Durchnummerierte Blöcke
Jede Einblendung hat eine fortlaufende Nummer. So spielen Player die Zeilen in der richtigen Reihenfolge ab und Schnittprogramme können gezielt zu einer Stelle springen.
Design
SRT-Datei aus Video oder Audio
Laden Sie Ihre Datei hoch und lassen Sie sie von KolWrite samt Zeitangaben transkribieren.
Live-Demo
Läuft im Browser.
Danach bessern Sie falsche Namen aus und exportieren eine SRT. Weil jede Zeile in der Datei eine Start- und Endzeit hat, können Schnittprogramme, Player oder Plattformen die Wörter genau dann einblenden, wenn sie gesprochen werden.
Eine SRT-Datei besteht aus reinem Text. Darin stehen durchnummerierte Einblendungen, jeweils mit Startzeit, Endzeit und den Wörtern, die im Bild erscheinen sollen. Sie lässt sich in jedem Texteditor öffnen und von fast allen Schnittprogrammen, Playern und Plattformen einlesen.
Jede Einblendung hat eine fortlaufende Nummer. So spielen Player die Zeilen in der richtigen Reihenfolge ab und Schnittprogramme können gezielt zu einer Stelle springen.
Die Zeitzeile sieht zum Beispiel so aus: 00:00:04,100 --> 00:00:07,000. Zuerst kommen Stunden, Minuten und Sekunden, und nach dem Komma die Millisekunden.
Die Wörter sind gewöhnlicher Text, auch Hebräisch und Arabisch. Speichern Sie die Datei beim Bearbeiten als UTF-8, damit jeder Buchstabe erhalten bleibt.
1
00:00:01,200 --> 00:00:03,900
Willkommen zurück in der Sendung.
2
00:00:04,100 --> 00:00:07,000
Heute sprechen wir über Untertitel.
Die Datei selbst ist in wenigen Minuten erstellt. Ob die Untertitel beim Zuschauen helfen oder stören, entscheidet ein kurzer Blick durch einen Menschen.
Die Zeitmarken kommen direkt aus der Aufnahme, sodass die Zeilen genau zum gesprochenen Wort passen. Wer Untertitel von Hand abtippt, merkt oft, dass Ton und Text mit der Zeit auseinanderlaufen.
Bei Eigennamen, Produkten und Abkürzungen vertut sich eine automatische Erkennung zuerst. Korrigieren Sie solche Wörter einmal im Transkript, bevor Sie die Datei exportieren.
Ein bis zwei kurze Zeilen pro Einblendung sind ein guter Richtwert, damit man mit dem Lesen hinterherkommt. Die Sprecherkennzeichnung zeigt Ihnen, wo ein neuer Block beginnen sollte.
Fügen Sie Ihre Video- oder Audiodatei hinzu, in der KolWrite-App, im Browser, auf dem Smartphone oder auf dem Mac. Wählen Sie die gesprochene Sprache aus oder lassen Sie KolWrite selbst erkennen, welche Sprache zu hören ist.
Wählen Sie ein Modell aus. Sie erhalten ein Transkript mit Zeitstempeln und erkannten Sprechern. Je nach Modell geht das unterschiedlich schnell und es werden unterschiedliche Dinge weggelassen.
Hören Sie in unsichere Stellen kurz hinein und bessern Sie den Text aus. Die Zeiten bleiben dabei erhalten, und alle Exporte übernehmen Ihre Korrekturen.
Laden Sie das Ergebnis als SRT herunter, oder als VTT für Web-Player. Die Datei legen Sie dann in Ihr Schnittprogramm oder laden sie zusammen mit dem Video auf Ihrer Plattform hoch. Falls Sie eine weitere Sprache brauchen, übersetzen Sie das Transkript einfach vor dem Export.
Alles, was KolWrite mit einer Aufnahme macht, steht auch über eine API bereit. Ihr eigener Code oder ein KI-Agent zum Programmieren übergibt die Adresse einer Audio- oder Videodatei. Zurück kommt das Transkript mit Zeitmarken für jedes Wort, Sprecherkennzeichnung und auf Wunsch einer SRT-Datei.
Die JSON-Antwort enthält für jedes Segment die Start- und Endzeit. Unterstützt das Modell die Ausrichtung, gilt das auch für jedes einzelne Wort. Ist die Sprechertrennung aktiv, bekommt jedes Segment außerdem ein Sprecher-Label.
Setzen Sie output_format auf srt, um Untertitel direkt aus der API abzurufen. Bei den Oracle-Modellen gibt translate_to den Text gleich in einer anderen Sprache aus.
In der API-Konsole liegen Anleitungen im Klartext bereit, die ein Agent vor dem Programmieren lesen kann: agent-instructions.md sowie llms.txt mit Links zur kompletten Referenz.
Beispielanfrage. Der Schlüssel kommt aus einer Umgebungsvariable, die vollständige Referenz steht in der Konsole.
curl -X POST https://app.kolwrite.com/transcribe \
-H "x-api-key: $KOLWRITE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio_url": "https://example.com/video.mp4", "model": "oracle", "language": "auto", "output_format": "srt"}'
# Returns {"jobId": "..."}. Poll GET https://app.kolwrite.com/transcribe/{jobId}
# until status is COMPLETED. The result is the file or the JSON you asked for.
Sie laden das Video bei KolWrite hoch, lassen es transkribieren, gleichen den Text kurz mit dem Ton ab und exportieren ihn als SRT. In der fertigen Datei hat jeder Sprechabschnitt einen eigenen nummerierten Block mit Start- und Endzeit. Diese Datei importieren Sie in Ihr Schnittprogramm oder laden sie zusammen mit dem Video auf Ihrer Plattform hoch.
Ja. Für eine SRT-Datei zählt nur das Gesprochene und wann es gesagt wird, ein Bild ist nicht nötig. Laden Sie das Audio hoch, exportieren Sie die SRT-Datei und legen Sie sie später unter die Videoversion Ihrer Folge.
Ja. Beide Sprachen laufen von rechts nach links, und die SRT-Datei speichert den Text in seiner natürlichen Schreibrichtung. Prüfen Sie das Ergebnis vor dem Veröffentlichen aber kurz in Ihrem Player oder Schnittprogramm, denn Satzzeichen und eingestreute englische Wörter in rechtsläufigen Zeilen werden je nach Programm etwas anders dargestellt.
Beides sind reine Textdateien mit zeitgesteuerten Untertiteln. SRT ist das ältere Format und wird von mehr Programmen unterstützt. VTT (WebVTT) ist das Format, das Web-Player direkt verarbeiten. Bei KolWrite können Sie beide Formate aus demselben Transkript exportieren.
Nein. Eine SRT-Datei bleibt eine eigene Datei, die vom Player oder Schnittprogramm über das Bild gelegt wird. Zuschauer können solche Untertitel meistens ein- und ausschalten. Wenn der Text fest im Bild sitzen soll, müssen Sie die Untertitel ins Video einbrennen. Auch das geht mit KolWrite.
Übergeben Sie die Video-URL an die KolWrite-API und setzen Sie output_format auf srt. Sobald der Auftrag durchgelaufen ist, speichern Sie die Antwort als .srt-Datei. In der API-Konsole liegt eine Anleitung bereit, die ein KI-Agent vorab auslesen kann.
Nehmen Sie einen Clip, in dem gesprochen wird. Exportieren Sie die SRT-Datei, legen Sie sie neben das Video und schauen Sie sich an, wie gut Zeiten und Namen passen.