SDH-Untertitel: Bedeutung und Unterschied zu Closed Captions

Der Unterschied zwischen SDH, Closed Captions und Untertiteln ist das Publikum. Untertitel sind für Zuschauer, die hören können, aber die Sprache nicht verstehen, und enthalten deshalb den Dialog, meist übersetzt. Closed Captions und SDH (Untertitel für Gehörlose und Schwerhörige) sind für Zuschauer, die nicht hören können, und ergänzen deshalb die Geräusche: Musik, Effekte und wer gerade spricht.

SDH und Closed Captions unterscheiden sich hauptsächlich darin, wie sie ausgeliefert werden, und Forced-Untertitel (erzwungene Untertitel) sind eine vierte Art, die sich von selbst einschaltet. Zuerst alle vier nebeneinander, dann, was jede enthalten muss.

SDH, Closed Captions, Untertitel und Forced-Untertitel im Vergleich

Die Spalte, die aus dem Muster fällt, ist die letzte. Forced-Untertitel sind für hörende Zuschauer geschrieben, die die Hauptsprache verstehen, und sie sind die einzige Art, die der Zuschauer nie einschalten muss.

Die anderen drei trennt eine klare Linie. Setzt die Spur voraus, dass der Zuschauer den Ton hört, ist sie ein Untertitel. Ersetzt sie den Ton, ist sie eine Caption, ob sie nun mit CC oder SDH beschriftet ist.

Was muss in einer SDH-Spur stehen?

Alles, was ein hörender Zuschauer aus dem Ton bekommt und was für die Geschichte wichtig ist. Die Barrierefreiheitsrichtlinien des W3C definieren Captions als Textalternative „sowohl für Sprache als auch für Nicht-Sprach-Audioinformationen, die zum Verständnis der Medieninhalte nötig sind“, und nennen Soundeffekte, Musik, Lachen, Sprecherkennzeichnung und Ort als Teil davon (WCAG 2.2, Understanding SC 1.2.2).

Netflix' Timed Text Style Guide für Englisch (USA) macht daraus konkrete Regeln für SDH:

1. Soundeffekte und Sprechernamen stehen in eckigen Klammern, in Kleinbuchstaben, außer bei Eigennamen: [door creaks], [Maya].
2. Beschrifte nur, was das Bild nicht zeigt. Eine Sprecherangabe oder ein Soundeffekt wird nur verwendet, wenn sich nicht visuell erkennen lässt, wer oder was gemeint ist.
3. Beschreibe den Ton, nicht die Handlung. „Beschreibe die Geräusche und den Ton, nicht visuelle Elemente oder Handlungen“ — die Stimme, die Sprechgeschwindigkeit, die Lautstärke.
4. Für die Handlung relevante Soundeffekte gehören immer dazu, es sei denn, das Bild macht sie ohnehin offensichtlich.
5. Liedtexte stehen zwischen Notensymbolen, mit je einem Leerzeichen: ♪ like this ♪.
6. Unbenannte Sprecher bekommen allgemeine Bezeichnungen wie [man] oder [woman], nummeriert, wenn es mehrere gibt.

In einer Untertiteldatei sehen drei SDH-Untertitelzeilen so aus:

12
00:01:04,200 --> 00:01:06,900
[door creaks open]

13
00:01:07,100 --> 00:01:09,800
[Maya] Is anyone here?

14
00:01:10,400 --> 00:01:13,600
♪ I've been waiting all night ♪

Technisch ist an dieser Datei nichts Besonderes. Es ist eine gewöhnliche .srt, dasselbe Format, das auch ein übersetzter Untertitel nutzt. Zu SDH wird sie allein durch den Inhalt: das Geräusch in Klammern, der benannte Sprecher außerhalb des Bildes, die als gesungen markierten Liedtexte.

Derselbe Leitfaden legt für SDH und übersetzte Untertitel dieselben Grenzen fest: 42 Zeichen pro Zeile und bis zu 20 Zeichen pro Sekunde bei Programmen für Erwachsene, 17 bei Kinderprogrammen. Andere Sprachen haben eigene Werte, und manche erlauben SDH eine höhere Geschwindigkeit als gewöhnlichen Untertiteln; der Leitfaden zur Lesegeschwindigkeit hat die Tabelle.

In den USA unterliegen Fernseh-Captions außerdem gesetzlichen Qualitätsstandards. Die Regeln der FCC verlangen Captions, die korrekt, synchron, vollständig und richtig platziert sind, und rechnen Hintergrundgeräusche und andere Töne zur Korrektheit (FCC-Verbraucherleitfaden).

Ist SDH dasselbe wie Closed Captions?

Inhaltlich fast. Bei der Art, wie sie auf den Bildschirm kommen, nicht, und dieser Unterschied ist der Grund, warum beide Namen überlebt haben.

Closed Captions begannen als Broadcast-Technik. Apples Final-Cut-Pro-Anleitung zu Captions beschreibt CEA-608 als „Standard für erweiterte Untertitel für die Fernsehausstrahlung und für Webvideos“, und er kann eingebettet in der Mediendatei mitreisen („Erweiterte Untertitel“ ist Apples deutsches Wort für Closed Captions). Der Player oder der Fernseher dekodiert diese Caption-Daten und zeichnet sie mit seinem eigenen Caption-Renderer.

SDH ist derselbe Inhalt, ausgeliefert als gewöhnliche Untertitelspur: eine .srt, eine .vtt, eine Spur in einer .mkv, der Untertitel-Stream auf einer Disc. Sie kann dieselben Schriften und Positionierungen nutzen wie jeder Untertitel und läuft auf allem, was Untertitel abspielt. Deshalb erscheint dieselbe Art von Spur bei einem Streamingdienst als „CC“ und bei einem anderen als „SDH“.

Zwei weitere Begriffe vervollständigen die Reihe, beide von derselben W3C-Seite:

• Closed Captions „lassen sich bei manchen Playern ein- und ausschalten“.
• Open Captions (offene Untertitel) „lassen sich nicht ausschalten“ — sie sind Teil des Bildes. Eingebrannte Captions in einem TikTok- oder Reels-Video sind Open Captions; Hardsub vs. Softsub erklärt, wann du sie einbrennst.

Das W3C merkt außerdem an, dass „in manchen Ländern Captions als Untertitel bezeichnet werden“. Britische Sender sagen Subtitles zu dem, was amerikanische Captions nennen, und daher kommt der größte Teil der Verwirrung in den Suchergebnissen.

Wie SDH in anderen Sprachen heißt

Die Begriffe lassen sich nicht eins zu eins übersetzen; hier steht, was jede Bezeichnung dort bedeutet, wo du ihr begegnest:

Streamingdienste behalten in ihren Menüs meist die englische Abkürzung bei, egal in welcher Sprache die Oberfläche ist; deshalb wird in jeder Sprache dieser Liste nach „SDH“ und „CC“ gesucht.

Was sind Forced-Untertitel?

Forced-Untertitel (auf Deutsch auch erzwungene Untertitel) sind die, die erscheinen, wenn Untertitel ausgeschaltet sind. Sie decken nur ab, was ein Zuschauer, der die Hauptsprache versteht, trotzdem nicht verfolgen könnte: eine Szene in einer anderen Sprache, ein Schild, eine Textnachricht auf einem Handydisplay.

Netflix nennt sie Forced Narratives, und sein englischer Style Guide ist dabei streng: Eingeblendeter Text wird nur untertitelt, wenn er für die Handlung wichtig ist, in Großbuchstaben und nie im selben Untertitel mit Dialog, und fremdsprachiger Dialog wird nur übersetzt, wenn das Publikum ihn verstehen sollte.

In einer Videodatei macht ein Flag eine Spur zur Forced-Spur. Die Matroska-Spezifikation definiert das Forced-Flag für Untertitel so, dass eine Spur automatisch ausgewählt werden kann, wenn sie zur Sprache des Zuschauers passt, „auch wenn die Einstellungen des Nutzers Untertitel normalerweise nicht aktivieren würden“, und zwar für „Spuren, die nur Übersetzungen von fremdsprachigem Audio oder von eingeblendetem Text enthalten“. Dieselbe Spezifikation kennt ein eigenes Hearing-impaired-Flag für SDH-Spuren. In MKVToolNix heißen die beiden --forced-display-flag und --hearing-impaired-flag; Untertitel zu MKV hinzufügen führt durch das Muxen und erklärt, warum eine vollständige Spur nie als Forced markiert werden darf.

Welche Art solltest du erstellen?

„Ich lade ein Talking-Head-Video zu YouTube hoch.“ Eine SDH-artige Spur in der gesprochenen Sprache. Das meiste ist Dialog, dazu die wenigen Geräusche, die zählen: [laughs], [upbeat music], eine Stimme außerhalb des Bildes.

„Ich übersetze mein Video für andere Märkte.“ Normale Untertitel, eine Spur pro Sprache. Wer die spanische Spur liest, kann den Ton meist hören.

„Mein Film hat eine Szene in einer anderen Sprache.“ Eine Forced-Spur nur für diese Szene, dazu vollständige Untertitel oder SDH für Zuschauer, die sie wollen.

„Ich liefere an einen Streamingdienst oder einen Sender.“ Deren Spezifikation entscheidet, bis hin zum Klammerstil. Netflix veröffentlicht pro Sprache einen Timed Text Style Guide.

„Es ist für TikTok oder Reels.“ Open Captions, ins Bild eingebrannt. Die meisten Zuschauer schauen ohne Ton, ein kurzer Geräuschhinweis verdient dort also ebenfalls seinen Platz.

Erzeugt automatische Transkription SDH?

Nein, und es lohnt sich, genau zu sagen, was fehlt. Spracherkennungsmodelle wie Whisper sind dafür gebaut, Sprache zu transkribieren. Sie liefern den Dialog, den größten Teil einer SDH-Spur, und lassen das meiste weg, was sie zu SDH macht.

• Soundeffekte. Whisper beschreibt eine Tür, ein Telefon oder einen Schuss nicht zuverlässig. Gibt es über Musik oder Stille doch etwas in Klammern aus, behandle es als Vermutung, die du prüfen musst, nicht als Hinweis, den du behältst; warum Whisper Text erfindet erklärt, woher diese Zeilen kommen.
• Sprechernamen. Whisper weiß nicht, wer spricht. Tools zur Sprechererkennung (Diarization) können Stimmen in „Sprecher 1“ und „Sprecher 2“ aufteilen, aber sie zu benennen und zu entscheiden, wann das Bild schon zeigt, wer spricht, ist eine Ermessensfrage.
• Musik. Liedtexte werden vielleicht transkribiert, manchmal schlecht; ob ein Lied eine ♪-Zeile, einen Titel in Anführungszeichen oder gar nichts verdient, ist eine redaktionelle Entscheidung.

Ein automatisches Transkript ist also ein Dialog-Untertitel. Um daraus SDH zu machen, braucht es einen Durchgang von jemandem, der das Video mit Ton ansieht und die Hinweise ergänzt. Dieser Durchgang geht schneller, als von null zu transkribieren, ist aber nicht optional.

SDH und Untertitel aus einem Transkript erstellen

Sablate deckt den Teil ab, den Automatisierung gut kann, und lässt Raum für den Teil, den sie nicht kann. Es transkribiert den Dialog auf deinem eigenen Rechner, und im Editor ergänzt du bei jeder Untertitelzeile [door slams] oder einen Sprechernamen, teilst eine zu lang geratene Untertitelzeile und ziehst ihr Timing auf der Timeline zurecht. Der Editor warnt, wenn eine Zeile zu schnell zum Lesen ist, was bei SDH noch wichtiger ist, weil Geräuschhinweise Zeichen hinzufügen, ohne Zeit hinzuzufügen.

Aus demselben Transkript kommen Übersetzungen als Ebenen hinzu, jede mit eigenem Stil und eigener Schriftart. Das deckt beide Seiten dieses Artikels ab: eine SDH-Spur in der Originalsprache und normale Untertitel in jeder Sprache, in die du übersetzt. Jede lässt sich als .srt oder .vtt exportieren, als eingebranntes .mp4 für Open Captions oder, in Pro, als eine .mkv mit einer Spur pro Sprache.

Sablate erkennt keine Sprecher und setzt die Forced- und Hearing-impaired-Flags in der .mkv nicht. Für die Flags ist MKVToolNix das richtige Werkzeug, und für umfangreiche SDH-Arbeit in Dutzenden Untertitelformaten ist Subtitle Edit kostenlos:

Der kostenlose Plan deckt Videos bis zu zehn Minuten, drei Aufträge im Monat und eine Offline-Übersetzungsebene ab; Pro kostet einmalig $29, und die Preisseite zählt den Unterschied auf.

Kurz gesagt

Untertitel setzen voraus, dass der Zuschauer hören kann; Closed Captions und SDH setzen voraus, dass er es nicht kann, und ergänzen die Geräusche und die Sprecher. CC und SDH tragen dieselbe Art von Inhalt und unterscheiden sich in der Auslieferung: Broadcast-Caption-Daten gegenüber einer gewöhnlichen Untertitelspur. Forced-Untertitel sind die Teilspur, die sich selbst einschaltet, für fremdsprachige Zeilen und eingeblendeten Text. Machst du für dein eigenes Video nur eine Spur, mach sie als SDH in der gesprochenen Sprache und nimm normale Untertitel für die Übersetzungen.

Häufig gestellte Fragen

Was bedeutet SDH bei Untertiteln?

SDH steht für Untertitel für Gehörlose und Schwerhörige. Eine SDH-Spur enthält den Dialog plus die Geräusche, die ein Zuschauer nicht hören kann: Soundeffekte in eckigen Klammern, Liedtexte zwischen Notensymbolen und den Namen des Sprechers, wenn er nicht im Bild ist. Streaming-Menüs führen sie als eigene Option neben den normalen Untertiteln derselben Sprache.

Was ist der Unterschied zwischen Closed Captions und Untertiteln?

Das Publikum. Untertitel setzen voraus, dass der Zuschauer hören kann, und übersetzen den Dialog meist in eine andere Sprache. Closed Captions setzen voraus, dass er nicht hören kann, bleiben in der gesprochenen Sprache und ergänzen Soundeffekte, Musik und Sprecherkennzeichnung. Beide lassen sich ein- und ausschalten; Captions, die sich nicht ausschalten lassen, heißen Open Captions.

Ist SDH dasselbe wie Closed Captions?

Inhaltlich fast, bei der Auslieferung nicht. Beide beschreiben Geräusche und kennzeichnen Sprecher für gehörlose und schwerhörige Zuschauer. Closed Captions im engeren Sinn sind ein Broadcast-Format, etwa CEA-608-Caption-Daten, die im Videosignal übertragen werden. SDH reist als gewöhnliche Untertitelspur, spielt also überall, wo Untertitel laufen, und nutzt Untertitel-Schriften und -Positionierung.

Was sind Forced-Untertitel?

Forced-Untertitel erscheinen auch dann, wenn Untertitel ausgeschaltet sind. Sie übersetzen nur das, was das Publikum verstehen soll, aber nicht kann, etwa eine fremdsprachige Dialogzeile oder ein Schild im Bild. Netflix nennt sie Forced Narratives. In einer MKV-Datei weist ein Forced-Flag den Player an, diese Spur automatisch zu zeigen, wenn sie zur Sprache des Tons passt.

Sollte ich SDH oder normale Untertitel für mein Video erstellen?

Für eine Spur in der gesprochenen Sprache: SDH. Gehörlose Zuschauer brauchen die Geräuschhinweise, und wer ohne Ton schaut, profitiert ebenfalls davon; die WCAG definieren Captions so, dass sie neben dem Dialog auch Nicht-Sprach-Audio abdecken. Normale Untertitel sind die richtige Wahl für Übersetzungen, die sich an hörende Zuschauer richten, die die Originalsprache nicht verstehen.

Kann KI SDH-Untertitel automatisch erzeugen?

Nur den Dialogteil. Spracherkennung wie Whisper transkribiert, was gesprochen wird, und das ist der größte Teil einer SDH-Spur. Soundeffekte beschreibt sie aber nicht zuverlässig, Musik markiert sie nicht, und Sprecher nennt sie nicht. Diese Hinweise muss weiterhin jemand ergänzen, der das Video ansieht und Beschreibungen in eckigen Klammern, etwa für eine zuschlagende Tür, und die Namen von Sprechern außerhalb des Bildes hinzufügt.