Sablate-Handbuch

Sablate macht aus einem Video, das schon auf deinem Computer liegt, Untertitel: Es hört sich den Ton an, schreibt die Wörter mit, übersetzt sie auf Wunsch, lässt dich korrigieren, was es falsch verstanden hat, und gibt dir am Ende entweder eine Untertiteldatei oder ein Video mit fest ins Bild gebrannten Untertiteln.

Ungewöhnlich daran ist der Ort, an dem die Arbeit passiert. Die Transkription läuft mit Whisper auf deinem eigenen Rechner, die Übersetzung kann mit Argos offline laufen, und eingebrannt wird lokal mit ffmpeg. Nichts wird hochgeladen, in eine Warteschlange gestellt oder pro Minute abgerechnet — es sei denn, du verbindest ausdrücklich eine Cloud-Engine mit deinem eigenen Schlüssel.

Sablate macht Folgendes nicht: Videos von YouTube oder einer anderen Plattform herunterladen, Sprache synchronisieren oder erzeugen, Clips automatisch schneiden oder markieren, wer gerade spricht. Die einzige Quelle eines Auftrags ist eine Datei, die schon auf deiner Festplatte liegt.

Sablate läuft auf Windows 10 und 11 sowie auf macOS 12 oder neuer, als ganz normale signierte Anwendung — nach dem Installer ist nichts mehr einzustellen.

1. Lade die passende Version für deinen Rechner

   Der Windows-Installer ist rund 320 MB groß und belegt installiert etwa 1,3 GB. macOS kommt als zwei getrennte Builds: Apple Silicon (arm64) und Intel (x64). Die Download-Seite wählt die wahrscheinliche Variante für dich vor und lässt die anderen sichtbar.

2. Installiere sie

   Windows: Der Installer ist signiert, also keine SmartScreen-Warnung. macOS: Die App ist notarisiert — zieh sie in den Programme-Ordner und öffne sie wie gewohnt.

3. Lass das erste Modell herunterladen

   Im Installer steckt kein Sprachmodell. Beim ersten Start bietet Sablate an, das Balanced-Modell im Hintergrund zu holen, damit du etwas zum Arbeiten hast; währenddessen kannst du sofort einen Auftrag mit Fast starten.

Ein Auftrag besteht aus einer Quelldatei und den Einstellungen, aus denen ihre Untertitel entstanden sind. Angelegt wird er im Bereich New job.

Sablate nimmt die üblichen Video-Container und Audiodateien — .mp4, .mov, .mkv, .webm, .avi, .m4v, .mp3, .wav, .m4a, .flac und ein paar mehr. Reine Audioquellen funktionieren genauso, nur ohne die Optionen, die ein Bild brauchen.

Sobald eine Datei drin ist, füllt sich der Rest des Bildschirms: die gesprochene Sprache, die Zielsprachen für die Übersetzung und die Engine, die zuhört.

Klick auf Start, und der Auftrag erscheint in der Bibliothek, wo du ihm bei der Arbeit zusehen kannst. Mehr ist nicht nötig — die Voreinstellungen sind eine funktionierende Konfiguration.

Whisper gibt es in verschiedenen Größen, und die Größe entscheidet den Kompromiss zwischen Tempo und Genauigkeit. Sablate bietet vier Stufen plus die Cloud-Engines.

Der Name ist die Beschriftung auf der Karte; die ID daneben — tiny, small, large-v3-turbo, large-v3 — ist das Whisper-Modell dahinter.

Accurate ist die Stufe, bei der die meisten bleiben sollten: fast so gut wie Best und um ein Vielfaches schneller. Geh auf Balanced oder Fast herunter, wenn du ohnehin einen groben Durchlauf nachbearbeiten wolltest — oder wenn der Rechner keine GPU hat.

Sablate transkribiert den vollen Whisper-Umfang — rund hundert gesprochene Sprachen — und erkennt die Sprache selbst, solange du nichts anderes sagst. Sie zu nennen lohnt sich, wenn eine Datei mit Musik beginnt oder wenn zwei Sprachen gesprochen werden und du die Untertitel in einer davon willst.

Zielsprachen sind optional. Ein Auftrag ohne Zielsprache ist eine Transkription; einer mit dreien ist eine Transkription plus drei Übersetzungsebenen, in einem Durchlauf erzeugt. Eine Sprache lässt sich später im Editor jederzeit ergänzen — hier muss also nicht alles entschieden werden.

Jeder Auftrag bleibt in der Bibliothek, bis du ihn löschst: die Untertitel, deine Änderungen, der Stil, den du ihm gegeben hast, und die Sprachen, die er trägt.

Die Seitenleiste ist zugleich ein Filter — All jobs, Active, Completed und Failed springen jeweils mit gesetztem Filter in die Bibliothek.

Während ein Auftrag läuft, zeigt die Detailansicht statt einer nackten Prozentzahl die aktuelle Phase — Ton extrahieren, transkribieren, übersetzen, formatieren.

Ist er fertig, wird dieselbe Ansicht zum Absprungpunkt: Editor öffnen — oder direkt von hier exportieren, wenn an den Untertiteln nichts zu korrigieren ist.

Im Editor wird aus einem Transkript eine Untertitelspur. Er öffnet sich zu einem Auftrag und legt Video, Text und Styling in ein Fenster.

Die Leiste links schaltet zwischen drei Modi um:

• Overview — die Sprachen, die dieser Auftrag trägt, und woraus jede entstanden ist.
• Subtitles — die Untertitelliste und das Stilpanel: hier passiert die eigentliche Arbeit.
• Transcript — der Text als Fließtext, zum Lesen und zum Herauskopieren.

Die Videoansicht ist keine Vorschau im ungefähren Sinn. Die Untertitel darüber werden aus denselben Stilwerten gezeichnet, die auch das Einbrennen verwendet — was du siehst, bekommt die exportierte Datei.

Klick eine Zeile an, um sie zu bearbeiten. Die Änderung landet sofort in der Vorschau und wird gespeichert, ohne dass du danach fragst — die Anzeige in der Titelleiste zeigt Saved mit der Uhrzeit des letzten Speicherns.

Das Timing stellst du durch Ziehen ein, nicht durch Eintippen von Timecodes. Jeder Untertitel ist ein Block auf der Zeitleiste: Zieh an seiner Kante, um Anfang oder Ende zu verschieben, zieh den ganzen Block, um ihn zu bewegen, und klick irgendwo auf das Lineal, um den Abspielkopf dorthin zu setzen.

Der Transcript-Modus zeigt denselben Text ohne Untertitelgrenzen — oft der schnellere Weg, einen langen Auftrag zu lesen und einen Fehler zu finden.

Split into shorter lines bricht die ganze Spur neu um — auf ein, zwei, drei oder vier Wörter pro Zeile oder auf eine Zeichenzahl. Ein Wort pro Zeile ist der Look von Kurzvideos; eine Zeichengrenze ist das, was Untertitel im Broadcast-Stil verlangen.

Find and replace korrigiert einen Namen, den das Modell falsch verstanden hat, auf einen Schlag überall. Es wirkt auf die Sprache, die du gerade bearbeitest, und lässt die anderen Ebenen in Ruhe — genau so, wie du es willst, denn die richtige Schreibweise ist in einer anderen Sprache selten dasselbe Wort.

Import SRT or VTT holt Untertitel herein, die du schon hast — so kannst du auch eine Spur stylen und einbrennen, die nicht von Sablate stammt.

Der Editor geht über die Tastatur schneller von der Hand als über die Maus, und die ganze Liste ist eine Taste entfernt — drück jederzeit F1 oder ?.

Unter macOS steht Cmd an der Stelle von Ctrl.

Eine Übersetzung ist kein eigener Auftrag. Sie ist eine Ebene auf dem Auftrag, den du schon hast, und teilt sich dessen Timing, dessen Styling und dessen Quellvideo.

Das zahlt sich in der Praxis aus: Korrigier einen schlecht getimten Untertitel einmal, und jede Sprache zieht mit, weil alle auf dieselben Grenzen zeigen.

Jede Ebene lässt sich einzeln neu übersetzen, wenn du die Engine wechselst, und wer eine entfernt, löscht nur diese eine Sprache.

Argos läuft vollständig auf deinem Rechner und braucht kein Konto. Beim ersten Einsatz lädt es ein Sprachpaket pro Sprachpaar und arbeitet danach dauerhaft offline. Die Qualität reicht für die meiste Untertitelarbeit, und es ist die Voreinstellung.

DeepL, OpenAI und Claude binden sich mit deinem eigenen API-Schlüssel an und werden über dein eigenes Konto abgerechnet. Bei idiomatischer Sprache lesen sie sich besser, und Claude nimmt den Zusammenhang von Untertitel zu Untertitel mit, statt jede Zeile für sich zu übersetzen.

Sprachmodelle verschreiben sich bei Markennamen, Personen und Produkten — zuverlässig, und jedes Mal auf dieselbe Weise. Statt sie Zeile für Zeile zu korrigieren, trag sie einmal ein.

Alles in der Vokabelliste bekommt das Modell vor dem Start mit, lokal wie in der Cloud — so steht es von vornherein richtig da. Es lohnt sich, die eigenen Produktnamen einzutragen, die Leute, die regelmäßig vorkommen, und jeden Fachbegriff, der immer wieder falsch zurückkommt.

Bei einem Auftrag, der schon transkribiert ist, erledigt Find and replace dieselbe Reparatur im Nachhinein.

Sablate bringt dreizehn Presets in vier Gruppen mit, und das sind echte Designs, keine umgefärbten Varianten:

• Viral — Hormozi, Beast, Reels, One Word, Karaoke, Pop
• Clean — Classic, Podcast, Creator, Highlighter
• Bold — Impact, Minimal
• Cinematic — Cinema

Classic ist die Voreinstellung und sieht aus wie die Untertitel eines Streamingdienstes. Die Gruppe Viral ist für Video im Hochformat gebaut: groß, fett, kontrastreich, ein bis zwei Wörter auf einmal.

Sobald du im Panel unter der Galerie etwas änderst, wird der Stil zu deinem eigenen; als benanntes Preset gespeichert, bleibt er für spätere Aufträge erhalten.

Whisper liefert für jedes Wort einen Zeitstempel, nicht nur für jede Zeile — genau deshalb geht das ohne zusätzliche Arbeit von dir.

• Color — das aktive Wort wechselt die Farbe.
• Box — eine gefüllte Kapsel folgt dem aktiven Wort.
• Fill — die Zeile füllt sich von links nach rechts, während sie gesprochen wird.
• Word — es steht immer nur das aktuelle Wort im Bild.

Für die gesprochene Sprache ist das Timing exakt, denn es sind die Wortgrenzen des Modells selbst. Bei einer übersetzten Ebene werden die Wörter über den Untertitel verteilt, damit der Durchlauf im Takt der Zeile bleibt, auch wenn sich die Wortstellung geändert hat.

Die Schriften, die mit Sablate kommen — Montserrat ExtraBold, Anton, Bangers, Bebas Neue und Archivo Black — sind sowohl mit der Oberfläche als auch mit dem Renderer verpackt. Genau deshalb sind sie die bessere Wahl: Eine Schrift, die es nur auf deinem Rechner gibt, sieht in der Vorschau richtig aus und ändert sich dann im exportierten Video klammheimlich.

Lässt sich eine Sprache in der gewählten Schrift nicht darstellen, sagt das Panel es und nennt die Schrift, die stattdessen verwendet wird.

Kontur und Schatten halten Untertitel über bewegtem Bild lesbar. Eine kräftige Kontur funktioniert auf fast jedem Material; über unruhigem Video ist ein durchscheinender Hintergrundkasten die sicherere Wahl.

Untertitel sitzen an einer von neun Positionen, mit einem Randabstand, den du festlegst. Unten mittig ist die Konvention; oben mittig ist für den Fall, dass unten im Bild etwas Wichtiges passiert — und Video im Hochformat will die Untertitel meist höher als ein Video für den Desktop.

Frame formt das eingebrannte Video selbst um: Lass es beim Original oder setz es auf 9:16 oder 1:1 um und entscheide, ob die Ränder weggeschnitten oder mit einer Unschärfe des Bildes gefüllt werden. Untertiteldateien bleiben davon unberührt — es ändert nur das gerenderte Video.

Exporte tragen deine Änderungen mit. Auch ein Export direkt aus der Bibliothek, ohne den Editor je zu öffnen, trägt sie mit.

Plattformen, die Videos standardmäßig ohne Ton abspielen — TikTok, Reels, Shorts — erwarten die Untertitel als Teil des Bildes. Genau das macht das Einbrennen: Es kodiert das Video neu, mit den Untertiteln im Bild und genau dem Stil aus dem Panel.

Eingebrannt wird mit demselben Untertitel-Renderer wie in der Vorschau, also überstehen Schrift, Kontur, Karaoke-Durchlauf und Position die Reise. Du kannst im Seitenverhältnis der Quelle rendern oder dabei auf 9:16 oder 1:1 umstellen.

Die andere Hälfte davon ist ein .mkv mit weichen Untertiteln: eine Videodatei, die jede Sprache als umschaltbare Spur trägt, ohne Neukodierung und ohne Qualitätsverlust.

Zwei Dinge skalieren mit Pro.

Mehrere Dateien auf einmal — zieh einen ganzen Ordner voller Videos in den Bereich New job, und ein Satz Einstellungen gilt für alle. Sie reihen sich ein und laufen nacheinander.

Alle Sprachen in einem Schritt — ein Auftrag mit vier Übersetzungsebenen kann alle vier Untertiteldateien in einen Ordner schreiben oder alle vier eingebrannten Videos rendern, über einen einzigen Menüeintrag.

Das ist der Unterschied zwischen einem untertitelten Video und einem Kanal, der jede Woche in vier Sprachen erscheint.

In General liegen die Sprache der Oberfläche — Englisch oder Türkisch — und das Design, das standardmäßig deinem System folgt.

Defaults ist das, womit ein neuer Auftrag startet: gesprochene Sprache, Modell, Übersetzer, Zielsprachen, Preset und ob sich der Editor von selbst öffnet, wenn ein Auftrag fertig ist. Alles davon lässt sich pro Auftrag trotzdem übersteuern.

In Providers liegen die API-Schlüssel, und dort verwaltest du die Whisper-Modelle und Argos-Pakete auf der Festplatte — auch das Löschen der Pakete, die du nicht mehr brauchst.

Standardmäßig nirgends.

• Das Video verlässt deinen Computer nicht. Sablate liest es dort, wo es liegt.
• Die Transkription mit einer lokalen Whisper-Stufe ist ein lokaler Vorgang. Es gibt keinen Upload und keine Warteschlange.
• Auch die Übersetzung mit Argos ist lokal, sobald ihr Sprachpaket auf der Festplatte liegt.
• Styling, Vorschau und Einbrennen sind allesamt lokal — ffmpeg auf deinem Rechner.

Die einzige Ausnahme ist eine Cloud-Engine, die du selbst verbindest. Wählst du OpenAI oder ElevenLabs für die Transkription, geht der Ton dorthin; wählst du DeepL, OpenAI oder Claude für die Übersetzung, geht der Text dorthin. Die App sagt es in dem Moment, in dem du eine auswählst, jedes Mal — und kein Auftrag wechselt still die Engine.

Sablate selbst schickt zwei Arten von Anfragen nach draußen: eine Lizenzprüfung ungefähr einmal am Tag und das Formular für Funktionswünsche, wenn du es benutzt. Keine davon trägt irgendetwas über deine Medien mit sich.

Free ist dauerhaft und braucht kein Konto: Videos bis zehn Minuten, drei Aufträge im Monat, die Stufen Fast und Balanced, eine Offline-Übersetzungsebene, Export als .srt, .vtt und .txt, eingebranntes Video mit einer Markierung in der Ecke, der vollständige Editor, GPU-Beschleunigung und alle dreizehn Presets. Der erste Auftrag, den du über die Zehn-Minuten-Grenze hinaus startest, läuft in beliebiger Länge und darf drei Übersetzungsebenen tragen.

Pro kostet $29, einmalig: beliebige Länge, beliebig viele Aufträge, jede Whisper-Stufe, Transkription und Übersetzung in der Cloud mit deinen eigenen Schlüsseln, .ass und .mkv mit weichen Untertiteln, Einbrennen ohne Markierung, Stapelverarbeitung, Export aller Sprachen mit einem Klick, Bearbeitung auf Wortebene und eigene Presets.

Kauf Pro einmal — jedes Pro-Update ist lebenslang kostenlos. Kein Abo und keine Verlängerung.

Eine Lizenz ist immer an einen Rechner gebunden und lässt sich umziehen: hier deaktivieren, dann auf dem neuen Computer mit demselben Schlüssel aktivieren. Mengenpakete decken bis zu zehn Lizenzen für ein Team ab.

„Sidecar is not ready“ — die lokale Engine, die die eigentliche Arbeit macht, ist nicht gestartet. Starte sie unter Settings → About neu; bleibt es dabei, sagt das Protokoll unter %APPDATA%\Sablate\logs\main.log unter Windows oder ~/Library/Application Support/Sablate/logs/main.log unter macOS, warum.

Ein Modell-Download bleibt hängen — die Modelle kommen von Hugging Face, und der übliche Grund ist ein Firmen-Proxy oder ein VPN. Die halb geladene Datei wird sauber verworfen; startest du den Auftrag erneut, läuft es glatt weiter.

Die Transkription ist viel langsamer als erwartet — prüf, ob die GPU überhaupt genutzt wird. Ohne GPU kann die Stufe Best ein Vielfaches der Videolänge brauchen; genau darauf weist die Warnung unter der Modellauswahl hin.

Das eingebrannte Video sieht anders aus als die Vorschau — mit den mitgelieferten Schriften sollte das nicht passieren. Hast du eine Schrift aus deinem eigenen System gewählt, hat der Renderer sie womöglich nicht; wechsel auf eine der fünf, die mit Sablate kommen.

Das Quellvideo fehlt — wird eine Datei nach dem Anlegen des Auftrags verschoben oder umbenannt, reißt die Verknüpfung. Verknüpf sie im Editor neu, alles andere bleibt erhalten.