Animierte Untertitel für Videos
Verwandle ein Transkript in Untertitel im Kurzvideo-Stil, die Wort für Wort hervorheben, aufploppen oder sich füllen, und brenne sie in dein Video ein. Lade eine Whisper-JSON-, SRT- oder VTT-Datei (oder füge Text ein), wähle einen Stil, sieh ihn dir in einem 9:16-Rahmen an und exportiere – alles in deinem Browser.
Zuletzt aktualisiert:
Wähle ein Video, um den Export zu aktivieren. Die Vorschau oben zeigt deinen Stil auf einem Beispielhintergrund.
Anleitung: Animierte Untertitel für Videos
- Wähle dein Video: Ziehe eine MP4-, WebM- oder MOV-Datei auf das erste Feld.
- Füge das Transkript hinzu: Öffne eine Whisper-JSON-, SRT- oder VTT-Datei oder füge Text in das Transkriptfeld ein. Whisper JSON auf Wortebene liefert die genaueste Hervorhebung.
- Wähle einen Stil: Beginne mit einer Vorlage wie „Fetter Pop“ oder „Karaoke“ und passe dann Animation, Wörter pro Untertitel, Schriftart, Farben und Position an.
- Vorschau: Drücke auf Abspielen und sieh dir die Untertitel im 9:16-Rahmen (oder einem anderen) an. Nutze „Zeit verschieben“, wenn jedes Wort etwas zu früh oder zu spät kommt.
- Klicke auf „Video mit Untertiteln erstellen“. Das Video wird einmal abgespielt, während die neue Datei aufgenommen wird, danach kannst du sie herunterladen.
Animationsstile für Untertitel erklärt
Jeder Stil arbeitet mit denselben Daten: einer Liste von Wörtern mit jeweils einer Start- und Endzeit. Der Untertitel auf dem Bildschirm ist eine kleine Gruppe von Wörtern (die Einstellung Wörter pro Untertitel); eine neue Gruppe beginnt, wenn das Limit erreicht ist, am Ende eines Satzes oder einer Untertitelzeile oder wenn eine Sprechpause von mehr als 0.8 Sekunden entsteht.
| Animation | Was die Zuschauer sehen | Am besten geeignet für |
|---|---|---|
| Wort-für-Wort-Hervorhebung | Die ganze Gruppe ist sichtbar; das gerade gesprochene Wort wechselt in die Hervorhebungsfarbe (oder bekommt eine farbige Box) | Talking-Head-Clips, Tutorials |
| Aufploppen beim Sprechen | Jedes Wort erscheint in dem Moment, in dem es gesagt wird, mit einem kurzen, überschießenden Zoom | Energiegeladene Shorts, Reels und TikToks |
| Karaoke-Füllung | Farbe läuft im Takt der Sprache von links nach rechts über jedes Wort | Songs, langsame Erzählung, Sprachenlernen |
| Ein Wort nach dem anderen | Ein einzelnes großes Wort in der Mitte, das durch das nächste Wort ersetzt wird | Schnelle, knackige Schnitte, Hooks |
| Aktives Wort hüpft | Das gesprochene Wort hebt sich, wird etwas größer und kommt dann zur Ruhe | Verspielte oder kinderfreundliche Inhalte |
| Schreibmaschine | Buchstaben werden getippt, während jedes Wort gesprochen wird | Storytelling, Zitate |
Transkriptformate, die dieses Tool liest
- Whisper JSON mit Wort-Zeitstempeln: ein
words-Array ({"word": "hello", "start": 0.32, "end": 0.61}),segments, die jeweilswordsenthalten, oder transformers.js-chunksmit einemtimestamp-Paar. Wörter ohne Zeitangabe (häufig bei Zahlen in WhisperX) übernehmen die Zeit ihrer Nachbarn. - Whisper JSON nur mit Segmentzeiten (einschließlich der
transcription-Ausgabe von whisper.cpp): Jedes Segment wird in Wörter aufgeteilt und nach Wortlänge getimt. - SRT und WebVTT: Jeder Cue wird auf dieselbe Weise aufgeteilt. VTT-Cues mit eingebetteten Karaoke-Zeitstempeln wie
<00:00:01.200>werden direkt verwendet. - Reiner Text: Das Timing wird auf etwa 150 Wörter pro Minute geschätzt, nützlich für einen schnellen Test oder ein geskriptetes Voice-over. Passe es mit „Zeit verschieben“ an.
Tipps für gut lesbare Untertitel in Kurzvideos
- Halte Untertitel im mittleren Bereich eines 9:16-Videos (etwa 55 bis 75% von oben). Der obere und untere Rand wird auf den meisten Plattformen von App-Buttons, Nutzernamen und Beschreibungen verdeckt.
- Eine dicke dunkle Kontur oder eine farbige Box hält weißen Text auch bei hellen Szenen lesbar. Gelbe, grüne und cyanfarbene Hervorhebungen fallen auf, ohne die Lesbarkeit zu beeinträchtigen.
- GROSSBUCHSTABEN mit einer kräftigen Schrift wie Impact oder Arial Black lassen sich auf kleinen Handybildschirmen am schnellsten lesen; gemischte Schreibweise wirkt bei Lernvideos ruhiger.
- Wenn die Untertitel der Stimme etwas vorauslaufen, gib eine kleine positive Verschiebung wie 0.1 bis 0.2 Sekunden ein; ein negativer Wert verschiebt sie nach vorn.
Häufige Fragen
Wie bekomme ich ein Transkript mit Wort-Timings?
Lass deine Audiospur durch einen beliebigen Whisper-basierten Transkriptionsdienst laufen und speichere das Ergebnis als JSON mit Wort-Zeitstempeln (zum Beispiel die OpenAI Whisper API mit Zeitstempeln auf Wortebene, WhisperX, whisper.cpp mit JSON-Ausgabe oder eine transformers.js-Whisper-App mit return_timestamps auf word). Diese Seite liest das words-Array, Segmente mit Wörtern oder chunks. Du kannst auch zuerst mit dem Auto Subtitle Generator auf dieser Website eine SRT erstellen.
Was ist, wenn meine Datei nur Satz-Timings hat, wie eine SRT?
Das funktioniert auch. Jede Untertitelzeile wird in Wörter aufgeteilt und ihre Zeitspanne nach Wortlänge verteilt, sodass längere Wörter etwas länger auf dem Bildschirm bleiben. Die Hervorhebung folgt der Sprache bei den meisten Sprechvideos dann recht genau; JSON auf Wortebene brauchst du nur für ein perfekt präzises Timing.
Wird mein Video auf einen Server hochgeladen?
Nein. Das Video wird in deinem Browser Bild für Bild auf eine Canvas gezeichnet und mit der MediaRecorder API zusammen mit dem Originalton aufgenommen. Deine Dateien verlassen nie dein Gerät.
Warum dauert der Export so lange wie das Video?
Browser nehmen eine Canvas in Echtzeit auf, daher braucht ein 60-Sekunden-Clip etwa 60 Sekunden. Lass den Tab geöffnet und sichtbar, bis der Fortschrittsbalken fertig ist.
Wie viele Wörter sollte jeder Untertitel zeigen?
Für vertikale Kurzvideos sind 2 bis 4 Wörter pro Untertitel üblich, weil Zuschauer sie auf einen Blick lesen; 1 Wort eignet sich für sehr schnelle Schnitte. Für Querformat-Videos oder längere Erklärungen lesen sich 6 bis 8 Wörter pro Zeile eher wie normale Untertitel.
Ist die Ausgabe ein MP4?
Chrome, Edge und Safari können MP4 (H.264) direkt aufnehmen. Firefox nimmt WebM auf, das sich auf die meisten Plattformen problemlos hochladen lässt; nutze den Video Converter, wenn du ausdrücklich MP4 brauchst.
Mein Querformat-Video wirkt in 9:16 abgeschnitten. Was kann ich tun?
Stelle „Füllen“ auf „Einpassen + unscharfer Hintergrund“ um. Das ganze Bild bleibt in der Mitte erhalten, und der leere Bereich darüber und darunter wird mit einer weichen, unscharfen Kopie gefüllt – ein gängiger Look, um Querformat-Clips als Shorts, Reels oder TikToks erneut zu posten.
Werden alle Tools auf FreeToolCabin auf Qualität und Genauigkeit getestet?
Ja. Jedes Tool auf der Website durchläuft automatische Tests in echten Browsern, die prüfen, ob das Ergebnis stimmt und keine Fehler auftreten. Wenn du einen Fehler findest oder einen Vorschlag hast, schreib uns an [email protected] – wir sehen es uns an.