Ihrem echten Sprechtempo, statt die Gesamtlänge einfach gleichmäßig aufzuteilen
- Untertitel mit bis zu zwei Zeilen von ca. 42 Zeichen, passend an Satz- und Teilsatzgrenzen umgebrochen
- Improvisierte Sätze, die nicht im Skript standen, erhalten keinen Untertitel
- SRT und VTT für YouTube, Premiere Pro, DaVinci Resolve und andere Schnittprogramme
Vom geschriebenen Skript zum Untertitel – ganz ohne Abtippen
Sprecher und Video-Creator haben den Text meist schon vor der Aufnahme vorliegen. Der mühsame Teil folgt danach: Zeilen in einen Untertitel-Editor kopieren und jeden Block verschieben, bis er zur Tonspur passt. Hier wird das Skript direkt zum Untertiteltext: Ein Spracherkennungsmodell analysiert die Aufnahme und erfasst, wann jedes Wort gesprochen wird. Ein Algorithmus gleicht das Skript anschließend mit diesen Wörtern ab. Eindeutige Phrasen dienen dabei als Fixpunkte, zwischen denen die einzelnen Wörter nacheinander zugeordnet werden.
Da der Abgleich Wort für Wort erfolgt, stimmt das Timing auch bei unregelmäßigem Sprechtempo: eine Kunstpause vor der Pointe, eine rasante Produktübersicht oder ein ruhiges Intro. Die Untertitel richten sich nach der tatsächlichen Aufnahme, nicht nach dem ursprünglichen Plan.
Wenn die Aufnahme vom Skript abweicht
- Spontane Einschübe, die nicht im Skript stehen, werden einfach ausgelassen; die nächste Skriptzeile startet trotzdem pünktlich
- Worte, die Sie beim Lesen vertauscht oder ausgelassen haben, übernehmen ihr Timing von den umgebenden Wörtern – der Untertitel zeigt jedoch den Skripttext. Passen Sie das Skript daher an, wenn die Untertitel exakt dem Gesprochenen entsprechen sollen
- Ein Absatz im Skript, den Sie im Schnitt entfernt haben, hat keinen Tonbezug und drängt sich zwischen benachbarte Zeilen; löschen Sie ihn vorher aus dem Skript
- Hintergrundmusik, Soundeffekte und stummes B-Roll-Material werden ignoriert und verschieben nachfolgende Untertitel nicht
Wo die Untertitel umgebrochen werden
Jeder Zeilenumbruch im Skript wird übernommen. Wenn Sie einen Untertitel pro Satz wünschen, setzen Sie jeden Satz in eine eigene Zeile. Zeilen mit mehr als etwa 84 Zeichen werden an einem Satzende oder Komma getrennt und zweizeilig mit je rund 42 Zeichen dargestellt – ideal lesbar auf Smartphone-Displays.
Szenenüberschriften, Regieanweisungen oder Notizen wie „[B-Roll: Stadt bei Nacht]“ werden nicht gesprochen. Entfernen Sie diese vor dem Upload, da sie sonst als Untertitel zwischen den gesprochenen Zeilen landen.
Timing prüfen vor der Bezahlung
Bei einem Voiceover von mehr als 10 Minuten wird der erste Teil zunächst auf dem Bildschirm synchronisiert. So sehen Sie direkt, ob die Untertitel exakt beim Sprechen einsetzen. Passt alles, deckt eine Einmalzahlung die komplette Aufnahme ab. Sie können jeden Untertitel direkt bearbeiten; der Download übernimmt Ihre Änderungen. Voiceovers auf Amharisch, Tigrinya, Somali, Dari, Kurdisch, Birmanisch oder Paschtu werden über ein allgemeines KI-Modell synchronisiert und sind weniger präzise – prüfen Sie die kostenlose Vorschau bei diesen Sprachen daher genau.
Wie das Tool funktioniert, was es kostet und wie mit Ihren Dateien umgegangen wird, steht auf der Seite Transkript mit Audio synchronisieren; die Preise für alle Tools finden Sie auf der Seite Preise.
Zuletzt aktualisiert:
Fragen und Antworten
Kann ChatGPT mein Skript mit meinem Voiceover synchronisieren?
Bei kurzen Clips, deren Zeitstempel Sie bereits kennen, kann ein KI-Chatbot problemlos ein Skript als SRT formatieren. Er kann jedoch kein langes Voiceover anhören und erkennen, wann jeder Satz beginnt. Selbst erstellte Zeitstempel sind bloße Schätzungen, die mit fortschreitender Dauer immer weiter von Ihrer Stimme abweichen. Dieses Tool liest die Zeitpunkte direkt aus der Tonspur aus.
Muss ich mein Skript vorher bereinigen?
Entfernen Sie alles, was nicht laut gesprochen wurde: Szenenüberschriften, Kameraanweisungen oder Passagen, die Sie im Schnitt herausgenommen haben. Kleine Abweichungen wie ein weggelassenes Füllwort oder ein leicht verändertes Wort können problemlos bleiben.
Welche Dateiformate werden unterstützt?
Die Aufnahme kann im Format MP3, M4A, WAV, MP4, MOV oder einem anderen gängigen Audio- bzw. Videoformat vorliegen, oder als öffentlicher Link von Google Drive, Dropbox oder Direktdownload. Das Skript fügen Sie einfach per Textfeld ein oder laden es als TXT oder DOCX hoch.
Bleibt die Schreibweise von Namen und Markennamen erhalten?
Ja. Der Text der Untertitel stammt direkt aus Ihrem Skript. Produktnamen, spezielle Schreibweisen und Satzzeichen bleiben exakt so erhalten, wie Sie sie getippt haben. Die Spracherkennung liefert ausschließlich das Timing.
Was kostet das?
Ein Voiceover von bis zu 10 Minuten ist komplett kostenlos inklusive Downloads – ganz ohne Registrierung. Eine längere Aufnahme kostet einmalig $5 für bis zu 6 Stunden. Unlimited für $19 pro Woche erhöht dieses Limit auf 12 Stunden pro Auftrag.
Bleibt mein unveröffentlichtes Video privat?
Nur Sie können Ihren Auftrag öffnen. Die Aufnahme wird ausschließlich zur Verarbeitung an einen KI-Modell-Anbieter übermittelt und nicht zum Trainieren von Modellen verwendet. Ohne Registrierung gestartete Aufträge werden nach 7 Tagen gelöscht – Sie können Ihre Dateien auch jederzeit früher selbst löschen.