So erstellst du zweisprachige Untertitel: Zwei Sprachen in einer SRT- oder VTT-Datei

Um zweisprachige Untertitel zu erstellen, brauchst du eine zeitgesteuerte Untertiteldatei, eine Übersetzung davon mit denselben Zeitangaben und einen Cue pro Moment, der beide Sprachen enthält: zuerst die Originalzeilen, dann die übersetzten Zeilen, unter einem Zeitstempel. Jeder Übersetzer, der eine zweisprachige Datei schreibt, erledigt das für dich, und ein Zusammenführungstool macht es, wenn du bereits zwei Dateien hast. Reines SRT benötigt dafür keine spezielle Syntax.

Die Datei zu erstellen ist der einfache Teil. Der schwierigere Teil ist, dass die Zeitangaben für eine Sprache geschrieben wurden. Ein Cue, in den zwei Zeilen Englisch passen, muss nun vier Zeilen in denselben wenigen Sekunden über demselben Bild unterbringen. Deshalb widmet sich dieser Leitfaden hauptsächlich dem, was nach dem Zusammenführen korrigiert werden muss.

Wir haben eine Testdatei mit 12 Cues erstellt, spanische, chinesische und arabische Versionen produziert und einen kostenlosen Prüfer geschrieben. Die Dateien stammen aus BookTranslators eigenem Code zum Schreiben von Untertiteln, lokal ausgeführt. Die Übersetzungen haben wir von Hand geschrieben, statt ein Modell aufzurufen, damit diese Tests zeigen, was mit der Datei passiert, nicht wie gut eine Übersetzung ist. Die README enthält die Details. Der Prüfer benötigt Python 3 und sonst nichts.

Kurzantwort: So sieht ein zweisprachiger Cue aus

2
00:00:03,400 --> 00:00:06,600
There's another one at six,
but the station closes at midnight.
Hay otro a las seis,
pero la estación cierra a medianoche.

Das ist gültiges SRT. Jeder Cue behält seine Nummer und seinen Zeitstempel, und jede Textzeile unter dem Zeitstempel erscheint gemeinsam auf dem Bildschirm. WebVTT funktioniert genauso.

Wähle zuerst das Setup

Für zwei Spuren bietet mpv die Option --secondary-sid. Laut Handbuch wird die zweite Spur standardmäßig oben auf dem Bildschirm gezeichnet, wodurch die Sprachen getrennt bleiben. Wir haben mpv nicht selbst getestet.

Zum Einbrennen benötigt der Untertitel-Filter von FFmpeg eine Build mit libass. Das FFmpeg 9.0.1, das wir für diesen Test installiert haben, hatte es nicht, also führe ffmpeg -filters | grep subtitles aus, bevor du damit planst. Wir haben das Einbrennen nicht getestet.

Schritt 1: Zwei Sprachen in eine Datei bringen

Wenn du eine Datei hast, übersetze sie mit einem Tool, das eine duale Datei schreibt. BookTranslator macht das für jede SRT- und VTT-Aufgabe: Du erhältst eine übersetzte Datei und eine zweisprachige Datei mit denselben Zeitstempeln, und du kannst direkt beim Untertitel-Übersetzer starten. Wenn du zuerst ein Tool auswählen musst, lies unseren Vergleich von Untertitel-Software.

Wenn du zwei Dateien hast, paare sie nach Zeit, nicht nach Cue-Nummer. Hier geht beim Zusammenführen schief, weil zwei Spuren desselben Videos ihre Zeilen selten gleich aufteilen. Unsere zweite spanische Spur teilt zwei lange Cues in der Mitte und lässt den Soundeffekt, das Jahr und die Musik weg.

python3 check_bilingual_subs.py merge sample-source.srt sample-es-own-timing.srt -o merged.srt

Das Paaren nach Cue-Nummer (die Option --index des Skripts) führte bei 10 der 12 Cues zu Fehlern, beginnend bei Cue 2, wo die Hälfte des Spanischen fehlte. Bei Cue 3 gehörte die Übersetzung zu einer anderen Zeile:

3
00:00:06,800 --> 00:00:08,000
So where do we wait?
pero la estación cierra a medianoche.

Das Paaren nach Zeit ergab die richtige Übersetzung unter 9 Cues, ließ die 3 Cues ohne Spanisch in Ruhe und meldete die eine spanische Zeile, die zu nichts passte, sodass du sie von Hand platzieren kannst. Das Skript ordnet einen Cue der zweiten Spur dem Cue der ersten Spur zu, mit dem er sich am meisten überschneidet, sofern dieser mindestens die Hälfte seiner Länge abdeckt. Tools wie submerger führen ebenfalls Dateien zusammen; wir haben sie nicht getestet. Was auch immer du verwendest, prüfe die Cues nach der ersten Teilung stichprobenartig.

Schritt 2: Die Datei prüfen

python3 check_bilingual_subs.py check sample-source.srt sample-es-bilingual.srt --max-target-cps 17

Es vergleicht die zweisprachige Datei mit der Quelle und geht davon aus, dass die Originalzeilen zuerst kommen, also führe es aus, bevor du die Reihenfolge tauschst. Es warnt dich, wenn die oberen Zeilen nicht mit der Quelle übereinstimmen. Das hat es in der spanischen Datei gefunden:

Die Cues 6 und 12 kamen ebenfalls mit vier Zeilen zurück. Die anderen vier Cues waren in Ordnung.

Die Grenzwerte für Geschwindigkeit und Zeilenlänge stammen von Netflix, weil seine Zahlen öffentlich und spezifisch sind und sich je nach Sprache unterscheiden. Sein englischer Leitfaden erlaubt 42 Zeichen pro Zeile, zwei Zeilen und bis zu 20 Zeichen pro Sekunde für Erwachsenenprogramme. Sein Leitfaden für lateinamerikanisches Spanisch erlaubt 17 Zeichen pro Sekunde für übersetzte Untertitel, und sein Leitfaden für vereinfachtes Chinesisch erlaubt 16 Zeichen pro Zeile und 9 pro Sekunde. Verwende also --max-target-line 16 --max-target-cps 9 für Chinesisch. Diese Leitfäden decken jeweils eine Sprache ab, mit höchstens zwei Zeilen. Uns ist kein entsprechender Standard für zwei Sprachen in einem Cue bekannt, daher sind die Standardeinstellung des Prüfers von drei Zeilen auf dem Bildschirm und alles im nächsten Abschnitt unsere Einschätzung.

Der Prüfer gibt außerdem eine kombinierte Zahl aus, die bei Cue 9 43,3 Zeichen pro Sekunde erreichte. Versuche nicht, diese Zahl zu korrigieren. Niemand liest jedes Zeichen beider Sprachen mit voller Aufmerksamkeit. Betrachte sie als Hinweis auf die Cues, die es sich anzusehen lohnt.

Schritt 3: Die Vier-Zeilen-Cues korrigieren

So viel kosten vier Zeilen. In der integrierten Untertitelanzeige von Chromium bei 1280x720 nahm der zweizeilige englische Cue 10,6 % der Bildhöhe ein, und derselbe Cue mit hinzugefügtem Spanisch nahm 21,9 % ein.

Gehen Sie die markierten Cues in dieser Reihenfolge durch:

1. Behalten Sie die Audiosprache Wort für Wort. Wenn Zuschauer das Original hören und im Text mitlesen, passt eine gekürzte Originalfassung nicht mehr zu dem, was sie hören.
2. Kürzen Sie die andere Sprache auf eine Zeile. Unser Cue 2 geht von 17,8 Zeichen pro Sekunde auf 13,1, wenn das Spanisch zu A las seis hay otro; cierran a medianoche. wird. Das sind drei Zeilen auf dem Bildschirm statt vier, und beide Fakten bleiben erhalten.
3. Fügen Sie nur Zeit hinzu, wenn eine Lücke vorhanden ist. Prüfen Sie den Start des nächsten Cues, bevor Sie eine Endzeit verschieben. Cue 2 hat 0,2 Sekunden übrig, was den Aufwand nicht lohnt.
4. Lassen Sie den Rest dann in Ruhe. Cue 9 ist You knew? / Since March. in 1,2 Sekunden. Er überschreitet die Geschwindigkeits- und Zeilenlimits, aber wir würden ihn lassen: Die 0,2-Sekunden-Lücke danach ist zu klein, um zu helfen, und ein Zuschauer kann zwei kurze Antworten wahrscheinlich auf einen Blick erfassen. Nicht jede Markierung ist ein Fehler.

Bei langen einzelnen Zeilen wie Cue 10 brechen Sie jede Sprache nur dann in zwei Zeilen um, wenn der Cue die Zeit dafür hat. Andernfalls kürzen Sie die Übersetzung.

Wenn Sie die Anzeige kontrollieren, können Sie auch eine Sprache leichter erkennbar machen. Führen Sie to-vtt aus, um jeder Sprache eine eigene Klasse zu geben. Die resultierende Datei wurde in Chromium mit dem Englischen in 80 % Größe und in Hellgrau gerendert. Das spart kaum Platz (21,1 % der Bildhöhe statt 21,9 %), ist also kein Ersatz für das Kürzen einer Zeile. Wir haben nicht getestet, ob es Menschen beim Lesen hilft.

Dies nutzt WebVTT-Cue-Klassen und den ::cue()-Selektor. Es ist für Browser gedacht. Andere Player ignorieren möglicherweise die Stile oder die VTT-Datei.

Schritt 4: Entscheiden Sie, welche Sprache oben steht

Dazu gibt es einige Forschung. In einer Eye-Tracking-Studie von 2026 mit 42 spanischen Muttersprachlern, die Englisch als Zweitsprache sprechen, verbrachten die Zuschauer mehr Zeit mit der oberen Zeile, egal in welcher Sprache sie war, und sie verbrachten mehr Zeit mit der Zeile, die zum Audio passte. Die Verständniswerte waren höher, wenn Spanisch, ihre Erstsprache, oben stand. Eine frühere Studie mit 112 chinesischen Englischlernenden ergab, dass zweisprachige Untertitel das Verständnis ebenso stark förderten wie Untertitel nur in ihrer Erstsprache, und beide waren besser als englische Untertitel oder keine Untertitel.

Dies sind einzelne Studien zu bestimmten Zuschauergruppen, betrachten Sie sie also als Ausgangspunkt:

• Einen Film oder eine Vorlesung inhaltlich verfolgen: Setzen Sie die Sprache, die Sie am besten lesen, nach oben.
• Eine Sprache üben, die Sie lernen: Setzen Sie diese Sprache nach oben und akzeptieren Sie, dass Sie möglicherweise etwas weniger verstehen. Die Studie von 2026 hat Verständnis gemessen, nicht Lernen, daher ist dies unsere Einschätzung.
• Eine Übersetzung prüfen: Die Reihenfolge spielt kaum eine Rolle, lassen Sie sie also.

Die zweisprachige Datei von BookTranslator setzt das Original immer nach oben. So tauschen Sie es aus:

python3 check_bilingual_subs.py flip sample-source.srt sample-es-bilingual.srt -o translation-on-top.srt

Was falsch zurückkommt und wie man es behebt

Diese Ergebnisse stammen aus der Ausführung von BookTranslators Untertitelcode mit unseren Testdateien, und der Prüfer markiert die ersten beiden.

• Text, der keine Übersetzung braucht, erscheint zweimal. 1984 und ♪ ♪ werden übersprungen, da sie keine zu übersetzenden Wörter enthalten, sodass die zweisprachige Datei jede Angabe zweimal ausgibt. Löschen Sie eine Zeile von Hand.
• ' kann im Text erscheinen. Stand November 2026 kann ein Cue mit Formatierungs-Tags und einem Apostroph mit maskiertem Apostroph zurückkommen. Unsere ursprüngliche Zeile wurde in der zweisprachigen Datei zu <i>Don&apos;t answer that.</i>, und in einem separaten VTT-Test wurde eine französische Übersetzung auch in der übersetzten Datei zu <i>Je n&apos;attendrai pas.</i>. Chromium dekodierte es in VTT und zeigte einen normalen Apostroph. Als wir die SRT jedoch mit FFmpeg konvertierten, blieb ' im Ausgabetext, gehen Sie also davon aus, dass einige Player es wörtlich anzeigen. Ersetzen Sie ' durch ', bevor Sie die Datei verwenden. Wir haben dies unseren Entwicklern gemeldet.
• VTT-Cue-Einstellungen werden entfernt. Positionseinstellungen wie line:0 align:start position:10% und NOTE-Blöcke fehlten in unserer VTT-Testausgabe, und Sprecherbezeichnungen erschienen in beiden Zeilen. Wenn Ihr VTT auf Platzierung angewiesen ist, fügen Sie sie nach der Übersetzung wieder hinzu.
• Rechts-nach-links-Text wird Zeile für Zeile markiert. Arabische Zeilen kamen in Unicode-Richtungsmarkierungen eingebettet zurück. Wir haben nur einen Cue in einer VTT-Kopie der Datei in Chromium angesehen, und er wurde von rechts nach links angezeigt. Zeilen, die Arabisch mit Zahlen mischen, wie unser Cue 10, sind der schwierigere Fall, und die haben wir nicht angesehen, also teste in deinem tatsächlichen Player. SRT bietet keine andere Möglichkeit, die Richtung festzulegen. Unser Leitfaden für Rechts-nach-links-Sprachen behandelt die weiterreichenden Fragen bei Büchern.

Wenn deine Quelle ASS oder SSA ist, fügt die zweisprachige Ausgabe von BookTranslator die übersetzte Zeile als zweites Ereignis mit demselben Stil und Timing hinzu, was eine andere Struktur darstellt. Unser ASS-Untertitel-Leitfaden erklärt, wie diese Dateien aufgebaut sind. Wenn akzentuierte Zeichen in einer der beiden Sprachen fehlerhaft aussehen, liegt das Problem normalerweise an der Kodierung der Datei, die unser Leitfaden zur Untertitelkodierung behandelt.

Bevor du die Datei teilst

1. Führe den Prüfer aus und gehe jeden markierten Cue durch.
2. Finde ', & und " und ersetze sie.
3. Lösche doppelte Zeilen bei Soundeffekten, Zahlen und Musik.
4. Sieh dir die geschäftigsten paar Minuten im Player an, den deine Zuschauer verwenden werden, und auf der Bildschirmgröße, die sie verwenden werden.
5. Prüfe, dass die unteren Zeilen keinen Text im Video überdecken.
6. Lies die Übersetzung im Kontext. Unser KI-Untertitel-Workflow behandelt, wie man sie überprüft.

Hast du eine SRT- oder VTT-Datei bereit? Lade sie beim Untertitel-Übersetzer hoch und sieh dir den Preis an, bevor du bezahlst. Wenn er fertig ist, lade die zweisprachige Datei zusammen mit der übersetzten herunter. Führe dann den Prüfer darauf aus, denn die Zeilenanzahl in einem echten Auftrag hängt davon ab, wie das Modell jeden übersetzten Cue aufteilt.