SRT- und VTT-Untertitel offline auf dem Mac erstellen (2026)

Direkte Antwort — Wie erstellt man SRT- und VTT-Untertitel aus einem Video auf einem Mac, ohne es hochzuladen? Sie können SRT- und VTT-Untertitel aus einem Video offline auf Ihrem Mac erstellen, indem Sie die Datei lokal transkribieren, den Text anhand der Zeitstempel bearbeiten und anschließend zeitcodierte Untertiteldateien exportieren. Weesper Transcribe macht genau das On-Device: Ziehen Sie eine MP4- oder MOV-Datei hinein, prüfen Sie das Transkript, exportieren Sie .srt oder .vtt. Nichts wird hochgeladen, und die einzige Voraussetzung ist macOS 13 oder neuer.

Untertitel sind längst keine Option mehr. Captions sind eine WCAG-Level-A-Anforderung für vorab aufgezeichnetes Video mit Ton, sie halten Zuschauer bei stumm abspielenden Autoplay-Feeds bei der Stange, und sie liefern Suchmaschinen etwas zum Indexieren. Das Problem: Die meisten Untertitel-Generatoren verlangen zunächst einen Upload des Filmmaterials auf einen Server – unpraktisch, wenn das Video ein Produkt-Launch unter Embargo, ein Kundeninterview oder eine Aufnahme ist, die datenschutzrechtlichen Vorgaben unterliegt.

Dieser Leitfaden behandelt den Offline-Weg auf macOS: was SRT und VTT tatsächlich sind, wie man sie aus einer Videodatei erzeugt, ohne den Umweg über die Cloud, welches Format für welches Ziel geeignet ist, und wie man das Ergebnis vor der Veröffentlichung prüft.

Was sind SRT- und VTT-Untertiteldateien?

Beide sind reine Textdateien, die Textblöcke mit Start- und End-Zeitcodes verknüpfen. Ihr Player, Editor oder die Plattform liest die Zeitangaben und zeigt die richtige Zeile im richtigen Moment auf dem Bildschirm an.

SubRip (.srt) ist das älteste und am weitesten verbreitete Format. Jeder Cue besteht aus einer laufenden Nummer, einer Zeitzeile mit Komma-Millisekunden und ein bis zwei Textzeilen.

1
00:00:01,500 --> 00:00:04,200
Wir haben dieses Interview in einem einzigen Take aufgenommen.

WebVTT (.vtt) ist das vom W3C für das Web entwickelte Format. Laut der W3C-Spezifikation muss eine gültige Datei mit der Zeichenkette WEBVTT beginnen, und ihre Zeitangaben verwenden einen Punkt vor den Millisekunden.

WEBVTT

00:00:01.500 --> 00:00:04.200
Wir haben dieses Interview in einem einzigen Take aufgenommen.

Der praktische Unterschied liegt im Funktionsumfang. WebVTT unterstützt Styling, Cue-Positionierung, Regionen und Inline-Markup-Tags wie <b>, <i> und <v> für Sprecherstimmen – weshalb MDN es als das Format dokumentiert, das mit dem HTML-Element <track> verwendet wird.

SRT vs. VTT im Überblick

Kriterium	SRT (SubRip)	VTT (WebVTT)
Kopfzeile	Keine	WEBVTT erforderlich
Millisekunden-Trennzeichen	Komma (,)	Punkt (.)
Cue-Nummerierung	Fortlaufend, erwartet	Optionale Kennungen
Styling und Positionierung	Nicht unterstützt	Unterstützt (CSS ::cue, Cue-Einstellungen)
Inline-Markup	Keins	<b>, <i>, <u>, <v>, <lang>
Natives HTML5-<track>	Nicht unterstützt	Unterstützt
Unterstützung durch Editoren und Plattformen	Nahezu universell	Web-first, weit verbreitet
Am besten geeignet für	Videoeditoren, Social-Uploads, Archive	Selbst gehostetes Web-Video, HTML-Player

Keines der Formate ist “besser”. Sie sind auf unterschiedliche Zielorte ausgerichtet, weshalb ein lohnenswertes Transkriptionstool beide exportiert.

Warum Untertitel offline erstellen statt sie einem Cloud-Dienst hochzuladen?

Weil die Datei selbst das sensible Gut ist. Ein Cloud-Untertitelgenerator benötigt eine vollständige Kopie Ihres Videos, bevor er auch nur eine einzige Untertitelzeile zurückgeben kann.

Bei vielen Aufnahmen ist das schlicht nicht akzeptabel:

• Unveröffentlichte Inhalte — Trailer, Produkt-Launches und Kursmaterial unter Embargo
• Kunden- und rechtliche Aufnahmen — Interviews, Zeugenaussagen, Beratungsgespräche
• Personenbezogene Daten — jede Aufnahme, in der Teilnehmer identifizierbar sind, was datenschutzrechtliche Pflichten mit sich bringt
• Interne Meetings — kommerziell sensible Diskussionen, die nicht in der Aufbewahrungsfrist eines Drittanbieters landen sollten

On-Device-Transkription eliminiert diese Frage vollständig: kein Upload, keine Aufbewahrungsrichtlinie zu prüfen und kein Konto zu erstellen. Sie eliminiert außerdem die Abrechnung pro Minute, was relevant wird, sobald Sie Stunden aus dem Archiv statt eines einzelnen Clips untertiteln. Die Kompromisse haben wir im Detail in unserem Vergleich wie On-Device- und Cloud-Transkription im Vergleich abschneiden aufgeschlüsselt.

Der Kompromiss liegt bei der Hardware. Lokale Transkription nutzt die CPU und GPU Ihres Macs, sodass eine lange Datei Ihren Rechner eine Weile beschäftigt – Weesper Transcribe nutzt Metal-Beschleunigung auf Apple Silicon, um das handhabbar zu halten, und läuft ab macOS 13 sowohl auf Apple-Silicon- als auch auf Intel-Macs.

Wie erstellt man Schritt für Schritt SRT-Untertitel aus einem Video auf einem Mac?

Der Workflow besteht aus vier Schritten: Datei hinzufügen, lokal transkribieren lassen, Text bearbeiten, das vom Zielort erwartete Untertitelformat exportieren. Hier ist er mit der On-Device-Transkriptionsapp für macOS.

1. Video hineinziehen. Ziehen Sie Ihre MP4-, MOV- oder jede andere von macOS lesbare Datei in das App-Fenster. Es ist nicht nötig, vorher eine Audiospur zu extrahieren.
2. Auf Ihrem Mac transkribieren lassen. Das Spracherkennungsmodell läuft lokal. Nichts wird hochgeladen, kein Konto ist erforderlich, und das Transkript landet in einer privaten, durchsuchbaren Historie.
3. Mit anklickbaren Zeitstempeln durchlesen. Jedes Segment ist mit seinem Moment im Ausgangsmaterial verknüpft – Sie klicken auf eine Zeile, hören das Audio und korrigieren, was Sie gehört haben. Korrekturen werden beim Tippen gespeichert.
4. .srt oder .vtt exportieren. Wählen Sie das Untertitelformat für Ihr Ziel. Beide kommen zeitcodiert heraus und sind bereit, in einen Editor oder einen Web-Player eingefügt zu werden.

Einen ganzen Bestand untertiteln

Bei mehr als einer Handvoll Dateien lohnt sich die Batch-Verarbeitung. Reihen Sie einen Ordner mit Episoden oder Vorlesungsaufnahmen in eine Warteschlange ein und lassen Sie Ihren Mac sie nacheinander verarbeiten, während Sie sich etwas anderem widmen.

Die kostenlose Version transkribiert Dateien bis zu 15 Minuten in voller Qualität – genug, um den Workflow an einem echten Clip zu testen. Das einmalige Pro-Upgrade hebt die Längenbegrenzung auf und schaltet Batch-Verarbeitung, den vollständigen Exportumfang, Inline-Bearbeitung und Suche frei — ein einmaliger Kauf im App Store statt eines Abonnements.

Aus demselben Transkript weitere Ergebnisse erzeugen

Die Untertiteldatei ist selten das Einzige, was Sie aus einer Aufnahme benötigen. Weesper Transcribe exportiert aus einer einzigen Transkription neun Formate:

Ergebnis	Exportformat
Untertitel für einen Editor oder eine Plattform	SRT, VTT
Shownotes oder Blogentwurf	Markdown, HTML
Kundenfertiges Dokument	DOCX, PDF
Schnelles Kopieren-Einfügen	TXT
Datenpipeline oder Tabelle	JSON, CSV

Das ist die eigentliche Zeitersparnis: Ein einziger Durchgang über das Audio erzeugt gleichzeitig die Untertitel, die Shownotes und den Archiveintrag.

Welches Untertitelformat sollten Sie für welche Plattform exportieren?

Passen Sie das Format an das Ziel an, und exportieren Sie im Zweifel SRT. YouTubes eigene Dokumentation listet sowohl SubRip als auch WebVTT unter den unterstützten Untertitelformaten und empfiehlt SRT für alle, die nur grundlegende Zeitangaben benötigen.

Ziel	Export	Warum
YouTube, Vimeo	SRT	Direkt akzeptiert, am einfachsten nachzubearbeiten
Final Cut Pro, Premiere Pro, DaVinci Resolve	SRT	Standardimport für eine Untertitelspur
Selbst gehostetes HTML5-Video	VTT	Vom <track>-Element vorausgesetzt
LinkedIn, Social-Uploads	SRT	Breiteste Plattformakzeptanz
Eingebrannte Untertitel	SRT, dann im Editor stylen	Styling gehört zum Schnitt, nicht zur Datei
Web-Player mit individuellem Untertitel-Styling	VTT	Unterstützt Positionierung und CSS ::cue

Da beide Formate reiner Text sind, ist die spätere Umwandlung zwischen ihnen trivial. Jetzt das richtige zu exportieren, spart lediglich einen Schritt.

Wie prüft man Untertitel vor der Veröffentlichung?

Behandeln Sie die automatische Ausgabe als ersten Entwurf. Die W3C Web Accessibility Initiative macht unmissverständlich klar, dass automatisch generierte Untertitel Barrierefreiheitsanforderungen nicht erfüllen, sofern ihre vollständige Richtigkeit nicht bestätigt wurde – und weist darauf hin, dass Captions eine WCAG-Level-A-Anforderung für vorab aufgezeichnetes Video mit Ton sind.

Arbeiten Sie Folgendes durch, bevor Sie die finale Datei exportieren:

• Namen und Fachjargon. Eigennamen, Produktnamen und Fachbegriffe sind der Bereich, in dem Spracherkennung am häufigsten abweicht. Suchen Sie im Transkript nach jedem einzelnen und korrigieren Sie ihn global.
• Zahlen und Einheiten. Preise, Daten und Maßangaben müssen gelesen, nicht geraten werden.
• Sprecherwechsel. Kennzeichnen Sie sie eindeutig. VTT kann das mit dem Voice-Tag <v> tun; SRT verwendet meist einen vorangestellten Gedankenstrich.
• Zeilenlänge und Timing. Beschränken Sie Cues auf ein paar kurze Zeilen, damit Zuschauer sie tatsächlich zu Ende lesen können, bevor der Cue wechselt.
• Nicht-sprachliches Audio. Untertitel sollten bedeutungstragende Geräusche transportieren, nicht nur Dialog.
• Die ersten dreißig Sekunden. Das ist der Abschnitt, den die meisten Zuschauer sehen – und der am häufigsten ungeprüft bleibt.

Anklickbare Zeitstempel machen diesen Durchgang schnell, weil Sie gegen das Audio prüfen, statt das ganze Video erneut anzusehen. Falls Sie bei der App selbst nicht weiterkommen, deckt die Support-Dokumentation Exporteinstellungen und Dateihandhabung ab.

Was ist mit den Alternativen?

On-Device-Untertitelung auf macOS ist eine gesunde Kategorie, und die ehrliche Antwort ist, dass mehrere Tools den Transkriptionsteil gut beherrschen. Die Unterschiede zeigen sich im Workflow: Abonnement oder einmaliger Kauf, wie lange Dateien gehandhabt werden, ob es eine durchsuchbare Historie gibt, und wie viele Exportformate ein einziger Durchgang liefert.

Wenn Sie die wichtigsten dedizierten Apps gegeneinander abwägen: Wir haben MacWhisper und Superwhisper direkt verglichen. Und falls Sie sich die Pipeline lieber selbst aus Open-Source-Bausteinen zusammenstellen, führt unser Leitfaden zum lokalen Betrieb von whisper.cpp durch den Kommandozeilen-Weg — mehr Kontrolle, deutlich mehr Einrichtungsaufwand, und den SRT- und VTT-Exportschritt bauen Sie selbst.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einer SRT- und einer VTT-Untertiteldatei?

Beide sind reine Textdateien mit Zeitcodes, unterscheiden sich aber in Syntax und Funktionsumfang. SRT verwendet nummerierte Cues und Komma-Millisekunden (00:00:01,500) und wird nahezu überall akzeptiert. WebVTT beginnt mit einer verpflichtenden WEBVTT-Kopfzeile, verwendet Punkt-Millisekunden (00:00:01.500) und unterstützt Styling, Positionierung und Inline-Markup. Nutzen Sie SRT für maximale Kompatibilität und VTT bei der Auslieferung von Untertiteln über das HTML-Element <track>.

Kann ich Untertitel aus einem Video erstellen, ohne es auf einen Server hochzuladen?

Ja. On-Device-Apps führen das Spracherkennungsmodell lokal aus, sodass die Mediendatei Ihren Mac nie verlässt. Sie ziehen eine MP4-, MOV-, MP3- oder jede andere von macOS lesbare Datei hinein, das Transkript entsteht auf Ihrem Rechner, und Sie exportieren SRT oder VTT lokal. Das macht den Workflow praxistauglich für Material unter Embargo, Kundeninterviews und Aufnahmen mit personenbezogenen Daten.

Muss ich mein Video zuerst in Audio umwandeln?

Nein. Videodateien einschließlich MP4 und MOV werden direkt akzeptiert, ebenso wie Audioformate wie MP3, WAV und M4A. Es ist nicht nötig, mit einem separaten Tool eine Audiospur zu extrahieren. Falls Ihre Schnittsoftware bereits eine reine Audio-Referenz exportiert, funktioniert das auch — die Zeitangaben sind identisch, solange die Datei am selben Punkt wie das Video beginnt.

Wie genau sind automatisch generierte Untertitel?

Automatische Transkription ist ein solider erster Entwurf, aber keine fertige Untertiteldatei. Die Genauigkeit hängt von Audioqualität, Akzenten, sich überlappenden Sprechern und Hintergrundgeräuschen ab. Richtlinien zur Barrierefreiheit stellen ausdrücklich klar, dass automatische Untertitel Anforderungen nicht erfüllen, sofern ihre Richtigkeit nicht bestätigt wurde — planen Sie also vor der Veröffentlichung einen Korrekturdurchgang für Namen, Fachbegriffe und Zeichensetzung ein.

Kann ich einen ganzen Ordner mit Videos auf einmal untertiteln?

Ja, mit Batch-Verarbeitung: Reihen Sie einen Ordner ein, und Ihr Mac arbeitet die Dateien nacheinander ab. Die kostenlose Version von Weesper Transcribe verarbeitet Dateien bis zu 15 Minuten in voller Qualität, und das einmalige Pro-Upgrade hebt die Längenbegrenzung auf und schaltet Batch-Verarbeitung, den vollständigen Exportumfang, Inline-Bearbeitung und Suche frei.

In welchen Sprachen kann ich Untertitel erstellen?

Weesper Transcribe unterstützt 57 Transkriptionssprachen und transkribiert in der in der Aufnahme gesprochenen Sprache, statt sie zu übersetzen. Für eine zweite Sprache exportieren Sie zuerst die Datei in der Ausgangssprache und übersetzen dann den Text, ohne die Zeitzeilen zu verändern — jede übersetzte Version lässt sich direkt wieder in Ihren Editor einfügen.

Fazit

SRT- und VTT-Untertitel auf einem Mac zu erstellen, erfordert weder Upload noch Konto noch Abrechnung pro Minute. Transkribieren Sie die Datei On-Device, bearbeiten Sie sie anhand anklickbarer Zeitstempel, und exportieren Sie das vom Zielort erwartete Format — SRT für Editoren und Plattformen, VTT für das Web.

Der Workflow skaliert ebenfalls: Verarbeiten Sie einen Ordner voller Episoden im Batch und gewinnen Sie aus demselben Transkriptionsdurchgang Shownotes, ein Kundendokument und einen Archiveintrag.

Bereit, Ihre erste Datei zu untertiteln? Sehen Sie, wie Weesper Transcribe Audio und Video auf macOS handhabt, oder holen Sie es direkt aus dem Mac App Store — kostenloser Download, mit einmaligem Pro-Upgrade und ohne Abonnement.