Untertitel in mehreren Sprachen zu einem Video hinzufügen

Einem Video Untertitel in mehreren Sprachen hinzuzufügen sind drei Entscheidungen, keine einzige lange Aufgabe: einmal in der Originalsprache transkribieren, jede weitere Sprache als Übersetzungs-ebene auf denselben Timings ergänzen, und dann festlegen, wie du auslieferst — separate Dateien, ein Video mit schaltbaren Spuren, oder eine eingebrannte Kopie pro Sprache. Fast jeder mühsame mehrsprachige Untertitel-Workflow scheitert daran, dass diese Schritte in der falschen Reihenfolge passieren.

Dieser Artikel geht die Reihenfolge durch, die funktioniert, zeigt, was Übersetzung dabei mit Timing und Schriftarten macht, und welches Auslieferungsformat jede Plattform tatsächlich akzeptiert.

Einmal transkribieren, in Ebenen übersetzen

Der teuerste Fehler ist, die Spracherkennung für jede Sprache erneut laufen zu lassen.

Spracherkennung erledigt zwei Dinge gleichzeitig: Sie erzeugt den Text, und sie erzeugt die Segmentgrenzen — wo jeder Untertitel beginnt und endet. Der Text unterscheidet sich von Sprache zu Sprache. Die Grenzen sollten das nicht. Transkribierst du dasselbe Video fünfmal, bekommst du fünf Sätze leicht unterschiedlicher Grenzen, und eine Sync-Korrektur im Spanischen bringt der deutschen Datei dann gar nichts. Bei einer zweistündigen Aufnahme multipliziert sich das, bis der Workflow komplett zusammenbricht.

Stattdessen das Transkript zu übersetzen, hält eine einzige Timeline:

1. Eine Transkription der gesprochenen Sprache, mit echten Timings.
2. Eine Korrekturrunde — Namen, Produktbegriffe, Zeichensetzung.
3. N Übersetzungen dieses korrigierten Texts, die alle dieselben Segmentgrenzen übernehmen.

Der Hebel liegt in Schritt 2. Ein falsch geschriebener Nachname, der vor der Übersetzung korrigiert wird, ist überall korrigiert. Derselbe Nachname, danach korrigiert, sind acht einzelne Änderungen.

Genau so ist ein Auftrag in Sablate aufgebaut: Eine Übersetzung ist eine Ebene, die zu einer bestehenden Transkription hinzukommt, kein neuer Auftrag. Der offline arbeitende Übersetzer (Argos) läuft auf deinem Rechner; DeepL, OpenAI und Claude stehen zur Verfügung, wenn du deinen eigenen API-Schlüssel mitbringst. Wissenswert zum offline Weg: Argos veröffentlicht fast ausschließlich Sprachpaare, bei denen Englisch auf einer Seite steht — ein Paar wie Türkisch nach Deutsch hat also kein direktes Paket und wird über Englisch als Zwischenschritt zusammengesetzt. Das funktioniert, ist aber auch der Grund, warum eine Zeile von Türkisch nach Deutsch etwas flacher klingt als eine von Türkisch nach Englisch.

Die Auslieferungsform vor dem Start festlegen

Das entscheidet über deinen gesamten Export, also lege es zuerst fest.

Das Muster, bei dem die meisten landen: Dateien für die Plattformen, die sie akzeptieren, eine MKV für Archiv und lokale Wiedergabe, und Einbrennen nur für die eine oder zwei Sprachen, die ihr Hauptpublikum spricht.

Bist du unsicher, ob eine Plattform .srt, .vtt oder .ass will, zeigt der Formatvergleich genau, was jedes Format mitbringt.

Was Übersetzung mit deinem Timing macht

Übersetzte Untertitel scheitern auf eine bestimmte, vorhersehbare Weise: Das Timing stimmt noch, aber die Zeile ist jetzt unlesbar.

Englisch ins Spanische, Französische, Italienische oder Portugiesische wird meist 20 bis 30 Prozent länger. Deutsche Komposita laufen auf eine andere Art aus dem Ruder — weniger Wörter, aber Wörter, die nicht in eine 42-Zeichen-Zeile passen. Die Untertitelzeile beginnt und endet weiterhin genau dort, wo die sprechende Person angesetzt und aufgehört hat. Der Zuschauer kann diese Zeichenmenge in 1,8 Sekunden schlicht nicht lesen.

Das Maß dafür sind Zeichen pro Sekunde (CPS), und die Referenzwerte stammen aus Netflix' sprachspezifischen Styleguides:

Diese Grenzwerte sind keine willkürliche Strenge. Ein japanischer Untertitel trägt pro Zeichen weit mehr Bedeutung, also braucht dieselbe Sekunde Sprache weit weniger Zeichen auf dem Bildschirm — und eine maschinelle Übersetzung, die die Zeile bis an das englische Limit füllt, ist unlesbar.

Die Lösung ist nie, die Zeitstempel zu verschieben — sie stimmen mit dem Audio überein, und genau das kannst du nicht ändern. Die Lösung ist, den Wortlaut zu kürzen oder die Zeile in zwei zu teilen. Sablates Editor markiert beim Bearbeiten jede Zeile über 17 CPS — der richtige Alarmwert für die meisten Sprachen mit lateinischer oder kyrillischer Schrift, und bewusst großzügig für Japanisch und Koreanisch; verstehe ihn als Untergrenze, nicht als Gütesiegel.

Jeder Sprache eine Schriftart geben, die sie darstellen kann

Das ist unsichtbar, bis zu dem Moment, in dem du renderst — und dann ist es sehr sichtbar.

Dekorative Untertitel-Schriftarten — die fetten, schmalen Schriften, die Untertitel wie Untertitel aussehen lassen — decken meist nur Latein, Kyrillisch und Griechisch ab, sonst nichts. Setzt du eine davon auf Arabisch, Hebräisch, Thai, Devanagari, Hangul oder CJK-Zeichen an, bekommst du leere Kästchen — in einem Video, das du schon zwanzig Minuten lang kodiert hast.

Sablate löst das, indem es die Schrift jeder Sprachebene prüft und eine Systemschriftart einsetzt, die diese Glyphen tatsächlich enthält — in der Vorschau genauso wie beim Einbrennen, sodass im Editor genau das zu sehen ist, was am Ende in der Datei landet. Jede Sprachebene trägt außerdem ihren eigenen Stil, und das betrifft mehr als nur Schriftarten: Eine Größe, die im Englischen gut lesbar ist, ist für eine 16-Zeichen-Zeile auf Koreanisch oft viel zu groß.

Untertitel in mehreren Sprachen zu YouTube hochladen

YouTube akzeptiert pro Video eine Untertiteldatei pro Sprache, jede in einem eigenen Upload-Schritt. Es gibt keine mehrsprachige Untertiteldatei zum Hochladen — die „mehreren Sprachen" leben auf der Plattform, nicht in der Datei.

1. YouTube Studio, dann Untertitel, dann dein Video.
2. Sprache hinzufügen, die Sprache auswählen, dann Datei hochladen.
3. Lade die .srt oder .vtt für diese Sprache hoch.
4. Wiederhole das pro Sprache. Übersetzungen von Titel und Beschreibung sind ein eigener Abschnitt.

Zwei Dinge solltest du wissen. YouTubes eigene automatische Übersetzung ist kostenlos und sofort da, preislich also kaum zu schlagen — aber sie übersetzt ihr eigenes automatisches Transkript, also ist jedes Wort, das die Spracherkennung falsch verstanden hat, jetzt in jeder Sprache falsch. Und YouTube rendert jeden Untertitel im eigenen Player-Stil, das Styling in deiner Datei sehen die Zuschauer also gar nicht. Wenn der Look wichtig ist, brenn ihn ein.

Wo die einzelnen Tools stehen

Subtitle Edit verdient eine ehrliche Anmerkung: Es ist kostenlos, es ist exzellent, und es kann Transkription und Übersetzung. Der Preis dafür ist der Aufwand — Modelle, Tools und Muxing müssen separat eingerichtet werden — und gestyltes Einbrennen bietet es nicht. Wenn dir diese Art von Konfiguration Spaß macht, ist es die beste kostenlose Antwort in dieser Kategorie.

Das Ergebnis exportieren

Sobald die Ebenen stehen, ist der Export der kurze Teil:

• Untertiteldateien pro Sprache — .srt, .vtt oder .txt, eine pro Sprache, für Plattform-Uploads.
• Eine MKV mit jeder Sprache — jede Sprache als eigene ASS-Spur mit korrektem Sprach-Tag, die Untertitel-Schriftart in der Datei eingebettet, und die erste Spur als Standard markiert. Video und Audio werden per Stream-Copy übernommen, es wird also nichts neu kodiert, und der Export dauert Sekunden statt einen ganzen Encode. Pro.
• Eingebranntes Video — ein Render pro Sprache, in 16:9, 9:16 oder 1:1. Das ist die einzige Auslieferungsform, die TikTok, Reels und Shorts überlebt. Wie Einbrennen funktioniert geht auf die Qualitätsseite ein.

Im kostenlosen Plan trägt ein Auftrag eine offline Übersetzungsebene, und der erste Auftrag, der die Zehn-Minuten-Grenze überschreitet, darf drei tragen. Pro hebt die Limits für eine einmalige Zahlung von $29 auf — Preise zeigt genau, was das abdeckt.

Kurz gesagt

Transkribiere einmal. Korrigiere dieses Transkript, bevor du irgendetwas übersetzt. Füge Sprachen als Ebenen auf denselben Timings hinzu. Prüfe Lesegeschwindigkeit und Schriftart pro Sprache, denn beide ändern sich mit dem Text. Exportiere dann die eine Auslieferungsform, die deine Plattform tatsächlich akzeptiert — und wenn die Antwort „alle drei" lautet, ist es ohnehin derselbe Aufwand.