SRT vs. VTT: Untertitel-Formate im Vergleich und umwandeln

SRT und VTT sind beides Untertitelformate im Klartext, die jeden Cue mit Startzeit, Endzeit und anzuzeigendem Text speichern; für einfache Untertitel sind sie fast austauschbar. Die Unterschiede sind klein, aber streng: Eine VTT-Datei (WebVTT) muss mit einer Zeile WEBVTT beginnen und trennt die Millisekunden mit einem Punkt, SRT hat keine Kopfzeile und nutzt ein Komma; VTT bietet zusätzlich Positionierung, Styling und Kommentare. Kurz gesagt: VTT für HTML5-Video auf der eigenen Website, SRT für Facebook und LinkedIn, und für YouTube und Vimeo funktioniert beides.

Dieser Leitfaden zeigt beide Formate mit Beispielen, listet auf, welche Plattform was annimmt, und erklärt, wie Sie SRT in VTT umwandeln und zurück, ohne das Timing zu zerstören.

SRT vs. VTT auf einen Blick

Was ist eine SRT-Datei?

Eine SRT-Datei ist eine SubRip-Untertiteldatei: eine Klartextliste nummerierter Cues. Jeder Cue besteht aus drei Teilen, einer laufenden Nummer, einer Zeitzeile und einer oder mehreren Textzeilen, gefolgt von einer Leerzeile vor dem nächsten Cue.

1
00:00:01,000 --> 00:00:04,200
Welcome to the quarterly update.

2
00:00:04,600 --> 00:00:08,000
<i>Today we cover sales,
hiring and the product roadmap.</i>

Das Zeitformat lautet Stunden:Minuten:Sekunden,Millisekunden, immer mit zweistelligen Stunden und einem Komma. SRT wurde nie formal standardisiert, daher ist die Unterstützung für Formatierungs-Tags uneinheitlich. Viele Desktop-Player stellen <i> und <b> dar, laut YouTubes Hilfeseite werden dort jedoch nur einfache SRT-Dateien ohne Stil-Markup unterstützt, gespeichert als einfaches UTF-8. Weil SRT so simpel ist, kann es fast jedes Videoschnittprogramm und jede Social-Media-Plattform lesen, und Sie können es in jedem Texteditor bearbeiten.

Was ist eine VTT-Datei (WebVTT)?

WebVTT (Web Video Text Tracks) ist das Untertitelformat, das für das Web entwickelt wurde. Die WebVTT-Referenz von MDN fasst die Regeln zusammen: Die Datei muss mit WEBVTT beginnen, muss UTF-8 sein, und Zeitstempel trennen die Millisekunden mit einem Punkt. Stunden sind optional, 01:02.500 ist also gültig.

WEBVTT

NOTE Quarterly update, English captions

intro
00:01.000 --> 00:04.200
Welcome to the quarterly update.

00:04.600 --> 00:08.000 line:85% align:center
<v Maria>Today we cover sales,
hiring and the product roadmap.</v>

Drei Dinge darin gibt es in SRT nicht:

• Cue-Einstellungen hinter der Zeitzeile steuern, wo der Text erscheint: line (vertikale Position), position und size (horizontale Platzierung und Breite), align (start, center, end) und vertical (für vertikale Schriften).
• Voice- und Class-Tags wie <v Maria> oder <c.highlight> markieren, wer spricht, oder wenden einen Stil an.
• NOTE-Blöcke sind Kommentare, die Zuschauer nie sehen. Cue-Kennungen (wie oben intro) sind optional.

Außerdem können Sie CSS in einem STYLE-Block vor dem ersten Cue einbetten:

WEBVTT

STYLE
::cue {
  color: #ffffff;
  background-color: rgba(0, 0, 0, 0.7);
}
::cue(v[voice="Maria"]) {
  color: #ffd166;
}

Außerhalb von Browsern wird Styling ungleichmäßig unterstützt. YouTube etwa akzeptiert die WebVTT-Positionierung, beschränkt das Styling aber auf fett, kursiv und unterstrichen. Betrachten Sie Styling als Bonus, nicht als etwas, das jeder Player umsetzt.

Welche Plattformen akzeptieren SRT oder VTT?

Die meisten Zuschauer sehen das Dateiformat nie, aber Upload-Formulare sind wählerisch. Das haben wir auf den Hilfeseiten der Plattformen und in aktuellen Anleitungen gefunden (geprüft im Oktober 2026; Oberflächen ändern sich, prüfen Sie daher das aktuelle Hilfe-Center).

Nutzt YouTube SRT oder VTT?

Beides. YouTubes Seite zu unterstützten Untertiteldateien führt SubRip (.srt) bei den einfachen und WebVTT (.vtt) bei den erweiterten Formaten. Wenn Sie nur Text und Timing brauchen, macht SRT am wenigsten Ärger. Sollen Untertitel abseits von eingeblendetem Text stehen, nehmen Sie VTT.

HTML5-Video auf der eigenen Website

Für einen selbst gehosteten Player ist VTT die einzige praktikable Wahl:

<video controls src="update.mp4">
  <track kind="subtitles" src="update.en.vtt" srclang="en" label="English" default>
</video>

Für deutsche Untertitel setzen Sie entsprechend srclang="de" und label="Deutsch". Haben Sie eine SRT-Datei, wandeln Sie sie zuerst um. Für eingebrannte Untertitel und Kurzvideo-Plattformen lesen Sie unseren Leitfaden, wie Sie Untertitel zu einem Video hinzufügen.

SRT in VTT umwandeln (und VTT in SRT)

Weil die Formate so nah beieinander liegen, ist die Umwandlung überwiegend mechanisch. Eine kurze Datei können Sie von Hand anpassen, für alles Längere lohnt sich ein Konverter.

SRT in VTT von Hand

1. Schreiben Sie WEBVTT in die erste Zeile, gefolgt von einer Leerzeile.
2. Ersetzen Sie nur in den Zeitzeilen das Komma vor den Millisekunden durch einen Punkt: aus 00:00:04,600 wird 00:00:04.600.
3. Behalten Sie die Cue-Nummern; WebVTT akzeptiert sie als Kennungen.
4. Speichern Sie als UTF-8 mit der Endung .vtt.

Vorsicht beim Suchen und Ersetzen: Wer jedes Komma ersetzt, verändert auch die Kommas im Dialog, und im Deutschen sind das viele.

VTT in SRT von Hand

1. Löschen Sie die Kopfzeile WEBVTT und alle STYLE-, NOTE- und REGION-Blöcke.
2. Entfernen Sie Cue-Einstellungen am Ende der Zeitzeilen.
3. Ergänzen Sie fehlende Stunden (aus 01:02.500 wird 00:01:02.500) und ersetzen Sie den Punkt durch ein Komma.
4. Nummerieren Sie die Cues der Reihe nach mit 1, 2, 3 und entfernen Sie VTT-Tags wie <v Maria>.

Im Browser umwandeln

Der kostenlose SRT-zu-VTT-Konverter und der VTT-zu-SRT-Konverter von Audiotexta erledigen diese Schritte für Sie. Sie fügen die Untertitel ein oder wählen eine Datei, und die Umwandlung läuft in Ihrem Browser, es wird also nichts hochgeladen. Die Zeiten bleiben auf die Millisekunde erhalten, und ein vorangestelltes Sprecherpräfix „Name:" bleibt bestehen. Ein ehrlicher Hinweis: Die Konverter entfernen HTML- und VTT-Stil-Tags aus dem Text. Wenn Sie Kursivschrift oder eigene Stile brauchen, fügen Sie diese danach wieder ein oder bearbeiten Sie die Datei von Hand.

Häufige Fehler bei SRT und VTT und wie Sie sie beheben

• Fehlende Kopfzeile WEBVTT. Browser ignorieren eine VTT-Datei ohne sie. Setzen Sie sie in die allererste Zeile.
• Kommas in VTT-Zeitstempeln oder Punkte in SRT. Die häufigste Folge, wenn eine Datei umbenannt statt umgewandelt wurde. Korrigieren Sie nur die Zeitzeilen.
• Falsche Kodierung. Werden Umlaute wie ä, ö, ü oder ß zu Sonderzeichen, ist die Datei meist kein UTF-8. Speichern Sie sie im Texteditor erneut als UTF-8.
• Als .srt.txt gespeichert. Manche Editoren hängen stillschweigend .txt an. Blenden Sie Dateiendungen ein und benennen Sie die Datei um.
• Fehlende Leerzeilen. Jeder Cue muss durch eine leere Zeile getrennt sein; sonst verschmelzen Cues oder die Datei lässt sich nicht mehr auslesen.
• Endzeit vor Startzeit oder überlappende Cues. Player überspringen den Cue womöglich. Prüfen Sie das Timing bearbeiteter Cues.
• Facebook-Untertitel erscheinen nicht. Anleitungen verweisen auf den Dateinamen: Er sollte mit einem Gebietsschema-Code wie .en_US.srt enden.
• VTT funktioniert lokal, aber nicht auf dem Server. Liefern Sie die Datei mit dem Content-Type text/vtt aus. Liegt sie auf einer anderen Domain, braucht das Video-Element das Attribut crossorigin, und der Server muss CORS-Header senden.
• Untertitel standardmäßig aus. Ergänzen Sie das Attribut default am <track>-Element, wenn sie automatisch erscheinen sollen.

Welches Format sollten Sie exportieren?

Wenn Sie Untertitel neu erstellen, müssen Sie sich selten vorab entscheiden. Der Untertitel-Generator von Audiotexta transkribiert das Audio und exportiert sowohl SRT als auch VTT, auch im kostenlosen Tarif ohne Konto, und Sie können das Transkript vor dem Export bearbeiten, damit Timing und Wortlaut stimmen. Unser Leitfaden zum SRT- und VTT-Untertitel-Generator beschreibt den gesamten Ablauf, von der Transkription bis zu Zeilenlänge und Lesegeschwindigkeit.

Als Faustregel: Exportieren Sie SRT, wenn das Ziel eine Social-Media-Plattform oder ein Schnittprogramm ist, VTT für Websites und Web-Player, und behalten Sie beide, wenn Sie an mehreren Orten veröffentlichen. Text und Zeiten sind identisch; nur die Verpackung ändert sich.