CapCutUntertitel, die wirklich vertikal gelesen werden: Zeichen pro Zeile, CPS und minimale Dauer pro Cue
Team von AiToolsForAppsMit KI-Unterstützung verfasst17 Min. LesezeitZusammenfassung
- KI scheitert nicht mehr an was gesagt wird, sondern an wie es aufgeteilt wird: die Transkription erfasst die Worte und hinterlässt kilometerlange Zeilen, Haltepunkte von einer halben Sekunde und Blöcke von drei Zeilen über dem Gesicht.
- Die Subtitle Guidelines der BBC (Version 1.2.5, März 2026) legen das vertikale Äquivalent fest: was 37 Zeichen pro Zeile in einem 16:9 entspricht, sind ungefähr 25 Zeichen in einem 9:16.
- Lesegeschwindigkeit: Die BBC empfiehlt 160-180 Wörter pro Minute und ein Minimum von 0,3 Sekunden pro Wort; Netflix akzeptiert bis zu 20 CPS bei Erwachsenen und 17 CPS bei Kinderinhalten. Für vertikale Videos sind 12-17 CPS der komfortable Bereich.
- Dauer pro Cue: Netflix verlangt ein Minimum von 20 Frames (4/5 Sekunde) und einen minimalen Abstand von 2 Frames; die BBC fordert, dass bei einer Pause der Abstand mindestens eine Sekunde beträgt.
- Seit dem 28. Juni 2025 ist das Europäische Barrierefreiheitsgesetz anwendbar, und in Spanien wird es durch das Gesetz 11/2023 umgesetzt: Untertitel sind kein Marketingextra mehr.
Wenn du vertikale Videos bearbeitest, hat dir 2026 den einfachen Teil des Untertitelns geschenkt und den schwierigen Teil unberührt gelassen. Die automatische Transkription ist bereits gut; das Aufteilen bleibt ein Handwerk. Dieser Artikel fasst die Lesbarkeitsregeln zusammen, die von Rundfunkanstalten und Plattformen verwendet werden, übersetzt sie in das 9:16-Format und erklärt, wie man eine .srt-Datei überprüft, bevor man sie in deinen Editor importiert. Am Ende wirst du sehen, wo aiCapCut passt, das Tool von AiToolsForApps, um SRT-Untertitel für vertikale Videos zu generieren und neu aufzuteilen, ohne die Zeitleiste zu berühren.

Automatische Untertitel erfassen die Worte und scheitern am Aufteilen
Die Spracherkennung löst die Transkription; das Aufteilen — wo jeder Cue beginnt und endet, wo die Zeile geteilt wird, wie lange sie auf dem Bildschirm bleibt — ist eine redaktionelle Entscheidung, die kein Motor für dich trifft. Daher kann ein automatischer Untertitel 100 % der korrekten Worte haben und dennoch unleserlich sein.
Die drei Fehler, die immer wieder bei vertikalen Videos auftreten:
- Zu lange Zeilen. Der Motor teilt nach Audio-Pause, nicht nach Breite des Kästchens. In 9:16 überläuft ein Satz, der horizontal locker passte, oder wird auf eine unleserliche Schriftgröße reduziert.
- Zu kurze Cues. Eine isolierte Floskel ("ja", "okay") erzeugt einen Cue von 300 Millisekunden, der blinkt und nicht einmal Zeit zum Fokussieren lässt.
- Drei oder vier übereinanderliegende Zeilen. Der Block wächst nach oben und verdeckt genau das, was der Zuschauer sehen muss: den Mund des Sprechers.
Die BBC-Leitlinie sagt es klar und deutlich in ihrem Abschnitt über Positionierung: In vertikalen Videos ist es ratsam, die Untertitel etwas höher zu platzieren, sie jedoch im unteren Drittel zu belassen, "weil Gesichter sich oft im oberen Bildschirmbereich befinden und das Platzieren der Untertitel ganz unten das Lesen des Textes und das Sehen der sprechenden Person erschwert".

In vertikalen Videos passen etwa 25 Zeichen pro Zeile, nicht 37 oder 42
Die BBC gibt die exakte Entsprechung an: "das Äquivalent von 37 Zeichen in einem Bereich von 75 % der Breite eines 16:9-Videos sind 25 Zeichen in einem Bereich von 90 % der Breite eines 9:16-Videos". Das heißt, das vertikale Format nimmt dir etwa ein Drittel des Textes pro Zeile im Vergleich zum Rundfunkstandard.
Woher die kursierenden Zahlen stammen:
- 37 Zeichen ist eine Grenze für Teletext: von den 40 verfügbaren Bytes pro Zeile werden mindestens 3 für Steuercodes verwendet, sodass 37 nützliche Positionen verbleiben. Es ist eine Infrastrukturzahl, keine physiologische.
- 42 Zeichen pro Zeile ist das Maximum der English Timed Text Style Guide von Netflix, gedacht für große Bildschirme und proportionale Schriftarten.
- 25 Zeichen ist die ehrliche Übersetzung dieser Grenzen auf 9:16, laut der BBC selbst.
Die gleiche Anleitung warnt vor etwas, das man nicht vergessen sollte: Die Länge nur mit einem Zeichen-Zähler zu kontrollieren, "ist eine grobe Methode, die die Breite jedes Buchstabens und die Schriftart nicht berücksichtigt". Eine Zeile mit 30 Zeichen voller M's und W's nimmt mehr Platz ein als eine mit 34 I's und L's. Der Zähler ist eine gute Leitplanke, keine Garantie: Überprüfe das Ergebnis auf dem Bildschirm.
In der Praxis funktioniert es gut, für vertikale Videos in sozialen Medien ein Maximum von 28 bis 34 Zeichen pro Zeile festzulegen und auf 18-22 zu reduzieren, wenn du einzeilige Untertitel im Karaoke-Stil verwenden möchtest.
Zwei Zeilen sind die praktische Obergrenze in Netzwerken, obwohl die BBC drei in vertikaler Ausrichtung erlaubt
Hier gibt es eine echte Divergenz, die es wert ist, bekannt zu sein. Abschnitt 3.3 des BBC-Leitfadens empfiehlt ein Maximum von zwei Zeilen für Querformat- oder quadratische Videos (16:9, 4:3, 1:1) und drei Zeilen für Hochformatvideos (9:16), da der Rahmen höher ist. In sozialen Videos ist jedoch die dritte Zeile fast immer teuer.
Der Grund dafür ist, dass in einem 9:16 für Netzwerke die nützliche Höhe nicht die Höhe der Datei ist: Die Benutzeroberfläche der Anwendung, der Beschreibungstext, die seitlichen Schaltflächen und die untere Leiste nehmen einen Teil des Rahmens ein, und der Untertitelblock wächst nach oben, in Richtung des Gesichts. Die BBC selbst schränkt ihre Erlaubnis ein: Zusätzliche Zeilen können verwendet werden "wenn du dir sicher bist, dass keine wichtigen Informationen aus dem Bild verborgen werden", und im Abschnitt über kumulative Untertitel wird darauf bestanden, sie nicht zu verwenden, wenn sie Münder oder andere relevante visuelle Elemente verdecken.
Die operative Schlussfolgerung: Setze die Grenze bei 2 Zeilen und betrachte die dritte als eine gerechtfertigte Ausnahme, nicht als Standardressource. Wenn es nicht in zwei Zeilen mit 30 Zeichen passt, ist das Problem nicht die Anzahl der Zeilen: Es ist, dass dieser Cue zwei Cues sein sollte.
Für den Zeilenumbruch fordert die BBC, an logischen Punkten zu brechen — idealerweise an einem Satzzeichen — und, wenn es nicht anders geht, zu vermeiden, Artikel und Substantiv, Präposition und ihren Ausdruck, Konjunktion und den einleitenden Satz, Pronomen und Verb oder die Teile eines zusammengesetzten Verbs zu trennen. Ein Wort in der Mitte zu teilen, ist das Schlimmste, was du der Lesbarkeit antun kannst.
12-17 CPS ist der komfortable Bereich der Lesegeschwindigkeit im Hochformat
Die Lesegeschwindigkeit wird in Zeichen pro Sekunde (CPS) gemessen: Du teilst die Zeichen eines Cues durch seine Dauer. Wenn ein Cue mit 45 Zeichen 2 Sekunden dauert, beträgt die Geschwindigkeit 22,5 CPS und ist zu schnell, um ihn vollständig zu lesen, während man auch das Bild betrachtet.
Die veröffentlichten Referenzen:
| Referenz | Geschwindigkeit | Dokument und Datum |
|---|---|---|
| BBC | 160-180 Wörter/Minute; Minimum ~0,3 s pro Wort (1,2 s für einen Untertitel mit 4 Wörtern) | Subtitle Guidelines v1.2.5, März 2026 |
| Netflix (Erwachsene) | Bis zu 20 CPS | English Timed Text Style Guide |
| Netflix (Kinder) | Bis zu 17 CPS | English Timed Text Style Guide |
Diese Obergrenzen sind für jemanden gedacht, der vor einem Bildschirm sitzt und seine Aufmerksamkeit auf den Film richtet. Vertikale Videos werden im Stehen, in Bewegung konsumiert, mit dem Bildschirm einen halben Meter entfernt und im Wettbewerb mit dem Rest des Feeds. Daher ist die vernünftige Empfehlung für 9:16, deutlich unter der Obergrenze von Netflix zu bleiben: zwischen 12 und 17 CPS, mit 15 als Ausgangspunkt und 12, wenn dein Publikum groß oder das Vokabular technisch ist.
Achte darauf, wie sich der Parameter verhält: Die CPS verlängern nicht den Ton, sie entscheiden wie viel Text in einen Cue passen kann. Von 17 auf 12 CPS zu senken, verlangsamt das Video nicht; es zwingt dazu, früher zu schneiden und mehr Cues zu generieren.
Jeder Cue benötigt ein Minimum, ein Maximum und einen sauberen Abstand
Drei zeitliche Parameter entscheiden, ob ein Untertitel gelesen oder geflackert wird: die Mindestdauer pro Cue, die maximale und der Abstand zwischen aufeinanderfolgenden Cues. Die beiden am häufigsten zitierten Referenzen stimmen nicht überein, und die Unterschiede sind erklärbar.

| Parameter | BBC (Subtitle Guidelines v1.2.5, März 2026) | Netflix (Subtitle Timing Guidelines) | Ausgangswert im Hochformat |
|---|---|---|---|
| Mindestdauer pro Cue | ~0,3 s pro Wort (1,2 s für 4 Wörter) | 20 Bilder, also 4/5 Sekunde | 0,8-1 s |
| Höchstdauer pro Cue | Setzt keine numerische Obergrenze; fordert, dass der Untertitel nicht länger als das Ende des Sprechens auf dem Bildschirm bleibt, da er wieder gelesen wird | Setzt keine Obergrenze; fordert "gutes Ermessen", damit es nicht ewig dauert | 4-6 s |
| Abstand zwischen Cues | Wenn es eine Pause gibt, mindestens 1 s, vorzugsweise 1,5 s | Minimum 2 Bilder; Abstände von 3 bis 11 Bildern werden auf 2 geschlossen; oder 2 Bilder oder eine halbe Sekunde oder mehr | 0,05-0,1 s zwischen aufeinanderfolgenden Cues |
| Eintritt im Verhältnis zum Audio | Muss mit dem Beginn des Sprechens übereinstimmen | Im ersten Bild des Audios oder 1-2 Bilder davor | Erstes Bild des Audios |
| Austritt im Verhältnis zum Audio | Entspricht ungefähr dem Ende des Sprechsegments | Idealerweise mindestens eine halbe Sekunde nach dem Ende des Audios | Ende des Sprechens + kurzer Spielraum |
Der scheinbare Widerspruch des Abstands wird verständlich, wenn man das Kleingedruckte liest. Netflix regelt den technischen Abstand zwischen aufeinanderfolgenden Cues: zwei Bilder, damit das Auge den Wechsel bemerkt, ohne dass der Bildschirm flackert; und verbietet ausdrücklich Zwischenräume (3-11 Bilder), die den nervösen Effekt erzeugen. Die BBC regelt den editorialen Abstand: Wenn es eine echte Pause im Diskurs gibt und du entscheidest, den Bildschirm sauber zu lassen, muss diese Pause mindestens eine Sekunde dauern, denn "alles, was kürzer ist, erzeugt einen sehr abgehackten Effekt".
Übersetzt in dein .srt: Zwischen aufeinanderfolgenden Cues, lass einen kleinen und konstanten Abstand (im Bereich von 50-100 ms). Wenn du eine sichtbare Stille hinterlassen willst, sollte sie wirklich lang sein.
Die BBC fügt eine Regel hinzu, die oft vergessen wird: Halte die Dauer konsistent. Wenn du einem Untertitel einer bestimmten Länge 3 Sekunden gibst, gib dem nächsten ähnlicher Länge nicht 4 Sekunden. Unregelmäßigkeiten ermüden mehr als Geschwindigkeit.
In 9:16 befindet sich der Untertitel im unteren Drittel, nicht ganz unten
Die Position ist der andere Faktor der Lesbarkeit, und im Hochformat ändert sie sich im Vergleich zum Fernsehstandard. Die BBC-Richtlinien empfehlen für 9:16, den Block etwas über dem unteren Rand zu platzieren, ihn aber im unteren Drittel des Bildschirms zu belassen: ganz unten wird er von der Benutzeroberfläche verdeckt, und zu weit oben verdeckt er das Gesicht.

Die Größe ist ebenfalls unterschiedlich. Die BBC legt die Zeilenhöhe auf 7-8 % der Höhe des Videos für 16:9, 4:3 und 1:1 fest und auf 3,9-4,5 % für 9:16. Das ist logisch: im Hochformat ist die Höhe des Rahmens im Verhältnis viel größer, sodass ein niedrigerer Prozentsatz eine vergleichbare Schriftgröße ergibt.
Zwei praktische Konsequenzen:
- Lass seitlichen und unteren Rand. Die Online-Richtlinien der BBC sprechen davon, bis zu 90 % der Breite in 9:16 zu nutzen; die verbleibenden 10 % sind dein Puffer gegen die Ränder.
- Überprüfe den Bereich, den jede Plattform verdeckt. Die seitlichen Schaltflächen, die Beschreibung und die Navigationsleiste jeder Anwendung verdecken unterschiedliche Teile des Rahmens. Was in deiner Vorschau perfekt lesbar ist, kann im Feed teilweise verborgen sein.
So überprüfst und schneidest du eine .srt-Datei vor dem Import
Eine .srt-Datei ist reiner Text und kann vor dem Bearbeiten überprüft werden. Die Reihenfolge der Überprüfung, die funktioniert, ist: zuerst die Gültigkeit der Datei, dann die Lesbarkeit jedes Cues und erst am Ende der Stil.
Ein gut formatiertes Cue sieht so aus:
12
00:00:21,480 --> 00:00:24,120
Was die KI nicht für dich entscheidet
ist, wo der Satz zu schneiden ist.
Formatüberprüfung (was den Import bricht):
- Korrekte Nummerierung von 1 an, ohne Sprünge.
- Millisekunden durch Komma getrennt, nicht durch Punkt:
00:00:21,480. Der Punkt gehört zu WebVTT, nicht zu SRT. - Konsistente Zeilenumbrüche (CRLF) und eine Leerzeile zwischen den Cues.
- Zeiten strikt aufsteigend und ohne Überlappungen: das Ende eines Cues darf niemals nach dem Beginn des nächsten sein.
Lesbarkeitsüberprüfung (was das Lesen bricht):
- Kein Cue über deinem Maximum an Zeichen pro Zeile.
- Kein Cue mit mehr als 2 Zeilen.
- Kein Cue über deinem Limit an CPS:
Zeichen ÷ (Ende − Anfang). - Kein Cue unter der minimalen Dauer oder über der maximalen.
- Kleine und konstante Lücken zwischen aufeinanderfolgenden Cues.
- Zeilenumbrüche an logischen Punkten, ohne Artikel und Substantiv zu trennen oder Wörter zu teilen.
Redaktionelle Überprüfung (was ein gutes Untertitel unterscheidet):
- Jedes Cue sollte idealerweise einen Satz oder eine vollständige Sinneseinheit enthalten.
- Bearbeite anstelle von wörtlicher Transkription, wenn es nicht passt: entferne Füllwörter, Wiederholungen und falsche Starts.
- Überprüfe Eigennamen, Zahlen und Fachbegriffe, da dies genau die Punkte sind, an denen die Spracherkennung Fehler macht.
Der operative Trick besteht darin, nicht von Hand neu zu schreiben: schneide erneut. Wenn du die Zeitmarken Wort für Wort aus der Transkription beibehältst, kostet das Ändern des maximalen Zeichens oder der CPS und das Regenerieren der Datei nur Sekunden; die Korrektur cue für cue kostet einen Nachmittag.
Was sich ändert (und was nicht) mit der CapCut KI von November 2026
Die Aktualität stärkt das Argument, anstatt es zu zerlegen: Die KI hat die Transkription automatisiert, nicht das Kriterium. Am 11. November 2026 wurde die Version 20.1.0 von CapCut für Android veröffentlicht, und die eigene Seite von CapCut über die neueste Version des APK beschreibt ein KI-gestütztes Sprach-zu-Text-Tool, das "Sprache automatisch in präzise Untertitel transkribiert".
Am selben Tag stellte ByteDance auf der Mexico Tech Week 2026 CapCut PC mit Omni Agent vor, einem Desktop-Agenten, der vollständige Produktionsabläufe aus einer Idee koordiniert, mit Unteragenten wie Video Studio und Design Studio und einem EditPilot, der Anweisungen in natürlicher Sprache in mehrschichtige Bearbeitungen auf der Zeitleiste umsetzt, laut dem Bericht über die Veranstaltung, veröffentlicht von La Crónica de Hoy am 11. November 2026. Die Präsentation selbst stellte die KI als "Skalierungsmaschine" und das menschliche Urteil als "strategische Kontrolle" dar.
Es ist genau die Aufgabenverteilung dieses Artikels. Die Maschine gibt dir die Worte und die Zeitmarken. Das Maximum an Zeichen, die Anzahl der Zeilen, die CPS, die minimale Dauer und der Abstand entscheidest du, denn sie hängen vom Publikum, der Sprache und dem Rahmen ab. Kurz gesagt: Die Transkription ist bereits kostenlos; das Schneiden bleibt dein Ding.
Die Untertitel sind bereits eine gesetzliche Verpflichtung, nicht nur eine gute Praxis
Seit dem 28. Juni 2025 ist die Richtlinie (EU) 2019/882, das Europäische Gesetz über Barrierefreiheit, anwendbar, die Anforderungen an die Barrierefreiheit für digitale Konsumgüter und -dienstleistungen erweitert. In Spanien wird sie durch das Gesetz 11/2023 vom 8. Mai umgesetzt, das im BOE veröffentlicht wurde und deren Verpflichtungen ab diesem Datum gelten; Kleinstunternehmen sind von der Pflicht zur Einhaltung ausgenommen.
Der technische Referenzrahmen zur Nachweisführung der Konformität ist die harmonisierte Norm EN 301 549, die "barrierefrei" in überprüfbare Anforderungen übersetzt.
Hinzu kommt das Argument der Reichweite, das seit Jahren dokumentiert ist: In einer Studie von Verizon Media und Publicis Media mit 5.616 amerikanischen Erwachsenen im Alter von 18 bis 54 Jahren, die im April 2019 durchgeführt und am 31. Juli 2019 von Forbes veröffentlicht wurde, gaben 69 % an, Videos ohne Ton in öffentlichen Räumen anzusehen, und 80 % sagten, sie seien eher bereit, ein Video zu beenden, wenn Untertitel vorhanden sind. Dies sind Daten aus 2019 und den USA, die man als Größenordnung lesen sollte, nicht als Messung des eigenen Publikums.
Die Konsequenz ist doppelt: Ein unleserlicher Untertitel stört nicht nur, sondern verstößt auch gegen den Geist der Norm. Und die Lesbarkeit wird nicht erklärt: Sie wird mit den Parametern dieses Artikels gemessen.
Es gibt keinen offiziellen Standard für Untertitelung von vertikalen Videos
Bis heute gibt es keinen spezifischen Standard für die Untertitelung von 9:16, der mit den Verbreitungsrichtlinien vergleichbar wäre. Das Nächste ist die Anpassung der bestehenden Standards, die die BBC in ihrer Version 1.2.5 vornimmt, sowie die Arbeit der Lokalisierungsbranche.
Bereits im November 2019 wies Belén Agulló García in einer Analyse, die von Nimdzi veröffentlicht wurde, darauf hin, dass "es noch keinen Standard für Zeichen pro Zeile in vertikalen Videos gibt" und schlug vor, sich an der Grenze der BBC zu orientieren, maximal eine oder zwei Zeilen zu verwenden, einen sicheren Bereich festzulegen, damit der Text auf verschiedenen Bildschirmen nicht abgeschnitten wird, und den Text zu bearbeiten — Wiederholungen und Füllwörter zu entfernen — anstatt ihn wörtlich zu transkribieren, wenn der Platz eng wird.
Sieben Jahre später bleibt die Diagnose gültig, mit einem Unterschied: Die BBC hat bereits eine explizite Anleitung für 9:16 integriert (Größe, Position und Anzahl der Zeilen). Solange es keine weiteren gibt, ist die angemessene Praxis die, die diese Tabelle zusammenfasst:
| Parameter | Arbeitswert in 9:16 | Herkunft |
|---|---|---|
| Zeichen pro Zeile | 28-34 (18-22 in einer einzigen Zeile) | BBC-Äquivalent von 37 → 25 Zeichen, angepasst an die Schriftart von sozialen Netzwerken |
| Zeilen pro Cue | 2 als Obergrenze | BBC erlaubt 3 in 9:16; wird auf 2 reduziert wegen der Schnittstelle und des Gesichts |
| Lesegeschwindigkeit | 12-17 CPS | Unterhalb der 20 CPS von Netflix für Erwachsene |
| Minimale Dauer | 0,8-1 s | BBC ~0,3 s/Wort; Netflix 20 Bilder |
| Maximale Dauer | 4-6 s | Vermeidung der Wiederholung, die die BBC warnt |
| Abstand zwischen Cues | 0,05-0,1 s verkettet; ≥1 s bei echter Pause | Netflix 2 Bilder; BBC 1 s Minimum bei Pause |
| Position | Unteres Drittel, angehoben gegenüber dem Rand | BBC, Abschnitt zur vertikalen Positionierung |
| Zeilenhöhe | 3,9-4,5 % der Höhe des Videos | BBC, Schriftgröße der Autorenschaft |
Häufig gestellte Fragen
Wie viele Zeichen pro Zeile sollte ein Untertitel in vertikalem Video haben?
Zwischen 28 und 34 Zeichen funktioniert gut im 9:16. Der Maßstab ist die BBC-Äquivalenz: 37 Zeichen in 16:9 entsprechen etwa 25 in 9:16 bei 90 % Breite. Wenn du große einzeilige Untertitel verwendest, reduziere auf 18-22.
Was sind die CPS in Untertiteln und was ist der richtige Wert?
CPS sind die Zeichen pro Sekunde, die der Zuschauer lesen muss: Zeichen des Cue geteilt durch seine Dauer. Netflix akzeptiert bis zu 20 CPS für Inhalte für Erwachsene und 17 für Kinder; für vertikale Social-Media-Videos sind 12-17 CPS der bequeme Bereich, mit 15 als Ausgangspunkt.
Wie lange sollte ein Untertitel mindestens dauern?
Netflix verlangt ein Minimum von 20 Bildern, also 4/5 einer Sekunde. Die BBC betrachtet es nach Wörtern: etwa 0,3 Sekunden pro Wort, 1,2 Sekunden für einen Untertitel mit vier Wörtern. Im Hochformat sind 0,8-1 Sekunde ein sinnvoller Mindestwert.
Können Untertitel drei Zeilen in vertikalem Video haben?
Die BBC erlaubt es: Sie empfiehlt ein Maximum von zwei Zeilen in 16:9, 4:3 und 1:1, und drei in 9:16. In sozialen Videos verdeckt jedoch die dritte Zeile oft das Gesicht oder stößt mit der Benutzeroberfläche der App zusammen, sodass die praktische Obergrenze zwei Zeilen sind.
Welchen Abstand sollte man zwischen zwei Untertiteln lassen?
Zwei verschiedene Regeln. Für verkettete Cues verlangt Netflix ein Minimum von zwei Bildern und verbietet Zwischenräume von 3 bis 11 Bildern; in der Praxis sind 50-100 Millisekunden konstant. Wenn es eine echte Pause in der Rede gibt, verlangt die BBC mindestens eine Sekunde, vorzugsweise eineinhalb Sekunden.
Warum wird mein .srt nicht im Editor importiert?
Es liegt fast immer am Dateiformat: Millisekunden mit Punkt statt Komma, Nummerierung mit Sprüngen, überlappende Cues oder inkonsistente Zeilenumbrüche. Überprüfe die Nummerierung ab 1, das Dezimaltrennzeichen (Komma), die wachsenden Zeiten ohne Überlappungen und die Leerzeile zwischen den Cues.
Reichen die automatischen Untertitel der Bearbeitungs-App aus?
Für die Wörter normalerweise ja. Für das Zerschneiden nein: Die Spracherkennung schneidet nach Audio-Pausen, nicht nach Kastenbreite oder Lesegeschwindigkeit. Effizient ist es, bei der Transkription zu bleiben und sie mit deinen eigenen Parametern erneut zu zerschneiden.
Sind Untertitel gesetzlich vorgeschrieben?
Für digitale Produkte und Dienstleistungen, die in ihren Anwendungsbereich fallen, ja seit dem 28. Juni 2025, durch das Europäische Barrierefreiheitsgesetz (Richtlinie (EU) 2019/882) und in Spanien durch das Gesetz 11/2023. Kleinstunternehmen sind von dieser Verpflichtung ausgenommen. Das technische Konformitätskriterium ist die Norm EN 301 549.
Setze die Regeln vor dem Import, nicht danach
Der Untertitel, der gelesen wird, ist nicht der mit den besten Worten: Es ist der, der das richtige Zerschneiden hat. Lege deine Werte fest — maximale Zeichenanzahl, zwei Zeilen, CPS, minimale und maximale Dauer, Abstand — bevor du die Datei generierst, und überprüfe die .srt als Daten, nicht als Text.
Das ist der Teil, den aiCapCut, von AiToolsForApps, in ein Formular umwandelt: Du fügst dein Skript ein oder lädst den Ton hoch, wählst die Zerschneidparameter aus und erhältst eine validierte .srt, mit den Varianten .vtt und .txt, bereit zum Importieren. Es bringt Presets, die für das Hochformat gedacht sind, und ermöglicht es, das gleiche Material mit anderen Werten erneut zu zerschneiden, ohne etwas neu zu generieren, was genau den Nachmittag der Korrekturen spart. Es rendert kein Video und berührt deine Zeitleiste nicht: Es gibt dir die Datei. Du kannst das SRT-Untertitel-Tool und den Montageplan für vertikale Videos ausprobieren, ohne dich zu registrieren. aiCapCut ist ein unabhängiges Tool und ist nicht mit CapCut oder ByteDance verbunden.
Erstelle dein .srt mit deinen eigenen Regeln für das Zerschneiden – Zeichen pro Zeile, CPS, minimale Dauer und Pausen – und lade es validiert im .srt, .vtt und .txt herunter. Kein Registrieren erforderlich, um zu beginnen.
Erstelle dein .srt mit deinen eigenen Regeln für das Zerschneiden – Zeichen pro Zeile, CPS, minimale Dauer und Pausen – und lade es validiert im .srt, .vtt und .txt herunter. Kein Registrieren erforderlich, um zu beginnen.Weiterlesen
Alle Artikel ansehen →
Wie man ein Schnittbrief schreibt, den ein KI-Editor versteht: Einstellungen, Dauer und Texteingaben

Geode kaputt in Geometry Dash 2.2091: welche Mods nicht funktionieren und wie man weiter erstellt

DLS 27 im Dezember 2026: was bestätigt ist, was nicht, und was beim Update mit deinem Klub, deinem Kader und deinen Trikots passiert
