SRT vs VTT (und TTML): Welches Untertitelformat Sie wählen sollten

SRT steht für Portabilität, VTT für das Web, TTML für die Anlieferung an TV-Sender und Streaming-Dienste. Wenn Sie sich nur zwischen SRT und VTT entscheiden müssen: Laden Sie SRT auf soziale Plattformen und in Desktop-Player hoch, und nutzen Sie VTT für Videos auf Ihrer eigenen Website oder in einem HLS-Stream. Die beiden Dateien unterscheiden sich durch eine Header-Zeile und ein einzelnes Zeichen in jedem Zeitstempel, was auch der häufigste Grund ist, warum eine Untertiteldatei kommentarlos nicht lädt.

SRT vs VTT: Die kurze Antwort

Was SRT ist und warum es zum Standard wurde

SRT (SubRip Text) ist seit den frühen 2000er-Jahren das De-facto-Untertitelformat, als das Programm SubRip es für von DVDs gerippte Untertitel nutzte. Es ist eine reine Textdatei mit der Endung .srt:

1
00:00:01,000 --> 00:00:04,500
This is the first subtitle line.

2
00:00:05,200 --> 00:00:09,800
This is the second subtitle line.
It can span two lines.

Jeder Eintrag besteht aus einer laufenden Nummer, einem Zeitstempelpaar, einer oder zwei Textzeilen und einer Leerzeile. Das Zeitstempelformat lautet HH:MM:SS,mmm mit einem Komma vor den Millisekunden, da SRT in einem Teil Europas entstand, in dem das Komma das Dezimaltrennzeichen ist. Viele Player lehnen eine SRT-Datei kommentarlos ab, wenn stattdessen ein Punkt verwendet wird.

SRT unterstützt einfache <b>-, <i>- und <u>-Tags, aber Player verarbeiten diese uneinheitlich. Es bietet keine Positionierung, kein CSS-Styling, keine Sprecher-Labels und keinen Metadaten-Header. Jeder Texteditor kann eine solche Datei erstellen oder reparieren.

Jeder wichtige Player und jedes Schnittprogramm liest SRT: VLC, MPV, Plex, Premiere Pro, Final Cut Pro und DaVinci Resolve sowie YouTube, Vimeo, Facebook, LinkedIn und X. Wenn Sie nur ein einziges Format ausliefern können, liefern Sie SRT.

Was VTT ist und wann es darauf ankommt

VTT (WebVTT, Web Video Text Tracks) ist das Untertitelformat, das das W3C für HTML5-Videos entwickelt hat. Eine .vtt-Datei sieht fast aus wie SRT, mit zwei Syntaxunterschieden und mehreren Zusatzfunktionen:

WEBVTT

00:00:01.000 --> 00:00:04.500 line:90% align:center
<v Alice>This is the first caption.

00:00:05.000 --> 00:00:08.200 position:10% align:start
<v Bob>This is the second caption.

NOTE This comment is never shown to viewers.

Die zwei Syntaxunterschiede:

1. Die Datei muss in der ersten Zeile mit WEBVTT beginnen. Ohne diese Zeile lehnen Browser die Datei ab.
2. Zeitstempel verwenden einen Punkt vor den Millisekunden, kein Komma.

Was VTT zusätzlich bietet:

• Cue-Positionierung: line, position, size und align platzieren Text beliebig im Bild, zum Beispiel oben, wenn eine Grafik den unteren Bereich verdeckt.
• CSS-Styling: Die Webseite gestaltet Untertitel über das Pseudo-Element ::cue, und zwar in jedem gängigen Browser.
• Sprecher-Labels: <v Alice> markiert, wer spricht, sodass eine VTT-Datei Sprecher-Labels aus einem Transkript übernehmen kann.
• Kapitel und NOTE-Blöcke: Eine separate VTT-Spur kann Kapitelmarken enthalten, und NOTE-Zeilen dienen als Kommentare.

VTT ist das native Format für das HTML5-Element <track>, das Standard-Textspurformat für Apple HLS und der Standard für Web-Player wie Video.js, Plyr und JW Player.

SRT vs VTT: Funktionsvergleich

Plattform-Kompatibilität auf einen Blick

Die Zeilen zu YouTube und Vimeo wurden am 14. Oktober 2026 anhand der jeweiligen Hilfeseiten überprüft. Die Streaming-Zeilen stammen aus den in den Quellen verlinkten Partnerspezifikationen.

TTML: Das Format für Broadcast und OTT

TTML (Timed Text Markup Language) ist das XML-Format, das Streaming-Dienste und TV-Sender bei der Anlieferung verlangen. Es ist deutlich komplexer als SRT oder VTT:

<?xml version="1.0" encoding="UTF-8"?>
<tt xmlns="http://www.w3.org/ns/ttml"
    xmlns:tts="http://www.w3.org/ns/ttml#styling">
  <head>
    <styling>
      <style xml:id="default"
             tts:fontFamily="sansSerif"
             tts:color="white"
             tts:fontSize="100%"/>
    </styling>
  </head>
  <body>
    <div>
      <p begin="00:00:01.000" end="00:00:04.500"
         style="default">This is the first caption.</p>
    </div>
  </body>
</tt>

Diese Struktur erlaubt umfangreiches Styling, mehrere Sprachspuren in einer Datei, prozentbasierte Positionierung, Ruby-Text für Japanisch und Metadaten für Barrierefreiheits-Audits. In der Praxis nennt jede Plattform, die TTML verlangt, ein konkretes Profil:

• Netflix verlangt TTML1 (.xml oder .ttml) für die meisten Sprachen, mit rein prozentualer Positionierung und einer als 100% angegebenen Schriftgröße. Für Japanisch wird das eigene IMSC-1.1-Profil von Netflix genutzt.
• Amazon Prime Video akzeptiert DFXP/TTML, iTT und SRT für Untertitelspuren, sodass kleinere Produzenten TTML oft überspringen können.
• Disney+ verlangt IMSC 1.1.
• EBU-TT-D ist das Profil der Europäischen Rundfunkunion für IP-Verbreitung und DVB-DASH, eine Untermenge des IMSC 1 Text Profile.

Meine Einschätzung: Wenn kein TV-Sender und keine genannte Streaming-Plattform zu Ihrer Lieferkette gehören, brauchen Sie kein TTML. SRT und VTT decken alles andere ab.

SRT vs VTT vs TTML in einer Tabelle

Konvertieren zwischen SRT, VTT und TTML

SRT zu VTT ist nahezu verlustfrei:

1. Fügen Sie WEBVTT als erste Zeile ein, gefolgt von einer Leerzeile.
2. Ändern Sie jedes Komma vor den Millisekunden in einen Punkt: 00:00:01,000 wird zu 00:00:01.000.
3. Behalten oder entfernen Sie die laufenden Nummern.

VTT zu SRT:

1. Entfernen Sie den WEBVTT-Header.
2. Ändern Sie jeden Punkt vor den Millisekunden in ein Komma.
3. Nummerieren Sie die Cues mit 1, 2, 3, falls die VTT-Datei keine Nummern hatte.
4. Entfernen Sie Cue-Einstellungen aus den Zeitstempelzeilen; manche SRT-Parser lehnen diese ab.

Sprecher-Tags und Positionierungen gehen beim Wechsel zu SRT verloren. Der kostenlose Untertitel-Konverter erledigt beide Richtungen direkt im Browser und verarbeitet auch ASS und SSA.

SRT oder VTT zu TTML übernimmt Text und Timing, aber Sie müssen weiterhin die Profilbezeichnung, rein prozentuale Schriftgrößen und den von der Spezifikation geforderten Bildraten-Timecode-Modus ergänzen. Planen Sie nach jeder TTML-Konvertierung einen QC-Durchlauf ein. TTML zu SRT verliert Styling, Positionierung und zusätzliche Sprachspuren, was für einen YouTube-Upload oft völlig ausreicht. Wenn Untertitel nach einer TTML-Konvertierung um ein Bild versetzt sind, prüfen Sie zuerst den Timecode-Modus (SMPTE versus Medienzeit).

Transkript-Dateiformate vs. Untertitelformate

SRT und VTT sind zeitcodierte Untertiteldateien: kurze Zeilen mit Start- und Endzeiten, die ein Player auf dem Bildschirm anzeigt. Ein Transkript wird meist als Dokument gelesen und liegt daher in anderen Formaten vor:

ConvertAudioToText exportiert alle sechs Formate aus demselben Transkript. TXT ist bei jedem angemeldeten Konto kostenlos; DOCX, PDF, SRT, VTT und JSON sind bei der ersten Datei eines neuen Kontos, im Weekly Pass, in einem Guthabenpaket oder in einem kostenpflichtigen Tarif enthalten.

Untertitel aus Audio oder Video erstellen

Einmal generieren, in dem Format exportieren, das das Zielsystem verlangt

Wenn Sie mit einer Aufnahme statt einer vorhandenen Untertiteldatei starten, transkribiert der Untertitel-Generator das Audio und exportiert zeitcodierte SRT- oder VTT-Dateien. Die ersten 30 Minuten einer Datei werden kostenlos und ohne Konto transkribiert. Erstellen Sie zuerst eine SRT-Datei, wenn Sie auf mehreren Plattformen veröffentlichen, korrigieren Sie etwaige Fehler im Transkript-Editor und exportieren Sie dann VTT für Ihre eigene Website oder konvertieren Sie für einen TV-Sender in TTML. Für Text- und Timing-Korrekturen nach dem Export helfen der Untertitel-Editor sowie die Anleitung zum Erstellen einer SRT-Datei.

Das Format ist selten der Engpass. Zuschauer achten auf Genauigkeit, gut lesbare Zeilenumbrüche und das Timing. Sobald diese Punkte stimmen, dauert das Konvertieren der Formate nur Sekunden.

FAQ

Was ist der Unterschied zwischen SRT und VTT?

SRT hat keinen Header und verwendet ein Komma vor den Millisekunden (00:00:01,000). VTT muss mit einer WEBVTT-Zeile beginnen und verwendet einen Punkt (00:00:01.000). VTT unterstützt außerdem Cue-Positionierung, CSS-Styling über ::cue, Sprecher-Tags und NOTE-Kommentare. SRT funktioniert in fast jedem Player und auf jeder Plattform; VTT ist das native Format für HTML5-Video und HLS.

Ist SRT oder VTT besser?

Keines von beiden ist pauschal besser. SRT eignet sich besser für Uploads auf soziale Plattformen und für Desktop-Player, weil jedes System es liest. VTT ist besser für Videos auf der eigenen Website, HLS-Streams und Untertitel, die Positionierung oder Sprecher-Labels benötigen.

Was ist eine VTT-Datei?

Eine .vtt-Datei ist eine WebVTT-Untertiteldatei: reiner Text, der mit der Zeile WEBVTT beginnt, gefolgt von Cues, die jeweils eine Start- und Endzeit sowie den Untertiteltext enthalten. Browser lesen sie nativ über das HTML5-track-Element. Sie können die Datei in jedem Texteditor öffnen und bearbeiten.

Kann ich VTT-Dateien bei YouTube hochladen?

Ja. YouTube führt WebVTT (.vtt) neben SubRip (.srt), TTML und anderen unter den unterstützten Untertitelformaten auf, sodass vor dem Hochladen keine Konvertierung nötig ist.

Wie konvertiere ich SRT in VTT?

Fügen Sie WEBVTT als erste Zeile ein und ändern Sie dann jedes Komma vor den Millisekunden in einen Punkt, sodass aus 00:00:01,000 dann 00:00:01.000 wird. Laufende Nummern sind in VTT optional. Um zurück zu SRT zu wechseln, entfernen Sie den Header, ändern Sie Punkte in Kommas, nummerieren Sie die Cues und entfernen Sie alle Cue-Einstellungen.

Verlangt Netflix TTML oder IMSC?

Netflix verlangt TTML1 (.xml oder .ttml) für Untertitel-Lieferungen in den meisten Sprachen und sein eigenes IMSC-1.1-Profil für Japanisch. Prüfen Sie vor der Lieferung das genaue Profil in der aktuellen Netflix-Partnerdokumentation.

Kann ich SRT automatisch in TTML konvertieren?

Ja, für Timecodes und Text. Generische Konverter tragen jedoch selten die Profilbezeichnung, rein prozentuale Größenangaben oder den Bildraten-Timecode-Modus ein, den eine Streaming-Spezifikation verlangt. Führen Sie daher vor der Lieferung einen QC-Check gegen die Zielspezifikation durch.

Welches Untertitelformat sollte ich für Streaming-Videos verwenden?

Für HLS-Streaming ist WebVTT das Standard-Textspurformat, und SRT wird in HLS-Playlists nicht unterstützt. Auf Ihrer eigenen Website ist VTT das einzige Textspurformat, das Browser nativ lesen. Für Uploads auf soziale Plattformen ist SRT die sicherste Wahl.

Quellen

• YouTube-Hilfe: Unterstützte Dateien für Untertitel und erweiterte Untertitel: .srt, .sbv, .sub, .mpsub, .lrc, .cap, .smi, .rt, .vtt, .ttml, .dfxp, geprüft am 14. Oktober 2026
• Vimeo-Hilfe: Untertitel zum Video hinzufügen: SRT und WebVTT akzeptiert, WebVTT empfohlen, geprüft am 14. Oktober 2026
• W3C: WebVTT, the Web Video Text Tracks Format
• MDN: Web Video Text Tracks Format
• MDN: ::cue
• Apple: HLS Authoring Specification for Apple Devices
• Netflix Partner Help Center: Timed Text Style Guide, allgemeine Anforderungen
• Netflix Partner Help Center: Netflix IMSC 1.1 Text Profile
• Amazon Prime Video Direct: Anforderungen für Untertitel
• W3C: TTML Profiles for Internet Media Subtitles and Captions (IMSC 1.2)
• DVB: DVB-TTML-Untertitelungssysteme
• SubRip, Wikipedia
• Diskussion zum VTT-Import in DaVinci Resolve, Blackmagic Forum