WebVTT (.vtt) in Advanced SubStation Alpha umwandeln

WebVTT (.vtt) ist für die Untertitelung im Browser gebaut: eine WEBVTT-Kopfzeile, danach Cues als Zeitcode-Bereich im Format HH:MM:SS.mmm --> HH:MM:SS.mmm mit ein oder zwei Zeilen Text, optional mit Cue-Einstellungen oder <v Sprecher>-Stimm-Tags. Advanced SubStation Alpha (.ass), das Format, das Aegisub, viele Fansub-Gruppen und fortgeschrittene Player wie MPV und VLC nutzen, ist völlig anders strukturiert: eine [Script Info]-Kopfzeile, ein [V4+ Styles]-Abschnitt, der Schriftarten, Farben, Konturen und Bildschirmposition definiert, und ein [Events]-Abschnitt, der pro Zeile auf diese Stile verweist.

Der VTT-zu-ASS-Konverter von SubToolDesk analysiert deine WebVTT-Cues lokal in deinem Browser, verwirft die WEBVTT-Kopfzeile und jegliche Stimm-Tags, wandelt jeden Zeitcode in das Hundertstelsekunden-Format H:MM:SS.cc von ASS um und schreibt eine vollständige, gültige .ass-Datei mit einem funktionierenden [Script Info]-Block, einem einzigen Default-Stil und einer Dialogue:-Zeile pro Cue.

So wandelst du VTT in ASS um (Schritt für Schritt)

• Ziehe deine .vtt-Datei auf den Konverter oben, oder klicke auf „Datei hochladen“, um sie auszuwählen.
• Prüfe, dass die automatisch erkannte Format-Badge VTT anzeigt.
• Aktiviere Sprecherkennungen entfernen, wenn deine Quelle <v Sprecher>-Tags oder führende Namenskennungen enthält, die du nicht übernehmen willst.
• Klicke auf Herunterladen, um eine gültige .ass-Datei zu speichern, benannt passend zu deiner Originaldatei.

Warum VTT in ASS umwandeln

Eine .vtt-Untertiteldatei ist für den nativen Player eines Browsers gebaut, nicht für einen Editor, der gestylten Text rendert. Die Umwandlung in ASS hat fast immer damit zu tun, was der Zielplayer oder -editor mit diesem Text tun muss:

• Karaoke-artiges Timing für Fansubs: Die Override-Tags pro Silbe von ASS sind die Standardmethode, mit der Fansub- und Anime-Release-Gruppen Karaoke-Effekte bauen, selbst wenn der Quelluntertitel als vom Browser exportierte WebVTT-Spur begann.
• Dialog auf dem Bildschirm positionieren: ASS kann eine Zeile über Margin- und Alignment-Overrides überall im Bild platzieren, ein flexiblerer Ersatz für die eigenen align-/position-Cue-Einstellungen von WebVTT, die dieser Konverter nicht automatisch übernimmt.
• Farbiger oder umrandeter Text für Barrierefreiheit oder Stil: der farbige, umrandete Default-Stil, den dieser Konverter automatisch schreibt, bleibt über hellem oder unruhigem Video lesbar, in einer Weise, die flacher WebVTT-Text nicht garantieren kann.
• Aegisub-, MPV- und VLC-Workflows: Aegisub ist speziell um das ASS-Format herum aufgebaut, und sowohl MPV als auch VLC rendern seine Stil-Overrides, also braucht ein Projekt, das dort beginnt, ASS, nicht eine Browser-Untertiteldatei.
• Schrift- und Größen-Overrides pro Zeile: ASS erlaubt es einzelnen Dialogue-Zeilen, Schriftart, Größe oder Farbe zu überschreiben, ohne den Basisstil zu berühren, etwas, das die Cue-Einstellungen von WebVTT nicht ausdrücken können.
• Eine gestylte Basisdatei zum Weiterarbeiten haben: die Umwandlung bringt die Struktur [Script Info], [V4+ Styles] und [Events] bereits in Stellung, sodass in Aegisub nur noch das eigentliche Styling hinzuzufügen bleibt.

Vorher und nachher: ein echtes Beispiel

Ein kurzer WebVTT-Ausschnitt mit zwei Cues, mit einer Cue-Einstellung, einem Stimm-Tag und einem Kursiv-Tag, umgewandelt mit aktiviertem Formatierungs-Tags entfernen und deaktiviertem Sprecherkennungen entfernen (der Standardzustand auf dieser Seite):

WEBVTT

00:00:03.500 --> 00:00:06.120 align:start position:10%
<v Jordan>Danke, dass du heute beim Anruf dabei bist.

00:00:06.500 --> 00:00:09.800
<v Priya><i>Klar, fangen wir an.</i>

[Script Info]
Title: SubToolDesk Export
ScriptType: v4.00+
...

[V4+ Styles]
Format: Name, Fontname, Fontsize, ...
Style: Default,Arial,20,&H00FFFFFF,...

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:03.50,0:00:06.12,Default,,0,0,0,,Jordan: Danke, dass du heute beim Anruf dabei bist.
Dialogue: 0,0:00:06.50,0:00:09.80,Default,,0,0,0,,Priya: Klar, fangen wir an.

Die WEBVTT-Kopfzeile und die Cue-Einstellung align:start position:10% sind beide verschwunden; dieser Konverter hat keine ASS-Entsprechung für Cue-Einstellungen, deshalb werden sie verworfen statt übersetzt. Jeder Zeitcode wechselte von den durch Punkt getrennten Millisekunden von WebVTT zu den durch Punkt getrennten Hundertstelsekunden von ASS (00:00:03.500 wurde zu 0:00:03.50). Das <i>-Tag ist verschwunden, weil Formatierungs-Tags entfernen aktiviert war. Die Stimm-Tags <v Jordan> und <v Priya> sind ebenfalls verschwunden, aber weil Sprecherkennungen entfernen deaktiviert war, wurde jeder Name beibehalten und als Name:-Präfix in den Dialogtext eingefügt, statt vollständig entfernt zu werden, es gibt kein separates ASS-Name-Feld, in das er hätte wandern können, das Feld bleibt leer.

Was die erzeugte .ass-Datei enthält

Die Ausgabe ist eine vollständige, abspielbereite ASS-Datei. Sie enthält einen echten [Script Info]-Block, einen [V4+ Styles]-Abschnitt mit einem Stil namens Default (weißer Text, eine dünne Kontur und ein Schatten für Lesbarkeit über Video, unten zentriert), und einen [Events]-Abschnitt mit einer Dialogue:-Zeile für jeden Cue. Du kannst das Ergebnis danach in Aegisub öffnen, um Schriftarten, Farben oder Position anzupassen.

Was mit reinen WebVTT-Funktionen passiert

Die Cue-Einstellungen von WebVTT (wie align:start position:10%) und <v Sprechername>-Stimm-Tags haben in der Ausgabe dieses Konverters keine direkte ASS-Entsprechung; Cue-Einstellungen werden verworfen, und Stimm-Tags werden durch den Schalter Sprecherkennungen entfernen entfernt, genau wie bei jedem anderen Konverter auf dieser Website. Wenn du dieselbe Information in ASS brauchst, wird sie dort anders ausgedrückt, über Overrides für MarginL/MarginR/MarginV pro Zeile oder einen eigenen Stil, und das ist ein manueller Folgeschritt, sobald du die Basisdatei hast.

Warum Zeitcodes in ASS anders aussehen

WebVTT misst die Zeit auf die Millisekunde mit einem Punkt als Trennzeichen (00:00:09.400); ASS misst sie auf die Hundertstelsekunde, ein Hundertstel einer Sekunde, mit einer nicht mit Null aufgefüllten Stunde (0:00:09.40). Der Konverter übernimmt diese Rundung automatisch, sodass ein Cue, der in der Quelle bei 9,4 Sekunden beginnt, in der Ausgabe auf der korrekten Hundertstelsekunde landet.

Warum Menschen von VTT zu ASS wechseln

• Fansubbing und Anime-Release-Gruppen, wo die Styling- und Positionierungs-Overrides von ASS der De-facto-Standard sind, selbst wenn der Quelluntertitel als WebVTT exportiert wurde.
• Editorinnen und Editoren, die in Aegisub arbeiten, das ASS als natives Projektformat erwartet, nicht als einfachen VTT-Import.
• Player und Pipelines, die gestylte Overrides rendern, wie MPV oder bestimmte Streaming-Encoder, bei denen die Cue-Einstellungen von WebVTT nicht auf dieselbe Positionierungs- und Schriftkontrolle abgebildet werden, die ASS bietet.
• Ein gestyltes Untertitelprojekt aus einer webexportierten Untertitelspur starten, mit diesem Konverter eine strukturell gültige ASS-Datei bereitstellen, bevor Stile von Hand ergänzt werden.

Datenschutz durch Architektur, nicht durch Richtlinie

Das Analysieren des VTT und das Schreiben der ASS-Datei finden beide in JavaScript statt, das in deinem Browser-Tab läuft. Es gibt keinen Upload-Endpunkt, den diese Funktion ansteuern könnte, was unabhängig davon zählt, ob die Quelle ein öffentlicher YouTube-Untertitel-Export oder eine vertrauliche Aufnahme ist.

Was dieser Konverter erhält und was er entfernt

Erhalten bleibt:

• Jedes Wort des gesprochenen Dialogtexts, in seiner ursprünglichen Reihenfolge und Zeichensetzung.
• Das Timing jedes Cues, umformatiert von der Millisekunden-Genauigkeit von WebVTT zur Hundertstelsekunden-Genauigkeit von ASS, ohne Abweichung.
• Eine Dialogue:-Zeile pro Quell-Cue, in derselben Reihenfolge, in der sie in der VTT-Datei erschienen.
• Namen aus Stimm-Tags wie Jordan, als Präfix in den Dialogtext eingefügt, wenn Sprecherkennungen entfernen deaktiviert ist.

Entfernt wird:

• Die WEBVTT-Kopfzeile und jeder NOTE-, STYLE- oder REGION-Block.
• Cue-Einstellungen auf der Zeitstempel-Zeile, wie align:start position:10%; ASS hat in der Ausgabe dieses Konverters keine direkte Entsprechung dafür.
• Inline-Formatierungs-Tags wie <i>, <b> und <u>, wenn Formatierungs-Tags entfernen aktiviert ist.
• Stimm-Tags wie <v Sprechername>, Name und alles, wenn Sprecherkennungen entfernen aktiviert ist.

Häufige Probleme und wie man sie löst

• Die Ausgabe hat noch <i>- oder <b>-Tags im Dialogtext: aktiviere Formatierungs-Tags entfernen; es ist nur dann standardmäßig aktiv, wenn du es nicht geändert hast.
• Namen wie Jordan: kleben noch am Dialogtext: aktiviere Sprecherkennungen entfernen; es ist auf dieser Seite standardmäßig deaktiviert, sodass Namen aus Stimm-Tags direkt als Textpräfix durchlaufen, sofern du es nicht aktivierst.
• Cue-Positionierung oder Ausrichtung scheint verschwunden zu sein: das ist erwartet, die align-/position-Cue-Einstellungen von WebVTT werden nicht automatisch nach ASS übernommen; erstelle diese Positionierung bei Bedarf mit Margin- oder Alignment-Overrides in Aegisub neu.
• Jede Zeile wird in Aegisub mit derselben Schriftart, Größe und Farbe dargestellt: das ist erwartet, dieser Konverter schreibt einen einzigen Default-Stil; öffne die Datei danach in Aegisub, um zusätzliche Stile oder Overrides pro Zeile zu erstellen.
• Der Untertitel wirkt nach der Umwandlung leicht unsynchron: ASS speichert nur Hundertstelsekunden-Genauigkeit, sodass ein auf die exakte Millisekunde zeitgesteuerter Cue um bis zu eine Hundertstelsekunde verschieben kann, weit unter allem Wahrnehmbaren; wenn die Abweichung größer ist, prüfe stattdessen die Zeitcodes des ursprünglichen VTT.
• Akzentbuchstaben oder nicht-englischer Text erscheinen als verstümmelte Zeichen wie é: die Quell-.vtt 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 schreibt einen einzigen Default-Stil und versucht nicht, Karaoke-Timing, Farben pro Figur oder Positionierungs-Overrides zu erraten, das ist ein manueller (oder von Aegisub unterstützter) Schritt, sobald du eine gültige Basisdatei hast. Es übersetzt auch nicht automatisch die Cue-Einstellungen von WebVTT in Margin- oder Alignment-Overrides von ASS; diese Zuordnung ist nicht eins zu eins und bleibt dir vorbehalten, sie bewusst anzuwenden, falls du sie brauchst.