Eine VTT-Datei ist eine Untertiteldatei im WebVTT-Format: reiner Text, keine Videodaten. Der Dateityp VTT wird in der W3C-Spezifikation WebVTT beschrieben und ist speziell dafür gedacht, Untertitel mit dem HTML5-<track>-Element in Webseiten einzubinden. Wer von einem Videotool, einer Plattform oder einem Kunden eine .vtt-Datei bekommt, braucht meistens nur zwei Dinge: sie öffnen zu können und zu verstehen, wie sie aufgebaut ist.
Was ist eine VTT-Datei?
Eine VTT-Datei ist eine Textdatei, die festlegt, welcher Untertitel-Text zu welchem Zeitpunkt in einem Video erscheint. Jede Datei beginnt mit der Kopfzeile WEBVTT, gefolgt von einer Leerzeile und dann den einzelnen Cues (Untertitel-Blöcken). Laut W3C-Spezifikation sieht ein minimaler Ausschnitt so aus:
WEBVTT
00:00:01.000 --> 00:00:04.000
Guten Morgen, hier beginnt der Untertitel.
00:00:05.500 --> 00:00:08.250 align:right size:50%
Optional: Position und Breite lassen sich pro Cue festlegen.
Jeder Cue besteht aus einer Zeitstempelzeile (Start --> Ende) und darunter dem Text, der in diesem Zeitfenster eingeblendet wird. Cues können zusätzlich eine eigene Kennung (Cue-Identifier) über der Zeitstempelzeile tragen, und die Zeitstempelzeile kann optionale Einstellungen wie align: oder size: enthalten, um Position und Breite des Untertitels zu steuern. Eine Datei kann außerdem NOTE-Blöcke enthalten, reine Kommentare, die beim Abspielen ignoriert werden.
Was ist der Dateityp VTT?
VTT ist die Dateiendung für das WebVTT-Format ("Web Video Text Tracks"). Der Dateityp ist in der W3C-Spezifikation webvtt1 beschrieben und primär dafür gedacht, externe Textspuren (Untertitel, aber auch Kapitel oder Metadaten) mit dem <track>-Element eines HTML5-<video>-Tags zu verknüpfen. Anders als ein Videoformat enthält eine VTT-Datei selbst kein Bild und keinen Ton, nur den Text und die Zeitangaben dazu.
Wie kann ich eine VTT-Datei öffnen?
Direkt: mit jedem einfachen Texteditor. Eine VTT-Datei ist reiner UTF-8-Text, es ist also kein Spezialprogramm nötig, um sie zu lesen oder von Hand zu bearbeiten. Auf dem Mac reicht TextEdit im Reintext-Modus, unter Windows Editor/Notepad, oder jeder Code-Editor. Willst du den Untertitel dagegen zusammen mit dem Video sehen, statt nur den Text zu lesen, lädst du die .vtt-Datei in einen Videoplayer oder -editor, der WebVTT unterstützt, oder bindest sie über das <track>-Element in eine Webseite ein. Dann werden die Cues zur passenden Zeit über dem Video eingeblendet.
Wie erstellt man eine VTT-Datei?
Zwei Wege, je nachdem, was du als Ausgangspunkt hast:
- Von Hand: Da VTT reiner Text ist, kannst du eine kurze Datei direkt in einem Texteditor schreiben: Kopfzeile
WEBVTT, dann Zeitstempel und Text nach dem oben gezeigten Muster, als.vttspeichern. - Aus einer Aufnahme: Hast du stattdessen ein Video oder eine Audiodatei und noch keine Untertitel, ist ein Transkriptionstool schneller, als alles von Hand abzutippen. Subanana exportiert eine Aufnahme direkt als VTT-Datei, daneben auch als SRT, TXT, DOCX, XLSX oder Markdown, einzeln oder als ZIP-Bundle mit allen sechs Formaten. Mehr dazu: Untertitel aus Video erstellen.
VTT vs. SRT: der wichtigste Unterschied
VTT und SRT (SubRip) sind beides reine Textformate für Untertitel, aber nicht austauschbar. Der praktisch wichtigste Unterschied: WebVTT trennt Millisekunden mit einem Punkt (00:00:01.000), laut W3C-Spezifikation, SRT mit einem Komma (00:00:01,000), laut Wikipedia-Artikel zu SubRip. Liest ein SRT-Parser eine VTT-Datei (oder umgekehrt), ist genau dieser Unterschied oft die Fehlerursache.
SRT fehlt außerdem die WEBVTT-Kopfzeile, und laut YouTubes eigener Hilfeseite zu Untertitelformaten führt YouTube SubRip (.srt) als „einfaches" Format (reines UTF-8, Style-Markup wird nicht ausgewertet), während WebVTT (.vtt) zu den „erweiterten" Formaten zählt: mit Positionierung, aber laut derselben Seite eingeschränktem Styling, begrenzt auf <b>, <i>, <u>. Beide Formate werden also von YouTube akzeptiert, aber nicht mit demselben Funktionsumfang.
Weitere WebVTT-eigene Syntax laut W3C-Spezifikation: Neben align: und size: kennt WebVTT auch die Cue-Einstellung line:, mit der sich die vertikale Position eines Untertitels festlegen lässt, sowie NOTE-Blöcke für Kommentare/Metadaten. Für SubRip gibt es laut Wikipedia-Artikel zu SubRip keine offizielle Spezifikation für Positionierung oder Styling; einzelne Player unterstützen dort eigene, nicht standardisierte Erweiterungen, und ein NOTE-Äquivalent beschreibt der Artikel für SubRip nicht. Laut MDN-Dokumentation zum <track>-Element muss die src eines <track>-Elements auf eine .vtt-Datei zeigen; SRT muss dafür erst umgewandelt werden.
Häufige Fragen
Wie kann ich eine VTT-Datei öffnen?
TextEdit, Editor/Notepad oder ein Code-Editor reichen, weil eine VTT-Datei reiner UTF-8-Text ist. Zum gezielten Nachschlagen eines einzelnen Cues ist das oft schneller als ein Player. Für die Vorschau zusammen mit dem Video brauchst du dagegen einen Player oder eine Webseite, die WebVTT über das <track>-Element einbindet.
Was ist eine VTT-Datei?
Eine Textdatei im WebVTT-Format, die festlegt, welcher Untertitel-Text zu welchem Zeitpunkt erscheint. Sie beginnt mit der Kopfzeile WEBVTT und enthält danach einzelne Cues mit Zeitstempel und Text. Fehlt diese Kopfzeile, ist die Datei laut Spezifikation kein gültiges WebVTT mehr, auch wenn der restliche Aufbau stimmt.
Wie erstellt man eine VTT-Datei?
Von Hand in einem Texteditor lohnt sich für kurze Untertitel. Hast du bereits eine Aufnahme, ist ein Transkriptionstool wie Subanana der schnellere Weg: es exportiert die Aufnahme direkt als .vtt-Datei, ohne dass du Zeitstempel selbst tippen musst.
Was ist der Dateityp VTT?
Die Dateiendung für das W3C-Format WebVTT ("Web Video Text Tracks"), gedacht für externe Textspuren wie Untertitel, die mit dem <track>-Element eines HTML5-Videos verknüpft werden. Anders als etwa MP4 oder MOV enthält die Datei selbst kein Bild- oder Tonmaterial, nur Text und Zeitangaben.
Transparenz: Ich betreibe Subanana, ein KI-Tool für Transkription. VTT lässt sich auch ganz ohne Subanana von Hand schreiben oder mit einem anderen Tool erzeugen. Subanana ist für den Fall gedacht, dass du bereits eine Aufnahme hast und daraus eine VTT-Datei (oder SRT, TXT, DOCX, XLSX, Markdown) exportieren willst, statt den Text selbst abzutippen.