SRT-Untertitel in 100 Sprachen übersetzen, technisch betrachtet
Was eine SRT-Datei wirklich enthält, wie YouTube Untertitelspuren speichert, warum das Timing die Übersetzung übersteht und drei Wege zu hundert Sprachen.
Teil des Leitfadens: YouTube-Lokalisierung: der komplette Leitfaden
Eine SRT-Datei ist das schlichteste Format im Video: nummerierte Blöcke, ein Timecode-Bereich und Textzeilen. Genau diese Schlichtheit hat sie dreißig Jahre überleben lassen, und sie ist der Grund, warum das Übersetzen von Untertiteln so gut skaliert: Das Timing ist Daten, der Text ist Daten, und nur eines von beiden muss sich ändern. So funktioniert das auf YouTube von Anfang bis Ende.
Was wirklich in einer SRT steckt
Jeder Cue besteht aus drei Dingen: einem Index, einer Start- und Endzeit und dem Text, der dazwischen angezeigt wird. Keine Schriften, keine Positionierungstricks, kein Styling, das brechen könnte. Wird so eine Datei übersetzt, bleibt jeder Timecode byteidentisch und nur die Textzeilen werden ersetzt. Deshalb erzeugt ein gut getimtes Original automatisch gut getimte Übersetzungen: Die Synchronisation wird geerbt, nicht neu gemacht.
Der ehrliche Vorbehalt: Die Textlänge wird nicht geerbt. Deutsch läuft länger als Englisch, Chinesisch kürzer. Ein Cue, getimt für eine englische Zeile mit sechs Wörtern, trägt vielleicht eine deutsche mit neun, und die Lesegeschwindigkeit leidet an den Rändern. Für die meisten Inhalte ist das akzeptabel; bei dichtem Dialog ist es die eine Stelle, die eine Stichprobe wert ist.
Wie YouTube Untertitel speichert
Auf YouTube leben Untertitel als Spuren: eine pro Sprache, am Video befestigt, in YouTube Studio sichtbar im Reiter «Untertitel». Eine Spur kann als Datei hochgeladen, von Hand getippt oder über die offizielle Data API geschrieben werden. Zuschauer wählen eine Spur im Player, und YouTube blendet die zur Sprache passende von selbst ein.
Zwei Dinge, die man erwartet und die es nicht gibt: Es existiert keine «Masterdatei», die alle Sprachen auf einmal aktualisiert, und Änderungen pflanzen sich nicht automatisch fort. Jede Spur ist unabhängig. Korrigierst du einen Tippfehler im Original, behalten die zwanzig Übersetzungen ihn, bis jede neu erzeugt oder bearbeitet wird.
Drei Wege von einer Datei zu hundert Sprachen
| Weg | So läuft es | Wo es bricht |
|---|---|---|
| Von Hand in Studio | Die Datei pro Sprache übersetzen, jede im Reiter «Untertitel» hochladen | Hundert Sprachen sind hundert Uploads. Das macht niemand zweimal |
| Generische Dateiübersetzer | Die SRT woanders übersetzen, dann trotzdem jedes Ergebnis von Hand hochladen | Halbiert die Arbeit, behält das Hundert-Upload-Problem |
| Über die YouTube API | Das Tool liest den Untertiteltext des Videos, übersetzt und schreibt jede Spur direkt ans Video | Braucht die Kanalfreigabe über Googles Zustimmungsbildschirm |
YouClicker geht den dritten Weg: Es nutzt den vorhandenen Untertiteltext des Videos als Quelle, übersetzt in die gewählten Sprachen und veröffentlicht jede als normale Spur über die Data API. Die Spuren erscheinen in Studio wie von Hand hochgeladene, und jede kostet 1 weiteren Punkt zusätzlich zum Punkt für Titel und Beschreibung dieser Sprache. Es gibt keinen separaten Dateipreis: Ein Video in 50 Sprachen mit Untertiteln sind 100 Punkte.
Woher der Quelltext kommt
Übersetzung braucht Text, nicht Audio. Hat das Video schon eine vom Creator veröffentlichte Spur in der Originalsprache, ist die die ideale Quelle. Wenn nicht, hat YouTube meist automatische Untertitel für die Originalsprache erzeugt, und die können als Quelle dienen, mit einem Haken: Erkennungsfehler darin werden treu mitübersetzt. Die Qualitätsobergrenze jeder übersetzten Spur ist die Qualität des Originaltexts, weshalb sich das einmalige Aufräumen der Original-Untertitel über alle hundert Sprachen gleichzeitig auszahlt.
Wie sich veröffentlichte Spuren von der Autoübersetzung des Players unterscheiden und wann welche reicht, ist das Thema von Hochgeladene Spuren vs. Autoübersetzung.
Eine Anmerkung zu Shorts
Alles oben gilt auch für Shorts: Sie tragen Untertitelspuren wie jedes andere Video, und Feeds spielen konstruktionsbedingt stumm ab, was dem Text im Bild mehr Last aufbürdet. Was das für wortlosen und fast wortlosen Content bedeutet, behandelt Shorts, stummer Autoplay und Untertitel.