PotPlayer Whisper: Untertitel aus Audio erstellen

Die Whisper-Unterstützung von PotPlayer macht aus dem Audio eines Videos Untertitel, direkt im Player. Klicke mit der rechten Maustaste auf das Video, öffne Untertitel (englisch: Subtitles), wähle Untertitel aus Audio erstellen... (in der englischen Oberfläche: Create subtitles from audio...), such eine Engine, ein Modell und die Sprache aus und starte. PotPlayer lädt bei der ersten Nutzung herunter, was es braucht, und kann das Ergebnis als .srt neben dem Video speichern.

Die Funktion kam mit PotPlayers Build 241211 vom 11. Dezember 2024 und ist seitdem gewachsen: mehr Engines, eine Update-Schaltfläche, VAD und ein Echtzeitmodus für Streams. Im Folgenden: die Schritte, welche Engine und welches Modell zu deinem PC passen, der Echtzeitmodus, die Übersetzung, die üblichen Fehler und wo die Funktion aufhört. Die Angaben stammen aus PotPlayers offizieller Versionshistorie, seiner englischen Oberfläche und den Repositories der Engine-Entwickler, geprüft am 3. November 2026.

Wie erstellst du mit Whisper in PotPlayer Untertitel?

Sechs Schritte. Die Menü- und Einstellungsnamen sind die der deutschen Oberfläche von PotPlayer; wo eine Bezeichnung nur auf Englisch vorliegt, steht sie auf Englisch.

1. Öffne eine Videodatei. Der normale Modus arbeitet nur mit Dateien; bei einem Stream antwortet PotPlayer mit „Only files are available.“ (Es sind nur Dateien möglich.)
2. Rechtsklick auf das Video → Untertitel → Untertitel aus Audio erstellen...
3. Wähle die Whisper-AI-Engine (englisch: Whisper AI engine). Beim ersten Mal fragt PotPlayer „Does download the engine?“ (Soll die Engine heruntergeladen werden?)
4. Wähle das Whisper-AI-Modell und die Whisper-AI-Sprache. Den Modell-Download bietet PotPlayer auf dieselbe Weise an.
5. Setze den Haken bei „Untertitel möglichst im Videoordner speichern“. Der Build 250226 brachte das Speichern „with the same name as the video“ (mit demselben Namen wie das Video), du bekommst also movie.srt neben movie.mp4.
6. Starte. PotPlayer extrahiert das Audio, lässt die Engine laufen und lädt die Untertitel.

Zwei weitere Optionen stehen im selben Fenster. Bei Wiedergabestart automatisch erstellen startet den Auftrag bei jeder geöffneten Datei, was zu einem Ordner voller Vorlesungen besser passt als zu einem Film, den du einmal siehst. Applying voice emphasis filter when extracting sound (englische Bezeichnung; sinngemäß: Stimmbetonungsfilter beim Extrahieren des Tons anwenden) hebt die Stimme im extrahierten Audio hervor und ist einen Versuch wert, wenn unter dem Gesprochenen Musik läuft.

PotPlayer ist kostenlos und läuft laut potplayer.tv unter Windows 11, 10, 8.1, 8 und 7. Der aktuelle Build ist 261021.

Welche Whisper-Engine solltest du in PotPlayer wählen?

Such nach der Grafikkarte aus. Die Liste Whisper-AI-Engine bietet sieben Engines, die alle OpenAIs Whisper-Modelle in unterschiedlichen Builds ausführen. Die Downloadgrößen sind die vom Server von Kakao am 3. November 2026:

CPU, BLAS, Vulkan und CUDA sind Builds von whisper.cpp. Const-mes Whisper beschreibt sich selbst als „a Windows port of the whisper.cpp implementation“ (ein Windows-Port der whisper.cpp-Implementierung). Die beiden Faster-Whisper-Engines stammen aus Purfviews whisper-standalone-win, dessen README PotPlayer unter den Programmen nennt, für die es gedacht ist, und sagt, die ausführbaren Dateien würden „automatically will choose to work on GPU if CUDA is detected“ (automatisch auf der GPU arbeiten, wenn CUDA erkannt wird). Sein Autor kennzeichnet die ältere Faster-Whisper-Version als veraltet, weshalb Faster-Whisper-XXL die Wahl für NVIDIA ist.

Faster-Whisper-XXL kam im Build 250226 zusammen mit einer Schaltfläche Update für die Engines. Das Aktualisieren funktioniert nicht, solange ein Video läuft: PotPlayer bittet dich, zuerst die Wiedergabe zu stoppen.

PotPlayer-Whisper-Modelle: welches ist das richtige?

Das größte Modell, das dein PC in einer Zeit schafft, die du akzeptierst. Die whisper.cpp-Engines nutzen diese Modelldateien, wieder mit den Größen vom Server von Kakao:

Für die kleineren Modelle gibt es reine .en-Varianten, die besser abschneiden, wenn jedes Wort Englisch ist. Die beiden Faster-Whisper-Engines nutzen das eigene Modellformat von faster-whisper statt dieser Dateien.

Größer ist nicht automatisch besser. In unserem Whisper-Modellvergleich hat large-v3 eine Passage übersprungen, die ein kleineres Modell im selben Clip erkannt hat. Das ist ein Clip, kein Benchmark, aber es ist ein Grund, mit large-v3-turbo statt mit der größten Datei anzufangen.

Der Build 250625 brachte VAD, die Spracherkennung (Voice Activity Detection), die Stille überspringt und die erfundenen Zeilen verringert, die Whisper über Musik und Pausen schreibt. Diese erfundenen Zeilen behandelt warum Whisper Zeilen wiederholt und Text erfindet.

Echtzeitmodus: PotPlayer-Untertitel beim Zuschauen

Seit Build 250909 kann PotPlayer auch Untertitel aus Audio erstellen (Echtzeit) (englisch: Create subtitles from audio(Real-time)): Es transkribiert, während die Wiedergabe läuft, mit drei Einstellungen, Not used (nicht verwendet), Use if there are no subtitles (verwenden, wenn keine Untertitel vorhanden sind) und Immer verwenden. Eine weitere Option beschränkt es auf Quellen, die keine Dateien sind: „Nur verwenden, wenn die Untertitelerstellung aus Audio nicht verfügbar ist (keine Datei)“.

Die beiden Modi teilen sich also die Arbeit. Eine Datei auf deiner Festplatte läuft durch den normalen Modus, der das ganze Audio verarbeitet und eine .srt speichern kann. Ein Livestream oder eine andere Quelle ohne Datei läuft durch den Echtzeitmodus, der untertitelt, was gerade läuft. Der Build 260114 behob, dass Echtzeit-Untertitel bei Livestreams aus dem Takt gerieten, aktualisiere also, bevor du urteilst.

Kann PotPlayer Whisper-Untertitel übersetzen?

Ja, über seine Untertitelübersetzung, die älter ist als die Whisper-Funktion. Im Menü Subtitle Translation (Untertitelübersetzung) wählst du eine Translation Engine (Übersetzungs-Engine) und ob nur die Übersetzung, über oder unter dem Original angezeigt wird. Der aktuelle Installer bringt Übersetzungs-Plug-ins für Google, Bing, DeepL, Papago, Yandex, LibreTranslate und LM Studio mit; DeepL und Papago verlangen deinen eigenen API-Schlüssel.

Eine neuere Option Integrierte KI-Übersetzung (englisch: Builtin AI translation) führt ein lokales Sprachmodell aus, das PotPlayer im GGUF-Format herunterlädt, der Text bleibt also auf deinem PC. Die Online-Engines schicken den Untertiteltext an ihren Dienst, was bei vertraulichem Video zählt.

Der Build 220706 brachte „the ability to save translation when saving subtitles“ (die Möglichkeit, die Übersetzung beim Speichern der Untertitel mitzuspeichern), eine Übersetzung kann also in der gespeicherten Datei landen. Für eine Übersetzung, die du lange behalten willst, ist es sicherer, eine korrigierte .srt zu übersetzen; ein Video in deine Sprache übersetzen vergleicht die Möglichkeiten.

PotPlayer Whisper funktioniert nicht: was du prüfst

Arbeite diese Liste ab:

1. Aktualisiere PotPlayer. Whisper hat sich seit Dezember 2024 in fast jedem Build geändert. Der Build 250313 behob Whisper-Faster auf NVIDIA-Karten der Serie 5000, und der Build 250514 verbesserte den Umgang mit zusätzlichen Whisper-Optionen.
2. Engine oder Modell wurde nicht heruntergeladen. Nutze Open engine folder (Engine-Ordner öffnen) und Open model folder (Modell-Ordner öffnen), um zu sehen, was angekommen ist. PotPlayers Entwickler hat im koreanischen Benutzerforum gesagt, dass man die Dateien von Hand herunterladen und dort ablegen kann, wenn der automatische Download fehlschlägt.
3. Nicht englische Zeichen im Windows-Benutzernamen. In einer Antwort im selben Forum hat der Entwickler einen Fehler auf koreanische Zeichen im Kontonamen zurückgeführt und ein Konto ohne sie vorgeschlagen. Enthält dein Benutzername chinesische, japanische, kyrillische oder akzentuierte Buchstaben, lohnt es sich, auch das auszuschließen.
4. GPU-Speicher voll oder viel zu langsam. Wähle ein kleineres Modell oder wechsle von CUDA zu Faster-Whisper-XXL oder umgekehrt.
5. Ein Stream wird abgelehnt. „Only files are available“ (es sind nur Dateien möglich) steht für den normalen Modus; nutze für diese Quelle den Echtzeitmodus.

Kommt Text heraus, der aber falsch ist, prüfe zuerst die Spracheinstellung. PotPlayers eigener Hinweis ist deutlich, wo seine Verantwortung endet: „PotPlayer is not involved in Whisper AI conversion“ (PotPlayer ist an der Whisper-AI-Umwandlung nicht beteiligt), und bei einem auffälligen Ergebnis bittet er dich, den „engine developer“ (Entwickler der Engine) zu kontaktieren.

Wo stößt PotPlayers Whisper an Grenzen?

Wenn die Untertitel veröffentlicht werden sollen, statt beim Zuschauen gelesen zu werden. Purfview, der die Faster-Whisper-Engines baut, die PotPlayer ausführt, hat es in einer Diskussion in seinem Repository direkt gesagt: „PotPlayer ist nicht das richtige Werkzeug, um ordentliche Untertitel zu erzeugen. Soweit ich weiß, nimmt es Text aus der Fortschrittsausgabe, und das sind keine echten Untertitel.“

PotPlayer ist ein Player. Sein Fenster Browse/Edit/Sync Subtitles (Untertitel durchsuchen, bearbeiten, synchronisieren; Alt+E) korrigiert eine Zeile oder verschiebt das Timing, aber es gibt keine Wellenform-Timeline, keine Prüfung der Lesegeschwindigkeit und keine Untertitel-Presets für ein fertiges Video. Um heute Abend ein fremdsprachiges Video zu verstehen, reicht das. Für YouTube, einen Kunden oder einen Kurs braucht die Datei danach einen Editor.

Wann passt Sablate besser als PotPlayer?

Wenn du Untertitel zum Ausliefern willst: korrigiert, gestaltet und exportiert, unter Windows oder auf dem Mac.

Sablate ist eine Desktop-App für Windows 10 oder neuer und macOS 12 oder neuer. Sie transkribiert mit faster-whisper in vier Stufen, Fast (tiny), Balanced (small), Accurate (large-v3-turbo) und Best (large-v3), ohne dass du eine Engine wählen musst. Unter Windows mit NVIDIA-GPU lädt die CUDA-Runtime bei der ersten GPU-Nutzung herunter. Ihr Editor verschiebt Untertitelzeilen auf einer Timeline, teilt und verbindet sie und warnt, wenn eine Zeile zu schnell zum Lesen ist.

Eine Transkription speist dann mehrere Übersetzungsebenen, jede mit eigenem Stil und eigener Schriftart für ihr Schriftsystem. Dreizehn Untertitel-Presets, ein Karaoke-Lauf auf Wortebene und das Einbrennen in 9:16, 1:1 oder 16:9 machen aus dem Ergebnis ein fertiges Video.

Der kostenlose Plan braucht kein Konto und gilt für Videos bis zu zehn Minuten, drei Aufträge im Monat, die Modelle Fast und Balanced und eine Offline-Übersetzungsebene; das Einbrennen trägt eine kleine Marke in der Ecke. Pro kostet $29 einmalig oder $5.99 im Monat, und die Preisseite listet den Rest.

PotPlayer und Sablate im Überblick

PotPlayer gewinnt bei Preis, Echtzeit-Untertiteln für Streams und der Auswahl an Engines und Übersetzern. Wenn du vor allem ein Video in einer Sprache verfolgen willst, die du nicht sprichst, bleib dabei. Sablate ist der Weg, wenn die Untertitel fertig gestaltet deinen PC verlassen sollen.

Welchen Weg solltest du nehmen?

„Ich will ein Video verstehen, das ich gerade sehe.“ PotPlayer mit large-v3-turbo und seiner Untertitelübersetzung, wenn die Sprache fremd ist.

„Ich habe eine NVIDIA-Karte.“ Faster-Whisper-XXL oder CUDA mit large-v3-turbo.

„Ich habe AMD- oder Intel-Grafik.“ Vulkan mit small oder large-v3-turbo, je nachdem, wie lange du warten willst.

„Ich bin auf einem Mac.“ PotPlayer läuft dort nicht. Subtitle Edit mit Whisper ist der kostenlose Weg; eine Desktop-Untertitel-App ist der kürzere.

„Ich brauche Untertitel für YouTube oder einen Kunden.“ Erzeuge sie in einem Editor, nicht in einem Player, damit Timing und Zeilenlängen geprüft werden.

„Gestaltete Untertitel in drei Sprachen für ein Video.“ Lade Sablate für Windows oder Mac herunter.

Häufig gestellte Fragen

Wie nutze ich Whisper in PotPlayer?

Öffne eine Videodatei, klicke mit der rechten Maustaste darauf, öffne das Menü Untertitel und wähle Untertitel aus Audio erstellen. Such eine Whisper-AI-Engine, ein Modell und die gesprochene Sprache aus und starte. PotPlayer fragt beim ersten Mal, ob Engine und Modell heruntergeladen werden sollen, extrahiert das Audio, lässt Whisper laufen und lädt am Ende die Untertitel.

Welche Whisper-Engine soll ich in PotPlayer wählen?

Mit einer NVIDIA-Grafikkarte nimmst du Faster-Whisper-XXL oder die CUDA-Engine, mit einer AMD- oder Intel-GPU Vulkan, ohne nutzbare GPU CPU oder BLAS. Faster-Whisper-XXL ist mit etwa 2,5 GB der größte Download, die CPU-Engine dagegen bleibt unter 4 MB. Die ältere Engine Whisper-Faster hat ihr Autor als veraltet gekennzeichnet.

Wo speichert PotPlayer die Whisper-Untertitel?

Neben dem Video, als SRT-Datei mit demselben Namen, wenn die Option zum Speichern im Ordner des Videos eingeschaltet ist. Das Speichern unter dem Namen des Videos kam in PotPlayers Build 250226 dazu. Setze den Haken vor dem Start, dann entsteht eine Datei, die du in jedem Untertitel-Editor oder Player öffnen kannst.

Kann PotPlayer Untertitel in Echtzeit erzeugen?

Ja. Seit Build 250909 erzeugt PotPlayer Untertitel aus dem Audio in Echtzeit, während etwas läuft. Du kannst einstellen, dass es nie läuft, nur ohne vorhandene Untertitel oder immer. Gedacht ist das für Quellen, die keine Dateien sind, etwa Livestreams. Bei einer Datei auf deiner Festplatte verarbeitet der normale Modus die ganze Datei.

Warum funktioniert PotPlayer Whisper nicht?

Meist ist ein Download von Engine oder Modell fehlgeschlagen, der PotPlayer-Build ist alt, oder die Engine unterstützt deine Grafikkarte nicht. Aktualisiere zuerst PotPlayer, denn Builds von 2025 behoben Fehler bei NVIDIA-Karten der Serie 5000. Schlägt ein Download fehl, lege die Dateien über Open engine folder und Open model folder von Hand ab. Der Entwickler hat zudem einen Fehler auf koreanische Zeichen im Windows-Benutzernamen zurückgeführt.

Gibt es PotPlayer für den Mac?

Nein. Die offizielle Website von PotPlayer nennt nur Windows 11, 10, 8.1, 8 und 7, jeweils als Build für x86, x64 und ARM64. Auf einem Mac brauchst du ein anderes Werkzeug, um Untertitel aus Audio zu erzeugen, etwa eine Desktop-Untertitel-App oder Subtitle Edit, die beide Whisper lokal unter macOS ausführen.