Untertitel in mehreren Sprachen zu einem Video hinzufügen

Mehrsprachige Untertitel — ein Video mit Untertiteln in mehreren Sprachen — laufen auf drei Entscheidungen hinaus, nicht auf eine 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, welches Auslieferungsformat jede Plattform tatsächlich akzeptiert und wie du jede Sprache auf ein YouTube-Video bekommst.

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. Hast du schon eine fertige SRT und brauchst nur die weiteren Sprachen, behandelt das Übersetzen einer SRT, ohne das Timing zu zerstören die Tools, die die Segmentgrenzen intakt halten.

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), ausführlich erklärt in der Anleitung zur Lesegeschwindigkeit, 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. Für den Workflow oben ist das eine gute Nachricht: Jede Übersetzungsebene wird als eigene .srt exportiert, und jede .srt wird zu einer Sprache des Videos.

Zuerst die Sprache des Videos festlegen

Prüfe, bevor du irgendetwas hochlädst, auf welche Sprache das Video selbst eingestellt ist. Laut den Hilfeseiten von YouTube werden automatische Untertitel nur in der Standardsprache des Videos erzeugt, und die eingestellte Sprache bestimmt auch, wie YouTube die Originalspur beschriftet. Ein Video mit falsch eingestellter Sprache bekommt ein automatisches Transkript in der falschen Sprache, das neben deinen Uploads steht.

Schritt für Schritt in YouTube Studio

1. Öffne YouTube Studio und wähle im linken Menü Untertitel.
2. Wähle das Video aus.
3. Klicke auf Sprache hinzufügen und wähle die Sprache der Datei, die du gleich hochlädst.
4. Klicke unter Untertitel auf Hinzufügen, dann auf Datei hochladen.
5. Wähle die Option zum Hochladen einer Datei mit Zeitangaben (in der englischen Oberfläche: With timing) — eine SRT- oder VTT-Datei bringt ihre Zeitstempel schon mit — und fahre fort.
6. Wähle die Datei dieser Sprache und klicke auf Speichern.
7. Wiederhole die Schritte 3 bis 6 für jede weitere Sprache.

Übersetzungen von Titel und Beschreibung stehen für jede Sprache in derselben Zeile, in einer eigenen Spalte, und es lohnt sich, sie auszufüllen: Wer auf Spanisch sucht, sieht den spanischen Titel.

Was Zuschauer tatsächlich sehen

Jede hochgeladene Sprache erscheint im Untertitelmenü des Players, und der Zuschauer wählt eine aus. YouTube rendert jeden Untertitel im eigenen Player-Stil, und jeder Zuschauer kann ihn selbst umgestalten — Schriftarten und Farben aus deiner Datei sieht also niemand. Gehört der Look zum Video, brenn diese Sprache stattdessen ein und lade die übrigen als Dateien hoch.

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. Eigene, korrigierte Übersetzungen hochzuladen ersetzt dieses Raten für die Sprachen, die dir wichtig sind.

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

Mehrsprachige Untertitel sind ein Transkript und mehrere Ebenen, nicht mehrere Transkripte. 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.

Häufig gestellte Fragen

Wie füge ich einem Video Untertitel in mehreren Sprachen hinzu?

Transkribiere das Video einmal in der Originalsprache, korrigiere dieses Transkript, und übersetze es dann für jede Zielsprache als eigene Ebene auf denselben Timings. Am Ende wählst du eine Auslieferungsform: eine Untertiteldatei pro Sprache, eine Videodatei mit jeder Sprache als schaltbarer Spur, oder eine eingebrannte Kopie pro Sprache. Die Reihenfolge ist entscheidend, denn jede Korrektur, die du vor dem Übersetzen erledigst, musst du danach nicht noch einmal für jede Sprache wiederholen.

Sollte ich das Video übersetzen oder die Untertiteldatei?

Übersetze die Untertiteldatei. Die Timings existieren bereits und sind korrekt, Übersetzung wird dadurch zu einer reinen Textaufgabe, die sie einfach weiterverwendet. Führst du die Spracherkennung für jede Sprache erneut aus, entstehen für jede Sprache leicht andere Segmentgrenzen — dann läuft jede Sprache für sich aus dem Takt, und du behebst dasselbe Sync-Problem immer wieder von Neuem.

Kann eine einzige MP4-Datei Untertitel in mehreren Sprachen enthalten?

Nicht verlässlich. MP4 kennt zwar einen Untertitel-Spurtyp, aber die Player-Unterstützung ist uneinheitlich, und das Styling geht dabei meist verloren. Der dafür gebaute Container ist MKV: Er hält pro Sprache eine eigene Untertitelspur plus eine eingebettete Schriftart und lässt den Zuschauer die Sprache direkt im Player umschalten. Bei einer MP4-Auslieferung bleibt nur, separate Dateien mitzugeben oder pro Kopie eine Sprache einzubrennen.

Warum passen übersetzte Untertitel nicht mehr ins Timing?

Weil Sprachen unterschiedlich lang sind. Eine Zeile, die aus dem Englischen ins Spanische, Französische oder Deutsche übersetzt wird, ist meist 20 bis 30 Prozent länger — und muss trotzdem in derselben Anzahl Sekunden gelesen werden können. Nicht die Untertitelzeile bricht, sondern die Lesegeschwindigkeit. Die Lösung ist, den Text zu kürzen oder die Zeile zu teilen, nicht die Zeitstempel zu verschieben.

Brauchen übersetzte Untertitel eine andere Schriftart?

Oft ja. Die meisten dekorativen Untertitel-Schriftarten decken nur Latein, Kyrillisch und Griechisch ab. Arabisch, Hebräisch, Thai, Devanagari, Hangul und CJK-Schriftzeichen brauchen eine Schriftart, die diese Glyphen tatsächlich enthält — sonst zeigt die eingebrannte Ausgabe nur leere Kästchen. Das fällt erst beim Rendern auf, weshalb sich ein Check lohnt, bevor du zwölf Sprachen exportierst.

Wie viele Sprachen sind für ein Video zu viel?

Für eine schaltbare MKV-Datei oder eine Reihe von Dateien gibt es praktisch keine Grenze — eine weitere Sprache bedeutet eine weitere Datei, keinen weiteren Encode. Bei eingebrannten Kopien gibt es sehr wohl eine, denn jede Sprache ist ein eigener Video-Encode und ein eigener Upload. Die meisten brennen nur die eine oder zwei Sprachen ein, die ihr Hauptpublikum spricht, und liefern den Rest als Dateien.

Wie füge ich einem YouTube-Video Untertitel in mehreren Sprachen hinzu?

Lade pro Sprache eine eigene Untertiteldatei hoch. Öffne in YouTube Studio den Bereich Untertitel, wähle das Video, klicke auf Sprache hinzufügen, dann unter Untertitel auf Hinzufügen, wähle Datei hochladen und die Option für Dateien mit Zeitangaben (in der englischen Oberfläche: With timing), und nimm die SRT- oder VTT-Datei dieser Sprache. Wiederhole das für jede Sprache. Zuschauer wählen die Sprache im Untertitelmenü des Players, jede erscheint in YouTubes eigenem Stil.