SRT-Untertitel in reinen Text umwandeln

Eine SRT-Datei (SubRip Subtitle) besteht aus sich wiederholenden Blöcken mit vier Zeilen: einer fortlaufenden Sequenznummer, einem Zeitcode-Bereich im Format HH:MM:SS,mmm --> HH:MM:SS,mmm (beachte das Komma vor den Millisekunden, das SRT von WebVTT unterscheidet), einer oder zwei Zeilen Untertiteltext und einer Leerzeile vor dem nächsten Block. Diese Struktur ist perfekt, um Dialoge mit Video zu synchronisieren, aber unangenehm als Dokument zu lesen: Sätze werden alle zwei bis drei Sekunden zerschnitten, damit sie auf den Bildschirm passen, und Metadaten wie Sequenznummern verunreinigen eine Transkription, die niemand wollte.

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

SRT in TXT umwandeln (Schritt für Schritt)

• Ziehe deine .srt-Datei auf den Konverter oben, oder klicke auf „Datei hochladen“, um sie auszuwählen.
• Prüfe, dass die automatisch erkannte Format-Badge SRT anzeigt.
• Aktiviere In Absätze zusammenführen für fließenden Text, oder lasse es deaktiviert, um einen Untertitel pro Zeile zu behalten.
• Aktiviere Sprecherkennungen entfernen, wenn deine Datei Namen wie „SPRECHER 1:“ enthält.
• Aktiviere Formatierungs-Tags entfernen, um verbliebene <i>-, <b>- oder <u>-Formatierungen aus der Quelle zu entfernen.
• Klicke auf Kopieren oder Herunterladen, um die fertige .txt-Datei zu erhalten.

Warum SRT in reinen Text umwandeln

Eine .srt-Datei ist für einen Videoplayer gemacht, nicht für Leserinnen und Leser. Sie auf reinen Text zu reduzieren hat fast immer mit dem nächsten Schritt zu tun:

• Grund: den Dialog in Meeting-Notizen oder ein Projektdokument einfügen, wo Sequenznummern und Zeitcodes nur stören.
• Grund: eine Transkription an einen KI-Zusammenfasser oder Chatbot übergeben, der durchgehenden Text weit besser liest als hunderte Zwei-Sekunden-Fragmente.
• Grund: einen Blog-Rückblick oder Show-Notizen aus einem aufgezeichneten Podcast, Webinar oder Interview schreiben, wofür du vollständige Sätze zum Zitieren brauchst.
• Grund: eine Aussage- oder Interview-Transkription an eine Rechts- oder Compliance-Prüfung weitergeben, die nur die gesprochenen Worte braucht, nicht das Timing.
• Grund: eine Transkription zur Übersetzung oder zum Lektorat verschicken, wo Übersetzerinnen und Lektoren mit Absätzen arbeiten, nicht mit Cue-Blöcken.
• Grund: einen Anruf oder eine Aufnahme als durchsuchbares, lesbares Dokument archivieren, sobald das Originalvideo nicht mehr aufbewahrt werden muss.

Vorher und nachher: ein echtes Beispiel

Ein kurzer SRT-Export im Interviewstil, mit Sequenznummern, Komma-Zeitcodes, einem Sprecherpräfix und einem Kursiv-Tag, umgewandelt mit aktiviertem In Absätze zusammenführen, Sprecherkennungen entfernen und Formatierungs-Tags entfernen (der Standardzustand auf dieser Seite):

1
00:00:01,200 --> 00:00:04,000
SPRECHER 1: Willkommen zurück, heute geht es um die Zahlen für das dritte Quartal.

2
00:00:04,300 --> 00:00:07,900
SPRECHER 2: <i>Danke für die Einladung.</i> Steigen wir gleich ein.

3
00:00:08,100 --> 00:00:11,500
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 Sequenznummer, jede Zeitcode-Zeile, sowohl das Präfix SPRECHER 1: als auch SPRECHER 2: und das <i>-Tag sind verschwunden. Was bleibt, ist genau das Gesagte, neu zu lesbaren Sätzen zusammengefügt.

Das SRT-Format, Byte für Byte

Ein einzelner gültiger Cue sieht so aus:

1
00:00:03,500 --> 00:00:06,120
Danke, dass du heute beim Anruf dabei bist.

Die Nummer beginnt in jeder Datei wieder bei 1 und erhöht sich pro Cue um eins; Player ignorieren Lücken, aber ein saubere Konverter (wie dieser) nummeriert beim Export immer fortlaufend neu durch, um nachgeschaltete Tools nicht zu verwirren. Mehrzeilige Cues 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 und Tags vor dem Zusammenführen entfernen?

Transkriptionssoftware und automatische Untertitelung stellen jeder Zeile häufig eine Sprecherkennung voran, damit eine Person beim Bearbeiten nachvollziehen kann, wer spricht. Das ist innerhalb eines Videoeditors nützlich, bricht aber den Lesefluss einer Transkription in Absatzform und wirkt seltsam, wenn es bei jedem Satz wiederholt wird. Ebenso wird Kursivschrift (<i>), die für Bildschirmtext oder Betonung genutzt wird, zu wörtlichen spitzen Klammern, sobald das Timing entfernt wird; sie 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 SRT-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 SRT zu TXT

• Blog-Rückblicke und Show-Notizen: verwandle die Untertiteldatei eines Podcasts oder Webinars in Sekunden in einen lesbaren Entwurf, statt alles noch einmal anzuhören, um Notizen von Grund auf zu schreiben.
• Rechts- und Compliance-Prüfung: reduziere eine Aussage oder ein Interview im SRT-Format auf reinen Dialog für eine prüfende Person, die nur die Worte braucht, nicht das Timing.
• Übersetzungsvorbereitung: gib einer übersetzenden Person durchgehende Absätze statt fragmentierter Zwei-Sekunden-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.

Randfälle, die der Parser abdeckt

Echte SRT-Dateien sind selten perfekt formatiert, deshalb ist der Parser darauf ausgelegt, übliche Unregelmäßigkeiten zu tolerieren, statt daran zu scheitern. Fehlende oder doppelte Sequenznummern werden vollständig ignoriert. Cues werden anhand der Zeitcode-Zeilen, dem einzigen strukturell erforderlichen Teil eines Blocks, laufend neu nummeriert. Dateien mit Windows-Zeilenumbrüchen (\r\n), Unix-Zeilenumbrüchen (\n) oder einer Mischung aus beiden werden vor der Analyse normalisiert. Ein Cue, der sich über zwei oder drei Textzeilen erstreckt, wird als ein einzelner Block behandelt, und seine internen Zeilenumbrüche werden vor der Logik zum Zusammenführen in Absätze zu einfachen Leerzeichen zusammengefasst, sodass ein Zeilenumbruch mitten im Satz niemals zu einem falschen Absatzumbruch wird.

Was dieser Konverter erhält und was er entfernt

Erhalten bleibt:

• Jedes Wort des gesprochenen Dialogtexts, in seiner ursprünglichen Reihenfolge und Zeichensetzung.
• Absatzumbrüche, entweder die ursprüngliche Struktur mit einer Zeile pro Cue, oder satzbasierte Absätze, wenn In Absätze zusammenführen aktiviert ist.

Entfernt wird:

• Jede Sequenznummer und jeder Zeitcode-Bereich.
• Reine-Text-Sprecherpräfixe wie SPRECHER 1:, wenn Sprecherkennungen entfernen aktiviert ist.
• Formatierungs-Tags wie <i>, <b> und <u>, wenn Formatierungs-Tags entfernen aktiviert ist.
• Leerzeilen zwischen Cue-Blöcken, sobald der Text in einfache Zeilen oder Absätze umgeflossen ist.

Häufige Probleme und wie man sie löst

• Sequenznummern oder -->-Zeitcodes stehen noch in der Ausgabe: prüfe, ob die Format-Badge über dem Konverter tatsächlich SRT anzeigt und nicht Unknown; ein abgeschnittener Einfügevorgang kann die Cue-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.
• <i>- oder <b>-Tags erscheinen als wörtlicher Text: aktiviere Formatierungs-Tags entfernen; das ist ein eigener Schalter, getrennt von Sprecherkennungen entfernen, und muss separat aktiviert werden.
• Die Transkription liest sich als ein Satz pro Zeile statt als fließender Text: aktiviere In Absätze zusammenführen.
• Absätze werden zu lang, ohne Anzeichen eines Sprecherwechsels: deaktiviere In Absätze zusammenführen stattdessen und behalte eine Zeile pro Cue; sobald Sprecherkennungen entfernt sind, hat reiner Text keine Möglichkeit, einen Sprecherwechsel mitten im Absatz zu kennzeichnen.
• Akzentbuchstaben oder nicht-englischer Text erscheinen als verstümmelte Zeichen wie é: die Quell-.srt wurde nicht als UTF-8 gespeichert; exportiere oder speichere sie erneut als UTF-8 und lade sie neu hoch.

Was dieses Werkzeug bewusst nicht tut

Es rekonstruiert keine fehlende Zeichensetzung und fügt keine Großschreibung hinzu, die in der Originaldatei fehlt. Wenn deine Quell-SRT überhaupt keine Punkte enthält (häufig bei manchen automatisch erzeugten Untertiteln), hat das Zusammenführen in Absätze keinen Anhaltspunkt und behandelt die gesamte Datei als einen einzigen durchgehenden Block. In diesem Fall ist es zuverlässiger, das Zusammenführen auszuschalten und zunächst die Ausgabe mit einer Zeile pro Cue zu prüfen; anschließend kannst du eigene Absatzumbrüche manuell ergänzen. Das Werkzeug übersetzt, fasst auch nicht zusammen oder schreibt deinen Inhalt auf andere Weise um. Es formatiert und bereinigt nur, was bereits vorhanden ist.