Untertitelformate (Text gegen Bild)

Untertitel liegen in einer von zwei Familien vor. Entweder als Text mit Zeitangaben, den das Abspielgerät selbst setzt und zeichnet — SRT, SubStation Alpha, WebVTT und das Textprofil von IMSC gehören dazu. Oder als fertiges Bild mit Zeitangaben, das nur noch über das Videobild gelegt wird: die Presentation Graphics der Blu-ray, die VobSub-Spur der DVD, die Rundfunkuntertitel nach DVB. Der Unterschied zwischen beiden Familien entscheidet, was sich später noch ändern lässt und was nicht.

Ausführliche Erklärung

Ein Untertitel besteht immer aus denselben zwei Bestandteilen: einer Zeitangabe und dem, was zu dieser Zeit erscheinen soll. Die Zeitangabe ist in beiden Familien dieselbe Idee — Anfang, Ende, fertig. Der zweite Bestandteil unterscheidet sie. Bei der Textfamilie stehen dort Buchstaben, bei der Bildfamilie ein Rasterbild, auf dem die Buchstaben bereits gezeichnet sind.

Wie grundsätzlich diese Trennung ist, zeigt sich daran, dass eine Untertitelnorm sie zur Bauentscheidung macht. Das W3C hat 2020 mit IMSC 1.2 zwei Profile festgelegt, die genau diesen Schnitt abbilden: ein Textprofil, das zeitgebundenen Text ausschließlich über Unicode-Zeichen ausdrückt, und ein Bildprofil, das ihn ausschließlich über Rasterbilder ausdrückt. Die Begründung dafür steht in der Norm selbst — die klare Trennung senkt den Aufwand beim Erstellen und beim Verarbeiten, weil jedes System eindeutig sagen kann, welche Form es annimmt. Beides in einem Topf wäre für alle Beteiligten teurer.

Die Textfamilie

SRT ist das verbreitetste Format und zugleich das am schlechtesten festgelegte. Eine SRT-Datei ist reiner Text: eine laufende Nummer, die Anfangs- und die Endzeit im Format Stunden:Minuten:Sekunden,Millisekunden getrennt durch einen Pfeil, darunter der Untertiteltext, dann eine Leerzeile. Formatieren lässt sich wenig — fett, kursiv, unterstrichen und farbig, in einer von HTML abgeschauten Schreibweise, deren Darstellung jedes Abspielprogramm anders handhabt.

Eine formale Spezifikation gibt es dafür bis heute nicht. Die Library of Congress führt SRT in ihrer Formatbeschreibung als nur teilweise dokumentiert und ausdrücklich als schlecht standardisiert; zur Dokumentationslage vermerkt sie, es gebe kaum Angaben zu einer formalen Festlegung. Praktisch am wichtigsten ist eine Folge davon: Es ist auch nicht festgelegt, in welcher Zeichencodierung die Datei geschrieben ist. Ein Leseprogramm muss sie erraten. Genau daher stammen die verstümmelten Umlaute, die bei fremdsprachigen Untertiteldateien so oft auftreten.

Das Format ist ein Nebenprodukt: Es stammt aus einem Windows-Werkzeug namens SubRip, mit dem Anwender ab den frühen 2000er-Jahren Untertitel von DVDs zurückgewannen. Das W3C dankt der SubRip-Gemeinschaft namentlich, weil WebVTT auf diesem Dateiformat aufbaut.

SubStation Alpha und Advanced SubStation Alpha (SSA und ASS) sind die Antwort auf die Armut von SRT. Sie kennen benannte Stile mit Schriftart, Größe, Rand, Schatten und Ausrichtung, dazu freie Positionierung im Bild und einfache Bewegungen. Im Matroska-Container sind sie eigene Spurtypen, und die Stildefinitionen liegen in einem eigenen Feld an der Spur. Weil ein solcher Stil auf eine Schriftart verweist, die auf dem Abspielgerät fehlen kann, nimmt Matroska Schriftdateien als Anhang mit auf — die Datei bringt die Schrift also mit, mit der sie gedacht war.

WebVTT ist die Form für das Netz, festgelegt vom W3C für das <track>-Element von HTML5. Der Aufbau ist dem von SRT sehr ähnlich, was kein Zufall ist: WebVTT hieß anfangs WebSRT und war als Erweiterung genau dieses Formats gedacht. Es kennt Regionen als Teilflächen des Bildes, Kommentare und Formatierung über Stilangaben. Der Preis für die Zusatzfunktionen ist Verbreitung — WebVTT wird von weniger Geräten verstanden als das ärmere SRT.

Die Bildfamilie

Bildbasierte Untertitel liefern für jede Einblendung ein Rasterbild mit durchsichtigem Hintergrund, dazu die Zeit, zu der es erscheint und wieder verschwindet. Auf der DVD heißt das VobSub, auf der Blu-ray Presentation Graphics (PGS), im DVB-Rundfunk sind es die Untertitel nach ETSI EN 300 743. Das Bildprofil von IMSC ist die Entsprechung im Streaming.

Warum bekommt gerade die Scheibe, die technisch am meisten könnte, Untertitel als Bild? Weil die Scheibe eine Eigenschaft braucht, die kein Textformat sicher liefert: Sie muss auf jedem Abspielgerät der Welt gleich aussehen. Ein Textuntertitel wird erst im Gerät gezeichnet, und damit hängt sein Aussehen an dessen Schriften, dessen Zeilenumbruch und dessen Vorstellung von Rändern. Ein Bild hängt an nichts davon. Dieselbe Begründung steht in der IMSC-Norm hinter dem Bildprofil: Es ist für die Fälle gedacht, in denen die nötigen Schriften nicht mitgeliefert werden dürfen oder das Gerät zu wenig kann. Beides gilt für einen Blu-ray-Spieler, der auch Schriftzeichen anzeigen muss, für die er selbst keine Schrift an Bord hat.

Der Preis ist die Starrheit. Die Größe steht fest, die Schriftart steht fest, die Position steht fest, und der Text darin ist für jede Software nur eine Fläche aus Bildpunkten — nicht durchsuchbar, nicht kopierbar, nicht übersetzbar. Eine Einstellung „Untertitel größer" greift bei einer solchen Spur ins Leere.

Die Blu-ray-Spezifikation kennt daneben ein textbasiertes Untertitelformat, das im Matroska-Verzeichnis als HDMV-Textuntertitel geführt wird. In der Praxis ist es auf Handelsscheiben selten; wer eine Scheibe umpackt, findet fast immer Presentation Graphics.

Was beim Umwandeln verlorengeht

Der Weg von Text zu Bild ist einfach und einseitig. Ein Programm zeichnet den Text einmal in eine Schrift, und danach ist er eine Fläche. Alles, was den Textuntertitel ausgemacht hat — Größenwahl beim Zuschauer, Suchbarkeit, spätere Korrektur eines Tippfehlers —, ist damit weg.

Der umgekehrte Weg geht nur über Texterkennung. Genau dafür ist die Software gebaut worden, die dem verbreitetsten Textformat ihren Namen gegeben hat: SubRip liest die Untertitelbilder einer Scheibe aus, erkennt darin halbautomatisch Zeichen und schreibt das Ergebnis als SRT-Datei. Die Erkennung lässt sich anlernen, aber sie bleibt Erkennung, und drei Dinge gehen dabei regelmäßig verloren oder kaputt. Erstens ähnliche Zeichen: großes I gegen kleines l, Null gegen O, Anführungszeichen aller Art. Zweitens die Auszeichnung — kursiv gesetzte Stellen, mit denen Filme Erzählerstimmen und fremdsprachige Passagen markieren, verschwinden oder werden zu Erkennungsfehlern. Drittens die Position: Steht ein Untertitel ausnahmsweise oben im Bild, weil unten ein Schild eingeblendet wird, weiß die SRT-Datei davon nichts mehr.

Deshalb ist Umwandeln eine redaktionelle Aufgabe und kein Knopfdruck. Wer eine Scheibensammlung umpackt und die Untertitel dabei „mitnehmen" will, hat zwei ehrliche Möglichkeiten: die Bildspur unverändert mitkopieren und mit ihrer Starrheit leben, oder für die Sprachen, auf die es ankommt, eine geprüfte Textfassung besorgen und die Bildspur zusätzlich behalten.

Was ein Gerät können muss

Ein Abspielgerät braucht für jede Familie etwas anderes, und beides kann einzeln fehlen. Für Bilduntertitel muss es die Spur entpacken und über das Bild legen können; Schriften braucht es dafür keine. Für Textuntertitel muss es die Spur lesen, den Text umbrechen, positionieren und in einer eigenen Schrift zeichnen — und je reicher das Format, desto mehr davon. SRT beherrschen fast alle Zuspieler, Fernseher und Netzwerkspieler. Bei Advanced SubStation Alpha wird es dünn: Viele Geräte lesen die Spur, ignorieren aber Stile, Positionen und die im Container mitgelieferten Schriften — der Untertitel erscheint dann in der Hausschrift des Geräts an der Stelle, die es für richtig hält. Das ist kein Fehler der Datei.

Häufiges Missverständnis

„Untertitel sind doch Text." Das ist die naheliegende Annahme, und bei der Scheibe im Regal stimmt sie fast nie. Wer einen Film von der Blu-ray auf den Netzwerkspeicher legt und sich hinterher wundert, warum die Untertitel klein bleiben und sich nicht durchsuchen lassen, ist dieser Annahme aufgesessen. Die Prüfung dauert einen Moment: Lässt sich die Schriftgröße der Untertitel im Abspielprogramm ändern, ist es Text; bleibt die Einstellung wirkungslos, ist es ein Bild.

„SRT ist ein Standard." SRT ist verbreitet, das ist etwas anderes. Es gibt keine belastbare Spezifikation, keine festgelegte Zeichencodierung und keine verbindliche Aussage darüber, welche Auszeichnungen ein Abspielprogramm beachten muss. Was auf einem Gerät kursiv erscheint, kann auf dem nächsten als sichtbare spitze Klammer im Text landen. Die Verbreitung von SRT ist ein Vorteil bei der Kompatibilität und keine Zusicherung über das Ergebnis.

Nicht zu verwechseln mit

• Containerformat: die Hülle, die Bild-, Ton- und Untertitelspuren zusammenhält. Sie legt fest, welche Untertitelarten sie aufnehmen kann, ist aber selbst keine — zum Containerformat.
• Eingebrannte Untertitel: Sie sind beim Codieren fest ins Videobild gerechnet worden und damit gar keine eigene Spur. Sie lassen sich weder abschalten noch umschalten, und keine der beiden Familien beschreibt sie.
• Untertitel für Hörgeschädigte: Sie schreiben zusätzlich Geräusche und Sprecherwechsel mit. Das ist eine Frage des Inhalts und unabhängig davon, ob die Spur als Text oder als Bild vorliegt.
• Schriftdatei im Container: Ein Matroska-Container kann Schriften als Anhang mitführen, damit ein Stil so aussieht wie gedacht. Die Schrift ist die Voraussetzung der Darstellung und nicht der Untertitel.
• Bildskalierung: die Größenänderung des Videobildes. Sie ändert an einer Untertitelspur nichts — zur Bildskalierung.

In der Planung

Ein Haushalt legt seine Scheibensammlung auf einen Netzwerkspeicher und spielt sie künftig über einen Zuspieler im Kino ab. Zwei Personen im Haushalt sehen fast alles mit Untertiteln, eine davon möchte sie deutlich größer haben als voreingestellt.

Zuerst wird eine Frage nach dem Anspruch beantwortet, keine nach dem Format: Sollen die Untertitel später noch einstellbar sein — oder reicht es, dass sie so aussehen wie auf der Scheibe? Von dieser einen Antwort hängt der ganze Rest ab. Wer sie nicht ausspricht, kopiert die Scheiben unverändert um, was technisch sauber ist, und stellt Monate später fest, dass sich an der Schriftgröße nichts machen lässt.

Reicht das Aussehen der Scheibe, wird die Bildspur unverändert mitkopiert; das ist verlustfrei, schnell und für Sprachen ohne lateinische Schrift oft die einzig vernünftige Wahl. Sollen die Untertitel einstellbar sein, braucht es für die zwei oder drei Sprachen, auf die es wirklich ankommt, eine Textspur — entweder aus einer geprüften Quelle oder über eine Texterkennung mit anschließender Korrekturlesung. Der Aufwand dafür wird fast immer unterschätzt: Es ist Redaktionsarbeit je Titel, nicht ein Stapellauf über die Sammlung. Die Bildspur bleibt in beiden Fällen zusätzlich in der Datei, weil sie nichts kostet, was knapp wäre.

Der Zuspieler wird zum Schluss ausgesucht, und ein Blick ins Datenblatt reicht dafür nicht. Die Zeile „Untertitel: SRT, PGS" sagt noch nichts darüber, ob sich die Schriftgröße einstellen lässt, ob Stile beachtet werden und ob eine im Container mitgelieferte Schrift verwendet wird. Diese drei Punkte entscheiden in diesem Haushalt darüber, ob die Entscheidung von vorhin im Wohnzimmer ankommt.

Verknüpfte Inhalte

Wie Untertitelspuren neben Bild und Ton in einer Datei liegen und was beim Umpacken passiert, steht bei Containerformat; was in der Bildspur selbst steckt, bei Videocodec. Warum Untertitel bei einem Zoom auf Breitbild aus dem Bild wandern können, klärt Zoom und Overscan. Für das Kino gehört der Untertitel als eigene Datei zum Filmpaket — nachzulesen bei DCI und DCP. Welche Möglichkeiten Scheibe und Dienst sonst noch unterscheiden, steht bei UHD-Blu-ray gegen Streaming.

Quellen

Aufbau, Formatierungsumfang und Normungslage von SRT — einschließlich der fehlenden formalen Festlegung und der fehlenden Zeichencodierung — sowie die Arbeitsweise der SubRip-Software mit halbautomatischer Texterkennung stammen aus der Formatbeschreibung der Library of Congress zum SubRip-Untertitelformat in der Fassung vom 27. Mai 2025. Die Angaben zu WebVTT, seiner Festlegung durch die Timed Text Working Group des W3C, seiner Herkunft aus SRT und seiner geringeren Geräteunterstützung stammen aus der Formatbeschreibung derselben Einrichtung zum Web Video Text Tracks Format in der Fassung vom 27. Juni 2026; die namentliche Danksagung an die SubRip-Gemeinschaft wird dort aus der WebVTT-Empfehlung des W3C wiedergegeben. Beide Beschreibungen sind über den Browser-Kanal gelesen worden, weil der reguläre Abruf mit HTTP 403 antwortete.

Die Aufteilung der Matroska-Untertitelspuren in textbasierte und bildbasierte Kennungen, die Ablage der SSA- und ASS-Stile an der Spur sowie die Einordnung von VobSub, DVB-Untertiteln, Presentation Graphics und den HDMV-Textuntertiteln stammen aus dem Verzeichnis der Codec-Kennungen zur Matroska-Spezifikation. Die zwei Profile von IMSC 1.2, ihre Beschränkung auf Unicode-Zeichen beziehungsweise Rasterbilder und die Begründung des Bildprofils mit nicht lieferbaren Schriften und begrenzten Darstellungsfähigkeiten stammen aus der W3C-Empfehlung vom 4. August 2020. Bezeichnung und Fassungsstand der DVB-Untertitelnorm ETSI EN 300 743 in der Fassung V1.6.1 vom Juli 2018 sind über die Fundstellenliste erfasst; der Normtext selbst wurde nicht eingesehen.