Untertitel aus Audio kostenlos generieren (Browser-basiertes KI-Tool)

Die Erstellung von Untertiteln erforderte früher teure Software, manuelle Transkriptionsdienste oder umständliche Desktop-Anwendungen, die Ihre Dateien auf entfernte Server hochluden. Im Jahr 2026 hat IntlPull AI die Untertitelgenerierung revolutioniert – und jetzt läuft es vollständig in Ihrem Browser.

Dieser Leitfaden zeigt Ihnen, wie Sie professionelle Untertitel aus jeder Audio- oder Videodatei mit IntlPulls kostenlosem IntlPull AI Browser-Tool generieren. Keine Uploads. Keine Datenschutzbedenken. Keine Kosten. Einfach ziehen, ablegen und warten.

Die Untertitelgenerierungs-Revolution

Was hat sich geändert?

Drei technologische Durchbrüche kamen zusammen, um browser-basierte Untertitelgenerierung möglich zu machen:

1. OpenAI Whisper (2022-2024): Modernste Spracherkennungsmodelle (der Motor hinter IntlPull AI)
2. WebAssembly (WASM) + WebGPU: Browser können jetzt KI-Modelle mit nahezu nativer Geschwindigkeit ausführen
3. Transformer.js (2023-2026): JavaScript-Bibliothek, die KI-Modelle für Browser-Inferenz verpackt

Das Ergebnis: Sie können jetzt Untertitel aus einem 2-Stunden-Video generieren, ohne ein einzelnes Byte auf einen Server hochzuladen.

Warum das wichtig ist

Datenschutz: Medizinische Interviews, Unternehmensschulungen, vertrauliche Inhalte – keine dritte Partei sieht jemals Ihre Dateien.

Kosten: Keine Minutenpreise. Generieren Sie kostenlos Untertitel für 1.000 Stunden Inhalt.

Geschwindigkeit: Keine Upload/Download-Latenz. Auf moderner Hardware (M1 Mac, neuere GPUs) läuft die Generierung schneller als Echtzeit.

Barrierefreiheit: Funktioniert offline nach initialem Modell-Download. Perfekt für eingeschränkte Netzwerke.

---

Wie browser-basiertes IntlPull AI funktioniert

Hier ist die High-Level-Architektur:

1. Benutzer lädt Audio-/Videodatei hoch
   ↓
2. FFmpeg.wasm extrahiert Audiospur (bei Video)
   ↓
3. Audio zu 16kHz Mono WAV konvertiert (Whispers Eingabeformat)
   ↓
4. IntlPull AI verarbeitet Audio in Chunks
   ↓
5. Modell gibt Transkription mit Zeitstempeln aus
   ↓
6. JavaScript formatiert Ausgabe als SRT oder VTT
   ↓
7. Benutzer lädt Untertiteldatei herunter

Alles passiert im Speicher Ihres Browsers. Die Audiodatei verlässt niemals Ihr Gerät.

Modellauswahl

IntlPulls Tool bietet zwei IntlPull AI-Modelle:

WER (Word Error Rate): Niedriger ist besser. 90% WER = 9 von 10 Wörtern korrekt.

Empfehlung:

• Englische Inhalte, Geschwindigkeitspriorität → whisper-tiny.en
• Mehrsprachige Inhalte, Qualitätspriorität → whisper-small
• 1-Stunden-Video, M1 MacBook Pro:
  • Tiny-Modell: ~6 Minuten Generierungszeit
  • Small-Modell: ~20 Minuten Generierungszeit

---

Schritt-für-Schritt: Generieren Sie Ihre erste Untertiteldatei

Schritt 1: Auf das Tool zugreifen

Navigieren Sie zu intlpull.com/tools/subtitles/generate

Kein Konto oder Anmeldung erforderlich.

Schritt 2: Browser-Kompatibilität prüfen

Empfohlene Browser:

• ✅ Chrome/Edge 113+ (beste WebGPU-Unterstützung)
• ✅ Firefox 121+ (WebGPU in Config aktiviert)
• ⚠️ Safari 17+ (WebGPU experimentell, langsamer)

Hardware-Beschleunigung:

• WebGPU verfügbar: Nutzt Ihre GPU für 5-10x schnellere Verarbeitung
• Fallback auf WASM SIMD: Langsamer, aber funktioniert auf jedem modernen Gerät

Das Tool erkennt automatisch Ihre Browser-Fähigkeiten und wählt die schnellste Ausführungsmethode.

Schritt 3: Ihre Datei hochladen

Per Drag & Drop oder Klick hochladen:

• Audioformate: MP3, WAV, FLAC, AAC, OGG, M4A
• Videoformate: MP4, MKV, AVI, MOV, WEBM
• Dateigrößenlimit: 2GB (ca. 10 Stunden Video)

Videodateien: Das Tool extrahiert automatisch die Audiospur mit FFmpeg.wasm. Original-Video wird nie in den Speicher geladen (zu groß).

Schritt 4: Generierungseinstellungen konfigurieren

Sprachauswahl

Wenn Sie Ihre Audiosprache kennen, wählen Sie sie aus dem Dropdown:

• Englisch (Standard)
• Spanisch (Español)
• Französisch (Français)
• Deutsch (Deutsch)
• Mandarin-Chinesisch (中文)
• Japanisch (日本語)
• Koreanisch (한국어)
• Und 90+ weitere Sprachen

Warum Sprache angeben? Whisper funktioniert besser, wenn das Modell die erwartete Sprache kennt. Auto-Erkennung funktioniert, ist aber etwas weniger genau.

Modellauswahl

• IntlPull AI Tiny (nur Englisch, schneller)
• IntlPull AI Small (mehrsprachig, bessere Genauigkeit)

Erstbenutzer: Das Modell wird einmal heruntergeladen und im Browser zwischengespeichert. Nachfolgende Verwendungen sind sofort.

Ausgabeformat

• SRT (SubRip): Kompatibelste Format, funktioniert auf YouTube/Vimeo/VLC
• VTT (WebVTT): HTML5-Videoplayer, bessere Barrierefreiheit-Features

Siehe unseren Format-Vergleichsleitfaden für Details.

Erweiterte Optionen

Zeitstempel-Granularität:

• Wort-Ebene (Standard): Ein Untertitel pro Phrase (2-5 Wörter)
• Satz-Ebene: Ein Untertitel pro Satz (bessere Lesbarkeit, aber längere Anzeigezeit)

Interpunktion:

• Auto-Interpunktion (empfohlen): KI fügt Kommas, Punkte, Fragezeichen hinzu
• Rohe Transkription: Keine Interpunktion (nützlich für technische Transkription)

Sprecher-Diarisierung (experimentell):

• Aktiviert: Versucht verschiedene Sprecher zu identifizieren und zu kennzeichnen
• Deaktiviert: Alle Transkription als einzelner Sprecher behandelt

Hinweis: Sprecher-Diarisierung fügt ~20% Verarbeitungszeit hinzu und erfordert das Small-Modell.

Schritt 5: Untertitel generieren

Klicken Sie auf "Untertitel generieren".

Was als nächstes passiert:

1. Modell-Laden (nur beim ersten Mal): Lädt AI-Modell herunter und speichert es (30-90 Sekunden)
2. Audio-Extraktion (nur Videodateien): FFmpeg extrahiert Audiospur (5-15 Sekunden)
3. Audio-Vorverarbeitung: Konvertiert zu 16kHz Mono WAV (1-5 Sekunden)
4. Transkription: IntlPull AI verarbeitet Audio in 30-Sekunden-Chunks mit Fortschrittsbalken
5. Nachbearbeitung: Formatiert Zeitstempel, wendet Interpunktion an, validiert SRT/VTT-Struktur

Fortschrittsanzeige: Echtzeit-Fortschrittsbalken zeigt:

• Aktuell verarbeiteter Chunk
• Geschätzte verbleibende Zeit
• Verarbeitungsgeschwindigkeit (Echtzeit-Verhältnis)

Leistungstipp: Schließen Sie andere Browser-Tabs während der Verarbeitung, um verfügbare RAM- und GPU-Ressourcen zu maximieren.

Schritt 6: Überprüfen und bearbeiten

Nach Abschluss der Generierung zeigt das Tool:

• Nebeneinander-Vorschau: Audio-Wellenform + generierte Untertitel
• Inline-Editor: Klicken Sie auf einen Untertitel, um Text oder Timing zu bearbeiten
• Wiedergabe-Sync: Klicken Sie auf einen Untertitel, um zu diesem Zeitstempel im Audio zu springen

Häufig benötigte Bearbeitungen:

1. Eigennamen: KI kann Namen, Marken, Fachbegriffe falsch schreiben
   • Beispiel: "open AI" → "OpenAI"
2. Homophone: Wörter, die gleich klingen, aber unterschiedliche Bedeutungen haben
   • Beispiel: "das" vs "dass"
3. Interpunktion: Gelegentlich fehlt oder fügt falsche Interpunktion hinzu
4. Zeilenumbrüche: Für Lesbarkeit anpassen (max. 2 Zeilen pro Untertitel)

Bearbeitungs-Shortcuts:

• Tab: Zum nächsten Untertitel wechseln
• Shift+Tab: Zum vorherigen Untertitel wechseln
• Strg+S: Änderungen speichern
• Leertaste: Audio abspielen/pausieren

Schritt 7: Ihre Untertitel herunterladen

Klicken Sie auf "SRT herunterladen" oder "VTT herunterladen", um die Datei zu speichern.

Dateinamen-Konvention: Hängt automatisch Sprachcode an:

• Original: video.mp4
• Generiert: video.de.srt

Testen Sie Ihre Untertitel:

1. Öffnen Sie Ihr Video in VLC Media Player
2. Ziehen Sie die SRT/VTT-Datei auf VLC
3. Untertitel sollten sich automatisch synchronisieren und anzeigen
4. Überprüfen Sie Genauigkeit für erste 2-3 Minuten

Wenn das Timing abweicht, verwenden Sie IntlPulls Untertitel-Sync-Tool, um global anzupassen.

---

Tipps für bessere Untertitelgenerierungs-Ergebnisse

1. Audioqualität ist alles

Optimales Audio:

• Klare Sprecherstimme
• Minimale Hintergrundgeräusche
• Konsistente Lautstärkepegel
• Keine überlappenden Sprecher

Problem-Audio:

• Starke Musik/Soundeffekte
• Echo oder Nachhall
• Mehrere gleichzeitige Sprecher
• Niedrige Bitrate-Kompressionsartefakte

Vorverarbeitungs-Tipp: Wenn Ihr Audio verrauscht ist, führen Sie es zuerst durch einen Rauschunterdrückungsfilter (Audacitys "Rauschunterdrückung" ist kostenlos).

2. Hintergrundmusik handhaben

Whisper transkribiert manchmal Hintergrundmusik-Texte als Sprache. Lösungen:

• Nur-Musik-Abschnitte: Untertitel während Intro/Outro-Musik manuell löschen
• Audio-Bearbeitung: Audio-Editor verwenden, um Musik während Sprache abzusenken
• Nachgenerierungs-Bereinigung: Suchen/Ersetzen verwenden, um häufige Musiktranskriptionsfehler zu entfernen

3. Mehrsprachiger Inhalt

Für Interviews, Panels oder Gespräche:

• Sprecher-Diarisierung aktivieren, falls verfügbar
• Manuelle Kennzeichnung: Nach Generierung manuell Sprecher-Labels hinzufügen:

  SRTCopy
  11
  200:00:01,000 --> 00:00:03,500
  3- Moderator: Willkommen zur Show!
  4
  52
  600:00:03,600 --> 00:00:06,000
  7- Gast: Danke fürs Einladen.

4. Technische Terminologie und Jargon

Whispers Trainingsdaten enthalten technische Inhalte, aber es kann Schwierigkeiten haben mit:

• Domänenspezifischen Akronymen (z.B. "CI/CD" → "CICD" oder "C I C D")
• Produktnamen (z.B. "PostgreSQL" → "Post Gress Q L")
• Nicht-englischen Fachbegriffen

Lösung: Nach Generierung Suchen/Ersetzen verwenden, um wiederkehrende Falscherkennungen zu korrigieren:

• Suchen: "post gress Q L" → Ersetzen: "PostgreSQL"
• Suchen: "kube control" → Ersetzen: "kubectl"

5. Akzente und Nicht-Muttersprachler

Whisper handhabt Akzente vernünftig gut, aber die Genauigkeit sinkt bei:

• Starken regionalen Akzenten
• Nicht-Muttersprachlern mit starken Akzenten
• Code-Switching (Sprachmischung mitten im Satz)

Milderung:

• Wählen Sie die Muttersprache des Sprechers (auch wenn Englisch gesprochen wird)
• Verwenden Sie das größere whisper-small-Modell für bessere Genauigkeit
• Planen Sie zusätzliche Zeit für manuelle Korrekturen ein

6. Langform-Inhalte (2+ Stunden)

Browser-Speicherlimits können bei sehr langen Videos zum Problem werden:

Workaround:

1. Video in 30-60-Minuten-Chunks aufteilen
2. Untertitel für jeden Chunk separat generieren
3. SRT-Dateien mit Texteditor oder IntlPulls Untertitel-Merger zusammenführen

SRT-Dateien zusammenführen:

SRTCopy
1# Chunk 1 endet bei 00:30:00
2# Chunk 2 beginnt bei 00:30:00
3# Chunk-2-Sequenznummern anpassen, um von der letzten Nummer von Chunk 1 fortzufahren
4# Chunk-2-Zeitcodes anpassen, um +00:30:00 zu verschieben

---

Browser-Anforderungen und Leistung

Mindestanforderungen

Leistungs-Benchmarks

Untertitel für 10-Minuten-Video generieren:

Echtzeit-Verhältnis: Höher ist besser. 10x = generiert Untertitel 10 Mal schneller als Videodauer.

WebGPU vs. WASM-Leistung

Ihr Backend prüfen: Das Tool zeigt "WebGPU-Beschleunigung aktiviert" oder "Läuft auf WASM-Fallback" in der Statusleiste an.

Mobile Geräte-Unterstützung

⚠️ Mobile Geräte werden nicht empfohlen für Untertitelgenerierung aufgrund von:

• Begrenztem RAM (Tab stürzt bei großen Dateien ab)
• Langsameren Prozessoren (Generierung dauert 10x+ länger)
• Batterieentladung

Workaround: Desktop-/Laptop-Browser verwenden oder IntlPulls Cloud-API für mobile Untertitelgenerierung.

---

Datenschutz: Ihr Audio verlässt nie Ihr Gerät

Wie es funktioniert

Traditionelle Untertiteldienste (Rev, Otter.ai, YouTube) laden Ihr Audio auf ihre Server hoch:

Ihr Gerät → Server-Transkription → Ergebnis herunterladen

IntlPulls browser-basiertes Tool:

Ihr Gerät → (alles passiert lokal) → Ergebnis herunterladen

Was das bedeutet

• ✅ Kein Upload: Audiodatei bleibt im Browser-Speicher, wird nie übertragen
• ✅ Keine Speicherung: Dateien werden nie auf Festplatte geschrieben (außer Modell-Cache)
• ✅ Keine Protokollierung: Kein Protokoll darüber, was Sie transkribieren
• ✅ Offline-fähig: Funktioniert ohne Internet nach Modell-Download

Datenschutz verifizieren

Netzwerk-Tab prüfen (Chrome DevTools):

1. DevTools öffnen (F12)
2. Zum "Netzwerk"-Tab gehen
3. Untertitelgenerierung starten
4. Sie sehen nur:
   • Modell-Download (nur beim ersten Mal, von HuggingFace CDN)
   • Keine anderen Netzwerkanfragen

Open-Source-Code: IntlPulls Untertitelgenerator ist Open-Source. Code überprüfen unter github.com/intlpull/web/apps/web/src/app/tools/subtitles/generate.

---

Unterstützte Sprachen (99 insgesamt)

Whisper unterstützt 99 Sprachen mit unterschiedlicher Genauigkeit:

Tier 1 (Ausgezeichnete Genauigkeit)

Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Türkisch, Russisch, Koreanisch, Japanisch, Mandarin-Chinesisch, Kantonesisch, Indonesisch, Malaiisch, Vietnamesisch, Thai, Hindi

Tier 2 (Gute Genauigkeit)

Arabisch, Hebräisch, Griechisch, Tschechisch, Slowakisch, Rumänisch, Ungarisch, Finnisch, Schwedisch, Norwegisch, Dänisch, Ukrainisch, Bulgarisch, Kroatisch, Serbisch, Katalanisch, Filipino

Tier 3 (Moderate Genauigkeit)

Persisch, Urdu, Bengali, Tamil, Telugu, Marathi, Gujarati, Swahili, Amharisch, Yoruba, Zulu, Afrikaans, Isländisch, Estnisch, Lettisch, Litauisch, Slowenisch, Albanisch, Mazedonisch, Bosnisch, Walisisch, Baskisch

Sprachspezifische Hinweise:

• Mandarin: "Chinesisch (Vereinfacht)" für Festland-China oder "Chinesisch (Traditionell)" für Taiwan angeben
• Arabisch: Kämpft mit Dialekten; Modernes Standard-Arabisch funktioniert am besten
• Code-Switching: Gemischte Sprachen (z.B. Spanglish) reduzieren Genauigkeit erheblich

---

Was nach der Untertitelgenerierung zu tun ist

1. In andere Sprachen übersetzen

Verwenden Sie IntlPulls Untertitelübersetzer, um mehrsprachige Versionen zu erstellen:

Englisch.srt → Spanisch.srt
            → Französisch.srt
            → Deutsch.srt

Siehe unseren Untertitelübersetzungsleitfaden.

2. Auf Videoplattformen hochladen

YouTube:

1. YouTube Studio → Untertitel
2. Video auswählen → Sprache hinzufügen → Deutsch
3. Datei hochladen → Ihre .srt oder .vtt-Datei auswählen

Vimeo:

1. Videoeinstellungen → Vertrieb → Untertitel
2. Untertitel hinzufügen → Datei hochladen

Wistia:

1. Anpassen → Untertitel
2. Untertitel hochladen → Datei auswählen

3. In Website einbetten

Für HTML5-Videoplayer:

HTMLCopy
1<video controls>
2  <source src="video.mp4" type="video/mp4">
3  <track kind="subtitles" src="video.de.vtt" srclang="de" label="Deutsch" default>
4  <track kind="subtitles" src="video.es.vtt" srclang="es" label="Español">
5</video>

Hinweis: VTT-Format für <track>-Element verwenden (nicht SRT).

4. Eingebrannte Untertitel erstellen

Untertitel direkt ins Video "hardcoden":

TerminalCopy
ffmpeg -i video.mp4 -vf subtitles=video.srt output.mp4

Wann einbrennen:

• Social Media (Instagram, TikTok), wo separate Untertitelspuren nicht unterstützt werden
• Präsentationen, wo Sie Untertiteldatei-Verfügbarkeit nicht garantieren können
• Legacy-Videoplayer ohne Untertitel-Unterstützung

---

Häufige Probleme beheben

Problem 1: Modell-Download schlägt fehl

Symptome: "Modell konnte nicht geladen werden"-Fehler

Lösungen:

1. Internetverbindung prüfen: Modelle sind 77-490 MB
2. Browser-Cache leeren: Alte Modellversionen können beschädigt sein
3. Anderen Browser versuchen: Safari hat manchmal CORS-Probleme
4. VPN deaktivieren: Einige VPNs blockieren HuggingFace CDN

Problem 2: Browser-Tab stürzt ab

Symptome: Tab stürzt während Verarbeitung ab, besonders bei großen Dateien

Lösungen:

1. Andere Tabs schließen: RAM freigeben
2. Kleineres Modell verwenden: Zu whisper-tiny.en wechseln
3. Video aufteilen: In Chunks verarbeiten, wenn Datei > 1 Stunde
4. Browser-Speicherlimit erhöhen: Chrome-Flags:

   chrome://flags/#max-tiles-for-interest-area
   chrome://flags/#force-memory-limit
   

Problem 3: Untertitel nicht synchron

Symptome: Untertitel erscheinen zu früh oder zu spät

Lösungen:

1. Variable Bildrate-Video: Zu konstanter Bildrate zuerst konvertieren:

   TerminalCopy
   ffmpeg -i input.mp4 -r 30 -c:v libx264 output.mp4

2. Audio-Verzögerung in Quelle: Untertitel-Sync-Tool verwenden, um alle Zeitcodes zu verschieben
3. Neu generieren: Manchmal ein einmaliger Fehler, versuchen Sie es erneut

Problem 4: Schlechte Transkriptions-Genauigkeit

Symptome: Viele falsche Wörter, unsinnige Phrasen

Lösungen:

1. Sprache angeben: Auto-Erkennung ist weniger genau
2. Größeres Modell verwenden: Zu whisper-small wechseln
3. Audioqualität verbessern: Hintergrundgeräusche reduzieren, Sprachlautstärke erhöhen
4. Sprach-Unterstützung prüfen: Einige Sprachen sind Tier 3 (moderate Genauigkeit)

Problem 5: WebGPU nicht verfügbar

Symptome: "WebGPU nicht unterstützt"-Nachricht, langsame Verarbeitung

Lösungen:

1. Browser aktualisieren: Chrome 113+, Edge 113+, Firefox 121+
2. WebGPU in Firefox aktivieren:

   about:config → dom.webgpu.enabled → true
   

3. GPU-Treiber prüfen: Grafiktreiber auf neueste Version aktualisieren
4. Auf WASM zurückfallen: Funktioniert immer noch, nur langsamer

---

API für Entwickler

Für automatisierte Workflows bietet IntlPull eine Cloud-API:

TerminalCopy
1curl -X POST https://api.intlpull.com/v1/subtitles/generate \\
2  -H "X-API-Key: ip_live_..." \\
3  -F "file=@video.mp4" \\
4  -F "language=de" \\
5  -F "model=whisper-small" \\
6  -F "format=srt"

Antwort:

JSONCopy
1{
2  "job_id": "job_abc123",
3  "status": "processing",
4  "eta_seconds": 120
5}

Preise: Kostenlose Stufe (100 Minuten/Monat), bezahlte Pläne ab 0,006$/Minute.

Siehe API-Dokumentation für Details.

---

Vergleich: Browser-Tool vs. Cloud-Dienste

Unsere Meinung:

• Vertrauliche Inhalte: IntlPull Browser-Tool (Datenschutz)
• Kritische Genauigkeit (rechtlich, medizinisch): Rev.com (menschliche Transkription)
• YouTube-Inhalte: YouTube Auto + manuelle Bereinigung (kostenlos, integriert)
• Skalierung (1000+ Stunden): IntlPull API (Automatisierung)

---

Fazit

Browser-basierte Untertitelgenerierung mit IntlPull AI hat professionelle Transkription für jeden zugänglich gemacht. Keine Kosten, keine Uploads, keine Datenschutzbedenken – einfach ziehen, ablegen und herunterladen.

Jetzt ausprobieren: Untertitel aus Audio generieren

Sobald Sie Ihre Untertitel generiert haben:

1. In andere Sprachen übersetzen
2. Zwischen Formaten konvertieren
3. Bearbeiten und mit Video synchronisieren

Für Teams, die Videoinhalte im großen Maßstab verwalten, erkunden Sie IntlPulls TMS-Plattform mit Teamzusammenarbeit, Übersetzungsspeicher und automatisierten Untertitel-Workflows.

---

Verwandte Tools:

• Kostenloser Untertitelgenerator - Aus Audio/Video generieren
• Kostenloser Untertitelübersetzer - In 100+ Sprachen übersetzen
• Kostenloser Untertitelformat-Konverter - SRT/VTT/SBV/ASS konvertieren