Was bei KI-Untertiteln schiefgeht
Spracherkennung wie Whisper von OpenAI oder die automatischen Untertitel in Schnittprogrammen trifft die Wörter meist gut, aber ihre Dateien sind für Maschinen gemacht, nicht für Leser. Immer wieder dieselben Probleme:
- Zu lange Zeilen: ein ganzer Satz in einer Zeile, weit über den 42 Zeichen pro Zeile, die Richtlinien wie die von Netflix erlauben.
- Überlappende Untertitel: einer steht noch, wenn der nächste beginnt.
- Zu kurze Einblendungen: ein "Okay." für 300 Millisekunden, das niemand lesen kann.
- Wiederholte Sätze: derselbe Untertitel zweimal hintereinander, was Sprachmodelle bei Musik oder Stille manchmal erzeugen.
- Leere Untertitel: Zeiten ohne Text.
Das Beispiel oben enthält vier davon. Die Bereinigung behebt alle in einem Durchgang und sagt, wie viele sie jeweils geändert hat.
Was die Bereinigung ändert
Sie bricht langen Text in möglichst gleich lange Zeilen mit höchstens der eingestellten Zeichenzahl um; lässt jeden Untertitel 80 Millisekunden vor dem nächsten enden, etwa zwei Frames; verlängert zu kurze Untertitel bis zum eingestellten Minimum (standardmäßig 1 Sekunde), ohne in den nächsten zu ragen; führt einen Untertitel mit dem vorigen zusammen, wenn der Text gleich ist und er weniger als eine Sekunde danach beginnt; und entfernt leere. Die Wörter bleiben unverändert, und nichts wird hochgeladen.
Ein sauberer Ablauf für KI-Untertitel
- Untertitel in deinem Spracherkennungs-Werkzeug erzeugen und als SRT oder VTT exportieren.
- Hier laden, bereinigen, herunterladen.
- Einmal mit dem Video gegenlesen, um falsche Wörter zu korrigieren: Das braucht weiterhin einen Menschen.
- Ist alles zu früh oder zu spät, synchronisieren; driftet es langsam, den Bildraten-Umrechner nutzen; will die Plattform das andere Format, umwandeln.
Fragen
Wie behebe ich zu lange Zeilen in Whisper-Untertiteln?
Lade die SRT- oder VTT-Datei und lass Lange Zeilen umbrechen eingeschaltet. Jeder Untertitel wird in möglichst gleich lange Zeilen mit höchstens 42 Zeichen aufgeteilt, oder der Zahl, die du einstellst.
Warum überlappen KI-generierte Untertitel?
Spracherkennung setzt jeden Untertitel nach dem Ton und lässt nicht immer Platz vor dem nächsten. Die Bereinigung beendet jeden Untertitel 80 Millisekunden, bevor der nächste beginnt.
Ändert die Bereinigung die Wörter?
Nein. Sie ändert nur Zeilenumbrüche und Zeiten, führt exakte Wiederholungen zusammen und entfernt leere Untertitel. Die Wörter mit dem Video abzugleichen, bleibt Aufgabe eines Menschen.
Wird meine Datei hochgeladen?
Nein. Die Datei wird in deinem Browser bereinigt und verlässt dein Gerät nie.