SRT vs. VTT: Was ist der Unterschied, und welche Untertiteldatei solltest du nutzen?

Die kurze Antwort

Nimm SRT, wenn du Untertitel auf eine Videoplattform hochlädst und nicht sicher bist, was sie erwartet. Es ist das einfachere der beiden Formate, und YouTube, Vimeo und LinkedIn akzeptieren es alle. Nimm VTT (WebVTT), wenn die Untertitel auf einer Webseite laufen, die du selbst betreibst – in einem HTML5-Player, auf einer Kursplattform, auf deiner eigenen Website –, oder wenn du etwas brauchst, das SRT nicht ausdrücken kann, etwa einen Untertitel an den oberen Bildrand zu setzen.

Beide sind reiner Text. Beide enthalten im Kern dasselbe: eine Liste von Einträgen, jeder mit Startzeit, Endzeit und den anzuzeigenden Wörtern. Du kannst das eine in Sekunden ins andere umwandeln. Die Unterschiede sind klein, aber genau diese Details lassen einen Upload scheitern.

Was eine SRT-Datei ist

SRT steht für SubRip Subtitle. Der Name stammt von SubRip, einer kostenlosen Software, die Untertitel samt Timings von DVDs in eine Textdatei extrahiert. Jeder Eintrag besteht aus vier Teilen:

1. Eine fortlaufende Nummer, beginnend bei 1.
2. Eine Zeile mit Zeitangaben: Start- und Endzeit, getrennt durch -->, jeweils im Format Stunden:Minuten:Sekunden,Millisekunden.
3. Eine oder mehrere Zeilen Untertiteltext.
4. Eine Leerzeile, die den Eintrag abschließt.

Stunden, Minuten und Sekunden sind immer zweistellig, Millisekunden immer dreistellig – zehneinhalb Sekunden sind also 00:00:10,500. Die Vimeo-Hilfe nennt dieselbe Regel auf ihrer Seite zur Fehlerbehebung bei Untertiteldateien.

Das ist schon das ganze Format. Manche Player verstehen in SRT ein paar HTML-ähnliche Tags, etwa <i> für Kursivschrift, aber garantiert ist das nicht. YouTube zum Beispiel unterstützt nach eigener Aussage nur einfache SRT-Dateien, erkennt darin keine Formatierungsauszeichnungen und verlangt reinen UTF-8-Text.

Was eine VTT-Datei ist

VTT ist die Kurzform von WebVTT, dem Format Web Video Text Tracks, einer W3C-Spezifikation. Browser nutzen es für Untertitel, die an HTML5-Videos angehängt sind. Seine Einträge sehen denen von SRT sehr ähnlich, und es ergänzt, was ein Web-Player braucht: Positionierung, Formatierung, Kommentare und Sprecherkennzeichnung.

Eine WebVTT-Datei muss mit dem Wort WEBVTT und einer Leerzeile beginnen und in UTF-8 kodiert sein. Von einer Website ausgeliefert, hat sie den MIME-Typ text/vtt. Eintragsnummern sind optional – ein Eintrag kann eine beliebige Kennung haben oder gar keine. Zeitstempel setzen einen Punkt vor die Millisekunden, und die Stunden können entfallen, wenn sie null sind; 00:10.500 ist also gültig.

Dieselben Untertitel in beiden Formaten

Hier sind drei Einträge aus einem kurzen Tutorial, zuerst als SRT:

1
00:00:01,200 --> 00:00:03,800
Welcome back. Today we're testing
three ways to light a small room.

2
00:00:04,100 --> 00:00:06,500
The first one costs nothing:
just move the desk to the window.

3
00:00:07,000 --> 00:00:08,400
[laughs] Seriously, try it.

Und dieselben Einträge als WebVTT, mit ein paar Funktionen, die SRT nicht hat:

WEBVTT

NOTE Lighting tutorial, English captions, v2

STYLE
::cue(.sound) {
  color: yellow;
}

1
00:00:01.200 --> 00:00:03.800
<v Maya>Welcome back. Today we're testing
three ways to light a small room.

2
00:00:04.100 --> 00:00:06.500 line:10%
<v Maya>The first one costs nothing:
just move the desk to the window.

laugh
00:07.000 --> 00:08.400
<c.sound>[laughs]</c> Seriously, try it.

Die VTT-Version von oben gelesen: die vorgeschriebene Kopfzeile; ein NOTE-Kommentar, den Player ignorieren; ein STYLE-Block, der alles mit der Klasse .sound einfärbt; Sprecher-Tags, die die sprechende Person nennen; eine Eintragseinstellung (line:10%), die den zweiten Untertitel nahe an den oberen Bildrand rückt; eine Textkennung (laugh) statt einer Nummer; und ein letzter Zeitstempel ohne Stundenangabe.

Die Unterschiede, auf die es ankommt

Die Kopfzeile

Eine VTT-Datei ohne WEBVTT in der ersten Zeile ist ungültig, und ein strenger Parser lehnt sie ab. SRT hat überhaupt keine Kopfzeile; die Datei beginnt mit Eintrag Nummer 1. Deshalb funktioniert es nicht, captions.srt in captions.vtt umzubenennen: Die Kopfzeile fehlt, und die Zeitstempel verwenden weiterhin Kommas.

Zeitstempel

SRT schreibt 00:00:04,100. VTT schreibt 00:00:04.100 oder 00:04.100. Komma oder Punkt wirkt trivial, aber ein Parser, der das eine erwartet, lehnt das andere womöglich ab.

Positionierung

VTT-Eintragseinstellungen stehen in der Zeile mit den Zeitangaben, nach der Endzeit:

• line – die vertikale Position als Zeilennummer oder Prozentwert;
• position – der horizontale Einzug als Prozentwert;
• size – die Breite des Textfelds;
• align – Textausrichtung: start, center, end, left oder right;
• vertical – vertikaler Text für Schriftsysteme, die ihn benötigen;
• region – ein benannter Bereich, der in einem REGION-Block definiert ist; nützlich für scrollende Untertitel.

So schiebst du einen Untertitel aus dem Weg, wenn eine Namenseinblendung oder anderer Text im Bild steht. Einfaches SRT kann Einträge nicht positionieren.

Formatierung

VTT unterstützt Inline-Tags – Fett, Kursiv, Unterstrichen, Klassen-Spans (<c>) und Ruby-Annotationen – sowie STYLE-Blöcke mit CSS für das Pseudo-Element ::cue. Wie viel davon umgesetzt wird, entscheidet der jeweilige Player. YouTube unterstützt Positionierung in VTT-Dateien, beschränkt die Formatierung aber auf Fett, Kursiv und Unterstrichen. Wenn Untertitel überall auf eine bestimmte Weise aussehen müssen, ist die einzige verlässliche Methode, sie ins Video einzubrennen.

Kommentare, Sprecher und Sprachen

NOTE-Blöcke enthalten Kommentare – eine Notiz für die Übersetzung, eine Versionsnummer, eine Erinnerung –, die das Publikum nie sieht. Sprecher-Tags (<v Maya>) halten maschinenlesbar fest, wer spricht, und Sprachabschnitte markieren eine Passage in einer anderen Sprache. SRT kennt nichts davon: Jede Textzeile in einem SRT-Eintrag wird dem Publikum angezeigt.

Untertitel, Kapitel und Beschreibungen

Auf einer Webseite wird eine VTT-Datei mit dem Element <track> an ein Video angehängt, und ihr Attribut kind gibt an, wofür die Datei gedacht ist. Der HTML-Standard definiert fünf Arten:

• subtitles – eine Transkription oder Übersetzung der Dialoge für alle, die den Ton hören, aber nicht verstehen. Das ist der Standardwert, wenn kind fehlt.
• captions – Dialoge plus Geräuscheffekte, Musik und andere relevante Audioinhalte, für den Fall, dass der Ton nicht verfügbar oder schwer zu hören ist.
• descriptions – Textbeschreibungen dessen, was im Bild zu sehen ist, gedacht zur Ausgabe per Sprachsynthese für Menschen, die das Video nicht sehen können.
• chapters – Kapiteltitel zur Navigation im Video.
• metadata – Daten für Skripte, die dem Publikum nicht angezeigt werden.

<video controls src="lighting.mp4">
  <track kind="captions" src="lighting.en.vtt"
         srclang="en" label="English" default>
  <track kind="chapters" src="lighting.chapters.vtt"
         srclang="en">
</video>

Browser erwarten diese Dateien im WebVTT-Format, eine Website mit reinen SRT-Dateien muss sie also zuerst konvertieren. Zwei praktische Details aus der Dokumentation von MDN: srclang ist Pflicht, wenn die Art subtitles ist, und die Track-Datei muss vom selben Origin stammen wie die Seite, es sei denn, das Video-Element hat ein crossorigin-Attribut.

SRT vs. VTT im Überblick

Welche Plattform akzeptiert was

Die Anforderungen für Uploads ändern sich, prüfe also vor einem großen Stapel die Hilfeseite der Plattform. Stand: September 2026

• YouTube akzeptiert beide, neben vielen anderen Formaten. SRT-Dateien müssen schlicht und in einfachem UTF-8 gespeichert sein, ohne Formatierung; VTT-Dateien können Positionierung enthalten, die Formatierung ist auf Fett, Kursiv und Unterstrichen beschränkt. Schritt für Schritt: SRT-Datei zu YouTube hochladen.
• Vimeo akzeptiert SRT und WebVTT für Untertitel, empfiehlt WebVTT und verlangt UTF-8-Kodierung.
• Die Hilfe von LinkedIn beschreibt, wie du beim Posten eines Videos über die Desktop-Website eine SRT-Datei anhängst.
• HTML5-Video auf deiner eigenen Website nutzt WebVTT über <track>.

Kurzvideos im Hochformat sind ein anderer Fall. Auf TikTok, Instagram Reels und YouTube Shorts ist es oft praktischer, die Untertitel ins Bild einzubrennen, weil die Gestaltung dann mit dem Video mitreist – egal, in welcher App oder mit welchen Einstellungen es abgespielt wird. Die Vor- und Nachteile beschreibt Open vs. Closed Captions.

So konvertierst du zwischen beiden

SRT in VTT umwandeln

1. Füge WEBVTT als erste Zeile ein, gefolgt von einer Leerzeile.
2. Ersetze in jeder Zeile mit Zeitangaben das Komma vor den Millisekunden durch einen Punkt: Aus 00:00:04,100 wird 00:00:04.100.
3. Speichere die Datei als UTF-8 mit der Endung .vtt.

Die Eintragsnummern können bleiben; in VTT werden sie einfach zu Eintragskennungen. Ersetze Kommas nur in den Zeilen mit Zeitangaben – ein blindes Suchen und Ersetzen ändert auch jedes Komma im Untertiteltext selbst. Der kostenlose SRT-zu-VTT-Konverter erledigt alle drei Schritte für dich.

VTT in SRT umwandeln

1. Lösche die WEBVTT-Kopfzeile und alle NOTE-, STYLE- und REGION-Blöcke.
2. Nummeriere die Einträge ab 1 durch und ersetze dabei alle Textkennungen.
3. Schreibe jeden Zeitstempel vollständig als HH:MM:SS,mmm: Ergänze 00:, wo die Stunden fehlen, und ersetze den Punkt durch ein Komma.
4. Entferne Eintragseinstellungen wie line:10% am Ende der Zeilen mit Zeitangaben.
5. Entferne Sprecher-, Klassen-, Sprach-, Ruby- und Zeitstempel-Tags. Hat ein Sprecher-Tag eine Person genannt, die das Publikum kennen muss, mach daraus eine sichtbare Beschriftung.

In dieser Richtung gehen Informationen verloren – Positionen, Stile und Sprecherkennzeichnung –, behalte also die ursprüngliche VTT-Datei. Der VTT-zu-SRT-Konverter übernimmt das Neunummerieren und das Umschreiben der Zeitstempel. Kommen die konvertierten Untertitel durchgehend zu früh oder zu spät, ist das ein anderes Problem: Verschiebe alle Einträge auf einmal mit dem Tool zum Verschieben von Untertiteln.

Welches Format solltest du verwenden?

• Hochladen zu YouTube, Vimeo oder LinkedIn: SRT funktioniert auf allen dreien. Auf YouTube oder Vimeo wechselst du zu VTT, wenn du Positionierung brauchst.
• Deine eigene Website oder dein Kursplayer: VTT, eingebunden mit <track kind="captions">.
• Untertitel für Schnitt oder Übersetzung weitergeben: Frag, welche Formate die Tools dort lesen. Gibt es keine Antwort, ist SRT die sicherere Wahl.
• Eine Masterkopie aufbewahren: Exportiere beide aus demselben korrigierten Transkript, damit jede Korrektur in beiden Dateien landet.

Egal, wofür du dich entscheidest: Wörter und Timings zählen mehr als das Dateiformat. Eine perfekt formatierte Datei mit einem falsch verstandenen Namen in Eintrag 12 ist trotzdem falsch. Der SRT-Generator und der VTT-Generator von AutoCap schreiben in den Bezahltarifen beide Formate aus dem Transkript, das du korrigiert hast, mit einem eigenen Timing für jedes Wort – so widersprechen sich die beiden Dateien nie.

Fragen

Kann ich eine .srt-Datei einfach in .vtt umbenennen?

Nicht ohne Weiteres. Eine VTT-Datei braucht WEBVTT in der ersten Zeile und vor den Millisekunden einen Punkt statt eines Kommas. Ergänze die Kopfzeile und korrigiere die Zeitstempel oder nutze einen SRT-zu-VTT-Konverter.

Bevorzugt YouTube SRT oder VTT?

YouTube akzeptiert beide. SRT ist die einfachste Wahl. Nimm VTT, wenn ein Untertitel an einer anderen als der Standardposition stehen soll: YouTube unterstützt Positionierung in VTT-Dateien, ignoriert aber Formatierungsauszeichnungen in SRT-Dateien.

Welches Untertitelformat unterstützt Formatierung?

WebVTT. Es bietet Inline-Tags und CSS über STYLE-Blöcke, wobei jeder Player selbst entscheidet, wie viel davon er umsetzt. SRT hat keine standardisierte Formatierung, und YouTube ignoriert Auszeichnungen in SRT-Dateien.