YouTube-SBV-Untertitel in reinen Text umwandeln

.sbv (SubViewer) ist das Untertitelformat, das YouTube Studio beim Herunterladen der Untertitel eines Videos anbietet, egal ob automatisch generiert oder manuell hochgeladen. Es besteht aus durch Leerzeilen getrennten Blöcken: einer Zeitcode-Zeile wie 0:00:04.160,0:00:06.770 (Start und Ende durch ein Komma verbunden, keine Cue-Nummer, kein Pfeil), gefolgt von einer oder mehreren Zeilen Untertiteltext. Es direkt zu lesen ist ungefähr so unangenehm wie SRT oder VTT zu lesen: Sätze werden alle paar Sekunden zerschnitten, damit sie auf den Bildschirm passen.

Der SBV-zu-TXT-Konverter von SubToolDesk analysiert jeden Block lokal in deinem Browser. Keine Datei verlässt jemals dein Gerät. Er extrahiert nur den Untertiteltext, verwirft das Timing vollständig und setzt die Fragmente (optional) zu natürlichen Absätzen zusammen.

So wandelst du SBV in TXT um (Schritt für Schritt)

• Öffne in YouTube Studio Untertitel für dein Video, nutze dann das Optionsmenü neben einer Untertitelspur und wähle Herunterladen > .sbv.
• Ziehe diese .sbv-Datei auf den Konverter oben, oder klicke auf „Datei hochladen“, um sie auszuwählen.
• Prüfe, dass die automatisch erkannte Format-Badge SBV anzeigt.
• Aktiviere In Absätze zusammenführen für fließenden Text, oder lasse es deaktiviert, um einen Untertitel pro Zeile zu behalten.
• Aktiviere Sprecherkennungen entfernen, wenn deine Untertitel Namen wie „SPRECHER 1:“ enthalten.
• Klicke auf Kopieren oder Herunterladen, um die fertige .txt-Datei zu erhalten.

Warum YouTube-Untertitel in reinen Text umwandeln

Eine .sbv-Datei ist für YouTubes Untertitel-Pipeline gemacht, nicht zum Lesen. Sie auf reinen Text zu reduzieren hat fast immer mit dem nächsten Schritt zu tun:

• Grund: die automatisch generierten Untertitel eines YouTube-Videos in einen Blog-Rückblick oder Show-Notizen verwandeln, wo Timing nur stört.
• Grund: die Transkription an einen KI-Zusammenfasser oder Chatbot übergeben, der durchgehenden Text weit besser liest als hunderte zeitgesteuerter Fragmente.
• Grund: den Dialog in Meeting-Notizen oder ein Projektdokument einfügen, nachdem du automatisch generierte Untertitel von einem aufgezeichneten Webinar oder Interview heruntergeladen hast, das auf YouTube hochgeladen wurde.
• Grund: eine Transkription zur Übersetzung oder zum Lektorat verschicken, wo Übersetzerinnen und Lektoren mit Absätzen arbeiten, nicht mit Untertitelblöcken.
• Grund: den Dialog eines Videos als durchsuchbares, lesbares Dokument archivieren, sobald das ursprüngliche Upload nicht mehr aufbewahrt werden muss.

Vorher und nachher: ein echtes Beispiel

Ein kurzer SBV-Export aus YouTube Studio, mit Sprecherpräfix, umgewandelt mit aktiviertem In Absätze zusammenführen und Sprecherkennungen entfernen (der Standardzustand auf dieser Seite):

0:00:01.200,0:00:04.000
SPRECHER 1: Willkommen zurück, heute geht es um die Zahlen für das dritte Quartal.

0:00:04.300,0:00:07.900
SPRECHER 2: Danke für die Einladung. Steigen wir gleich ein.

0:00:08.100,0:00:11.500
SPRECHER 1: Der Umsatz ist im Jahresvergleich um acht Prozent gestiegen.

Willkommen zurück, heute geht es um die Zahlen für das dritte Quartal. Danke für die Einladung. Steigen wir gleich ein. Der Umsatz ist im Jahresvergleich um acht Prozent gestiegen.

Jede Zeitcode-Zeile sowie beide Präfixe SPRECHER 1: und SPRECHER 2: sind verschwunden. Was bleibt, ist genau das Gesagte, zu lesbaren Sätzen zusammengefügt.

Das SBV-Format, Byte für Byte

Ein einzelner SBV-Block sieht so aus, ohne Cue-Nummer, ohne Pfeil:

0:00:03.500,0:00:06.120
Danke, dass du heute beim Anruf dabei bist.

Die beiden Zeitstempel sind durch ein einzelnes Komma ohne umgebende Leerzeichen verbunden, jeweils in der Form H:MM:SS.mmm. Eine oder mehrere Zeilen Untertiteltext folgen direkt darunter, und eine Leerzeile trennt jeden Block vom nächsten. Mehrzeilige Blöcke werden innerhalb des Blocks mit einem Zeilenumbruch verbunden; SubToolDesk behandelt diesen internen Umbruch beim Zusammenführen in Absätze als weichen Umbruch, nicht als Satzgrenze.

Warum Sprecherkennungen vor dem Zusammenführen entfernen?

YouTubes automatische Untertitel und manuell hochgeladene Spuren stellen jeder Zeile häufig eine Sprecherkennung voran, damit eine zuschauende Person nachvollziehen kann, wer spricht. Das ist auf dem Bildschirm nützlich, bricht aber den Lesefluss einer Transkription in Absatzform und wirkt seltsam, wenn es bei jedem Satz wiederholt wird. Sprecherkennungen vor dem Zusammenführen in Absätze zu entfernen, macht das Ergebnis veröffentlichungsreif.

Datenschutz durch Architektur, nicht durch Richtlinie

Konkurrierende Konverter laden deine Datei in der Regel auf einen Server hoch, um sie zu analysieren, was bedeutet, dass deine vertrauliche Meeting-Aufnahme, eine rechtliche Aussage oder das Skript eines unveröffentlichten Videos durch die Infrastruktur einer fremden Person läuft. Das SBV-zu-TXT-Werkzeug von SubToolDesk ist genau umgekehrt aufgebaut: Analyse, Bereinigung und Darstellung finden vollständig in JavaScript in deinem Tab statt. Es gibt für diese Funktion keinen Upload-Endpunkt, den sie ansteuern könnte. Das ist kein Richtlinienversprechen, das ist eine strukturelle Garantie.

Häufige Anwendungsfälle für SBV zu TXT

• Blog-Rückblicke und Show-Notizen: verwandle die Untertiteldatei eines YouTube-Videos in Sekunden in einen lesbaren Entwurf, statt alles noch einmal anzusehen, um Notizen von Grund auf zu schreiben.
• Übersetzungsvorbereitung: gib einer übersetzenden Person durchgehende Absätze statt fragmentierter, zeitgesteuerter Cues, die sich in einer anderen Sprache deutlich natürlicher lesen.
• Einen KI-Zusammenfasser füttern: die meisten Sprachmodelle erzeugen bessere Zusammenfassungen aus fließendem Text als aus einer mit Zeitcodes durchsetzten Datei, und das Zusammenführen in Absätze übernimmt diese Umformatierung für dich.
• Durchsuchbare Archive: Transkriptionen als reiner Text lassen sich leichter per Volltextsuche finden, mit Tags versehen und in einem Dokumentations- oder Wissensdatenbanksystem speichern als eine zeitgesteuerte Untertiteldatei.

Häufige Probleme und wie man sie löst

• Timing oder einzelne Kommas stehen noch in der Ausgabe: prüfe, ob die Format-Badge über dem Konverter tatsächlich SBV anzeigt, nicht Unknown; ein abgeschnittener Einfügevorgang kann die Block-Erkennung stören.
• SPRECHER 1: oder ähnliche Namen stehen weiterhin vor den Zeilen: aktiviere Sprecherkennungen entfernen; es erkennt nur ein führendes Namensmuster und greift nicht, wenn es deaktiviert ist.
• Die Transkription liest sich als ein Satz pro Zeile statt als fließender Text: aktiviere In Absätze zusammenführen.
• Akzentbuchstaben oder nicht-englischer Text erscheinen als verstümmelte Zeichen wie é: die Quell-.sbv wurde nicht als UTF-8 gespeichert; exportiere oder speichere sie erneut als UTF-8 und lade sie neu hoch.