WebVTT in SubRip (.srt) umwandeln

WebVTT und SubRip kodieren dieselbe grundlegende Idee (eine zeitgesteuerte Liste von Untertiteltext), aber ihre Syntax unterscheidet sich in drei konkreten Punkten. Erstens haben die Kopfzeile von WebVTT (WEBVTT) und alle NOTE-/STYLE-/REGION-Blöcke keine Entsprechung in SRT und müssen entfernt werden. Zweitens trennt WebVTT die Millisekunden mit einem Punkt (00:00:06.120), während SRT ein Komma verlangt (00:00:06,120) — ein Unterschied von nur einem Zeichen, der dazu führt, dass strikte SRT-Parser die Datei ablehnen, wenn sie nicht umgewandelt wird. Drittens kann die optionale Cue-Kennung von WebVTT eine beliebige Zeichenkette sein, während SRT einen streng fortlaufenden, bei 1 beginnenden Ganzzahlwert ohne Lücken erwartet.

Der Konverter von SubToolDesk erledigt alle drei automatisch: Er analysiert das VTT lokal mit der FileReader-API, leitet eine saubere fortlaufende Nummerierung neu ab, tauscht das Millisekunden-Trennzeichen aus und verwirft alles, wofür SRT keine Syntax hat.

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

• Ziehe deine .vtt-Datei auf den Konverter oben, oder füge ihren Inhalt in das linke Feld ein.
• Prüfe, dass die Format-Badge VTT erkennt.
• Lasse Formatierungs-Tags entfernen aktiviert, damit Sprecher-Tags und Positionsmetadaten nicht als wörtlicher Text in deinem SRT landen.
• Klicke auf Herunterladen, um eine korrekt formatierte .srt-Datei zu speichern, oder auf Kopieren, um sie anderswo einzufügen.

Warum WebVTT in SRT umwandeln

Eine .vtt-Datei spielt in einem Browser problemlos ab, aber viele Werkzeuge und Arbeitsabläufe erwarten weiterhin .srt. Die Umwandlung hat fast immer einen dieser Gründe:

• Grund: Der Untertitel-Import deines Videoeditors – Premiere, DaVinci Resolve, Final Cut – wurde um SRT herum gebaut und lehnt WebVTT entweder ab oder verarbeitet es unzuverlässig.
• Grund: Ein Lokalisierungsdienstleister oder Untertitel-Service verlangt SRT als Standard-Eingangsformat, unabhängig davon, welches Format du hast.
• Grund: Du lädst auf eine Videoplattform, einen Streaming-Dienst oder einen Werbeserver hoch, der gebaut wurde, bevor WebVTT-Unterstützung üblich war, und der nur .srt akzeptiert.
• Grund: Du hast KI-generierte Untertitel von Zoom, Teams oder einer Whisper-Transkription als WebVTT erhalten und musst sie jemandem übergeben, der ältere Desktop-Werkzeuge verwendet.
• Grund: Du willst Sprecher-Tags und Cue-Einstellungs-Metadaten, die keine Entsprechung in SRT haben, im selben Schritt wie die Formatumwandlung entfernen.
• Grund: Du archivierst Untertitel im universeller unterstützten Format, damit die Datei sich auch in Jahren noch in jeder Software öffnen lässt, die du dann verwendest.

Vorher und nachher: ein echtes Beispiel

Ein kurzer WebVTT-Cue mit einem Sprecher-Tag und einem Cue-Einstellungs-Attribut, wie ihn Zoom oder Teams exportieren, umgewandelt mit aktiviertem Formatierungs-Tags entfernen (der Standardzustand auf dieser Seite) und deaktiviertem Sprecherkennungen entfernen:

WEBVTT

1
00:00:06.120 --> 00:00:09.400 align:start position:10%
<v Jordan>Freue mich, hier zu sein, danke für die Einladung.

2
00:00:09.600 --> 00:00:12.800 align:start position:10%
<v Priya>Fangen wir mit der Agenda an.

1
00:00:06,120 --> 00:00:09,400
Freue mich, hier zu sein, danke für die Einladung.

2
00:00:09,600 --> 00:00:12,800
Fangen wir mit der Agenda an.

Die WEBVTT-Kopfzeile, beide align:start position:10%-Cue-Einstellungen (SRT hat keine äquivalente Syntax für Cue-Positionierung) und beide Sprecher-Tags <v Jordan> und <v Priya> sind verschwunden, da Formatierungs-Tags entfernen standardmäßig aktiviert ist. Jeder Punkt vor den Millisekunden wurde zu einem Komma, und die Cue-Nummern wurden fortlaufend neu vergeben. Wären die Sprecher stattdessen in reinem Text gekennzeichnet gewesen (Jordan:), hätte das standardmäßig deaktivierte Sprecherkennungen entfernen diesen Text unverändert gelassen.

Nebeneinander: derselbe Cue, zwei Formate

WebVTT:
00:00:06.120 --> 00:00:09.400 align:start
<v Jordan>Freue mich, hier zu sein.

SRT:
1
00:00:06,120 --> 00:00:09,400
Freue mich, hier zu sein.

Warum das 2026 immer noch wichtig ist

Browser-native Untertitelung und KI-Transkriptionswerkzeuge (YouTube, Zoom, OpenAI-Whisper-Exporte) verwenden standardmäßig WebVTT, weil es der HTML5-<track>-Standard ist. Aber ein großer Teil der Desktop-Videoeditoren, älteren Medienplayer und Untertitel-Upload-Formulare von Streaming-Plattformen erwartet weiterhin .srt oder akzeptiert nur dieses Format. Die Umwandlung hält deine Untertitel in beiden Welten portabel, ohne irgendetwas neu zu tippen oder das Timing von Hand neu zu synchronisieren.

Nichts verlässt deinen Browser

Da die Umwandlung eine reine Textumwandlung ist (keine Videoverarbeitung, keine OCR, keine externe API), läuft sie augenblicklich und vollständig clientseitig ab. Das bedeutet auch, dass sie für vertrauliche Aufnahmen funktioniert (Zeugenaussagen, interne Vollversammlungsvideos, unveröffentlichte Trailer), die du nicht an einen fremden Server übergeben möchtest, nur um eine Untertiteldatei umzuformatieren.

Wer VTT in SRT umwandelt, und warum

Videoeditorinnen und -editoren, die KI-generierte Untertitel erhalten (Whisper, Otter.ai, Zoom, Teams), brauchen oft gerade SRT, weil der Untertitel-Import ihrer Schnittsoftware (Premiere, DaVinci Resolve, Final Cut) um das ältere, universeller unterstützte Format herum gebaut wurde. Lokalisierungsdienstleister verlangen häufig SRT als Standard-Eingangsformat, unabhängig von der Quelle. Und wer Untertitel auf eine Videoplattform oder einen Werbeserver hochlädt, der älter ist als die breite WebVTT-Unterstützung, stößt beim direkten Hochladen einer .vtt-Datei auf eine Mauer. Einmaliges, lokales Umwandeln erspart das erneute Exportieren aus dem ursprünglichen Untertitel-Werkzeug oder das händische Neutippen von Zeitcodes.

Was neu nummeriert wird, und warum das notwendig ist

Die Cue-Kennung von WebVTT ist optional und kann, wenn vorhanden, eine beliebige Zeichenkette sein: eine UUID, ein Zeitstempel oder gar nichts. Die SRT-Spezifikation ist strenger: Jeder Cue muss einen fortlaufenden Ganzzahl-Index tragen, der bei 1 beginnt, ohne Lücken und ohne Wiederholungen, sonst verweigern viele Player das Parsen der Datei ab dem ersten fehlerhaften Index. SubToolDesk verwirft jede Kennung (falls vorhanden), die im Quell-VTT stand, und erzeugt beim Export eine saubere, lückenlose Sequenz, sodass das Ergebnis unabhängig davon, wie unregelmäßig die ursprüngliche Nummerierung war, gültiges SRT ist.

Was dieser Konverter erhält und was er entfernt

Erhalten bleibt:

• Jedes Wort des Dialogtexts, in seiner ursprünglichen Reihenfolge.
• Millisekundengenaues Timing für jeden Cue.
• Ein Block pro Cue, in der ursprünglichen Reihenfolge, fortlaufend ab 1 neu nummeriert (SRT verlangt das; WebVTT nicht).
• Reine-Text-Sprecherpräfixe wie Jordan:, da Sprecherkennungen entfernen standardmäßig deaktiviert ist.

Entfernt oder geändert wird:

• Die WEBVTT-Kopfzeile und alle NOTE-, STYLE- oder REGION-Blöcke, die keine Entsprechung in SRT haben.
• Der Punkt vor den Millisekunden, der in jedem Zeitcode durch ein Komma ersetzt wird.
• Cue-Einstellungen in der Zeitstempelzeile, wie align:start position:10%, für die SRT keine Syntax hat und die unabhängig vom Schalterzustand immer entfernt werden.
• Sprecher-Tags wie <v Sprechername>, wenn Formatierungs-Tags entfernen aktiviert ist (das ist standardmäßig auf dieser Seite der Fall).

Häufige Probleme und wie man sie löst

• <v Sprechername>-Tags erscheinen in der SRT-Ausgabe weiterhin als wörtlicher Text: aktiviere Formatierungs-Tags entfernen; es ist nur deaktiviert, wenn du es geändert hast, denn auf dieser Seite ist es gerade deshalb standardmäßig aktiviert, weil SRT keine Sprecher-Tag-Syntax hat, in der sie erhalten bleiben könnten.
• Namen in reinem Text wie Jordan: stehen weiterhin vor den Zeilen: das ist ein eigener Schalter, Sprecherkennungen entfernen, der hier standardmäßig deaktiviert ist, da SRT reine Text-Präfixe problemlos darstellen kann; aktiviere ihn, wenn du sie auch entfernen möchtest.
• Die Ausgabe zeigt vor den Millisekunden weiterhin einen Punkt statt eines Kommas: stelle sicher, dass du die tatsächliche .srt-Ausgabe betrachtest und nicht eine eingefügte Kopie des ursprünglichen .vtt; die Format-Badge über dem Konverter zeigt dir, welche davon aktiv ist.
• Cue-Positionierung oder -Ausrichtung scheint verschwunden zu sein: das ist erwartet, kein Fehler; SRT hat keine Syntax für align- oder position-Einstellungen, daher werden sie bei der Umwandlung unabhängig von jedem Schalter entfernt.
• Der Player lehnt die umgewandelte Datei ab oder stoppt nach dem ersten Cue: prüfe, ob die Format-Badge vor der Umwandlung VTT anzeigte; ein stark abgeschnittener Einfügevorgang kann die Cue-Erkennung stören und einen Cue mit fehlendem oder fehlerhaftem Index erzeugen.
• 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.

Eine Anmerkung zu Cue-Einstellungen und Styling

Die Positionierungsmetadaten von WebVTT (align:start position:10%, Zeilenversätze und ähnliche Einstellungen) haben keine Entsprechung in SRT. SubRip-Untertitel werden immer an der Standardposition des Players dargestellt, ohne Möglichkeit, die Platzierung pro Cue zu steuern. Diese Metadaten werden bei der Umwandlung entfernt, statt als verstreuter Text zurückzubleiben — genau das steuert der Schalter Formatierungs-Tags entfernen. Wenn deine WebVTT-Datei aus Barrierefreiheits- oder stilistischen Gründen auf eine individuelle Positionierung angewiesen ist, überlebt dieses Detail den Wechsel zu SRT nicht — das ist eine Einschränkung des SRT-Formats selbst, nicht dieses Konverters.