Automatische Untertitel für Videodateien im Test

Erstellt aus Videodateien zeitlich passende, lesbare Untertitel als SRT oder WebVTT.

8 getestet · 9 Anbieter · Stand 20. Oktober 2026

Welcher Dienst erstellt im Test die besten Untertitel für Videodateien?

Am besten schneidet AI-Media LEXI ab, mit 59,5 von 100 Punkten im ScribeIndex-Score, vor Maestra mit 55,7 (Test „Untertitel für Videodateien“, 2. und 3. Quartal 2026, 40 Videos, je 3 Durchläufe). Den Unterschied machen vor allem der Anteil zeitlich passender Untertitel (80,0 % bei AI-Media LEXI gegenüber 77,0 % bei Maestra) und der Anteil lesbarer Untertitel (81,9 % gegenüber 80,4 %). Nicht getestet ist SyncWords (Ergebnis steht noch aus).

Ziel: Aus dem Video wird eine Untertiteldatei, die Sie ohne Korrektur veröffentlichen können, mit richtigem Text, passenden Einblendzeiten und gut lesbaren Zeilen. Der ScribeIndex-Score zeigt, wie nah ein Dienst diesem Ziel kommt.

Erste Plätze nach ScribeIndex-Score

Angaben zur Testreihe:

Rangliste Untertitel für Videodateien

Sortiert nach ScribeIndex-Score. Alle Dienste bearbeiteten denselben Korpus.

Testprotokoll für Untertitel für Videodateien
Rangliste Untertitel für Videodateien: ScribeIndex-Score, WER mit 95-%-Intervall, Nacharbeit, Speicher- und Verarbeitungsort sowie Preis
PlatzAnbieterScribeIndex-ScoreWERNacharbeit je VideoSpeicher- und VerarbeitungsortPreis
1AI-Media · Veranstalter, Bildungseinrichtungen und Medienproduktionen mit deutschen Live-Untertiteln und automatisierter Videountertitelung59,56,9 % (6,3–7,4)30,8 minUK, USA und weitere Länder0,20 $ / Audiominute
2Maestra · Untertitelproduktion mit Zeitkorrektur im Editor und verschiedenen Zielformaten55,77,0 % (6,6–7,5)33,0 minSpeicherung: USA · Verarbeitung: USA, teils ohne Angabe12 $ / Audiostunde
3HappyScribe · Medien, Forschung und mehrsprachige Inhalte52,87,5 % (6,9–8,2)35,0 minSpeicherung: EU und UK · Verarbeitung: EU, USA und weitere Länder8,50 $ / Monat · Bei jährlicher Abrechnung, inkl. 24 Audiostunden pro Jahr
4Amberscript · Forschung, Medien und Interviewprojekte mit vorhandenen Aufnahmen48,88,0 % (7,2–9,0)37,1 minSpeicherung: EU · Verarbeitung: EU, teils ohne Angabe15,83 € / Monat · Bei jährlicher Abrechnung, inkl. 60 Audiostunden pro Jahr
5Sonix · Interviews, Medienproduktion und browserbasierte Transkriptkorrektur47,47,9 % (7,1–8,8)37,6 minSpeicherung: USA · Verarbeitung: Keine Angabe10 $ / Audiostunde
6Clevercast · Untertitelte Veranstaltungsstreams und eingebettete Videotheken45,29,4 % (8,7–10,3)40,2 minSpeicherung: EU · Verarbeitung: EU und weitere Länder, teils ohne Angabe690 € / Monat · Netto, inkl. 300 Audiominuten insgesamt, für diese Aufgabe
7VEED · Videoteams, die Untertitel und Bildgestaltung im selben Editor bearbeiten43,97,8 % (6,9–8,8)39,6 minSpeicherung: EU · Verarbeitung: EU und USA23 € / Nutzer und Monat · Bei jährlicher Abrechnung, für diese Aufgabe
8Kapwing · Videoteams mit gemeinsamen Projekten, Markenvorgaben und wiederkehrenden Untertiteln38,99,8 % (9,1–10,6)43,7 minUSA16 $ / Nutzer und Monat · Bei jährlicher Abrechnung, inkl. 1.000 Credits pro Monat
–SyncWords · Veranstaltungen und professionelle Videoabläufe mit mehreren AusgabewegenNicht getestet: Ergebnis steht noch aus––EU und USA30 $ / Audiostunde
  • ScribeIndex-Score: 0 bis 100 Punkte. Je höher der ScribeIndex-Score, desto näher kommt die Ausgabe dem Ziel der Testreihe. Die Inhaltsqualität im ScribeIndex-Score besteht zu 50 % aus der Erkennung (100 minus WER), zu 30 % aus dem Timing und zu 20 % aus der Lesbarkeit.
  • WER: Wortfehlerrate, niedriger ist besser. Darunter das 95-%-Konfidenzintervall.
  • Nacharbeit je Video: Zeit bis zur Zielfassung, geschätzt aus den gezählten Fehlern. Die Zielfassung ist für alle Dienste dieselbe. Die Aufnahmen dauern im Schnitt 20,2 Minuten. Nicht enthalten ist das einmalige Abspielen der Aufnahme mit den Untertiteln, das auch von Hand erstellte Untertitel brauchen.
  • Speicher- und Verarbeitungsort: „teils ohne Angabe“: Für einzelne Verarbeitungsschritte nennt der Anbieter keinen Ort.
  • Preis: Herstellerangaben. Abonnements stehen als Monatswert, Verbrauchspreise je Einheit, jeweils mit Abrechnung und Steuerbasis, soweit der Anbieter sie nennt.

Was die Aufgabe verlangt

Untertitel für Videodateien teilen den gesprochenen Text in zeitgestempelte Segmente, die beim Ansehen an der richtigen Stelle erscheinen und lesbar bleiben. Ausgangs- und Untertitelsprache sind Deutsch.

Der Test bewertet die exportierte SRT- oder WebVTT-Datei vor manueller Korrektur. Live-Untertitel haben ein eigenes Protokoll mit Zeitversatz zum hörbaren Ton und Stabilität der Anzeige.

Darauf achtet ScribeIndex

  • Untertiteldatei, die ohne Nachbessern veröffentlicht werden kann
  • Richtiger Untertiteltext, gemessen als WER gegen die Referenz
  • Einblendzeiten innerhalb von 200 ms, ausgewiesen als Anteil zeitlich passender Untertitel und als mittlere Zeitabweichung
  • Höchstens zwei Zeilen, 42 Zeichen je Zeile und 17 Zeichen je Sekunde, ausgewiesen als Anteil lesbarer Untertitel, Zeilenlänge und Lesegeschwindigkeit
  • Wenig Nacharbeit bis zur veröffentlichungsfähigen Datei, geschätzt in Minuten je Video, dazu die Verarbeitungszeit

Messwerte im Detail

Messwerte Untertitel für Videodateien je Anbieter, Protokoll 1.0
KennzahlAI-MediaMaestraHappyScribeAmberscriptSonixClevercastVEEDKapwing
ScribeIndex-Score (0 bis 100 Punkte, 95-%-Intervall darunter)59,5 (56,3–62,6)55,7 (53,2–57,6)52,8 (49,6–56,0)48,8 (41,1–55,0)47,4 (42,4–51,3)45,2 (40,7–49,3)43,9 (37,1–49,8)38,9 (34,2–43,0)
Wortfehlerrate (WER) (95-%-Intervall darunter)6,9 % (6,3–7,4)7,0 % (6,6–7,5)7,5 % (6,9–8,2)8,0 % (7,2–9,0)7,9 % (7,1–8,8)9,4 % (8,7–10,3)7,8 % (6,9–8,8)9,8 % (9,1–10,6)
Zeichenfehlerrate · CER (niedriger ist besser, gezählt: Zeichenabweichungen von Referenzzeichen, nach dem Punkt das 95-%-Intervall)2,9 % (53.579 von 1.860.348 · 2,7–3,1)2,8 % (52.256 von 1.860.348 · 2,6–3,0)3,1 % (57.674 von 1.860.348 · 2,8–3,4)3,2 % (60.024 von 1.860.348 · 2,9–3,7)3,4 % (63.459 von 1.860.348 · 3,0–3,8)3,8 % (71.465 von 1.860.348 · 3,6–4,2)3,2 % (59.311 von 1.860.348 · 2,8–3,6)4,0 % (73.121 von 1.842.952 · 3,7–4,3)
Zeitlich passende Untertitel (höher ist besser, gezählt: zeitlich passend untertitelte Referenzsegmente von Referenzsegmenten, nach dem Punkt das 95-%-Intervall)80,0 % (23.557 von 29.448 · 77,4–82,4)77,0 % (22.666 von 29.448 · 74,2–79,5)76,5 % (22.537 von 29.448 · 73,8–79,1)73,7 % (21.701 von 29.448 · 70,9–76,4)72,9 % (21.459 von 29.448 · 70,0–75,6)72,1 % (21.218 von 29.448 · 69,2–74,8)72,1 % (21.225 von 29.448 · 69,2–74,8)69,8 % (20.387 von 29.209 · 66,9–72,6)
Lesbare Untertitel (höher ist besser, gezählt: lesbar untertitelte Referenzsegmente von Referenzsegmenten, nach dem Punkt das 95-%-Intervall)81,9 % (24.132 von 29.448 · 79,9–83,8)80,4 % (23.663 von 29.448 · 78,3–82,3)77,5 % (22.817 von 29.448 · 75,3–79,5)75,9 % (22.357 von 29.448 · 73,7–78,0)74,5 % (21.933 von 29.448 · 72,2–76,6)76,3 % (22.478 von 29.448 · 74,1–78,4)69,3 % (20.412 von 29.448 · 66,9–71,6)69,9 % (20.414 von 29.209 · 67,5–72,2)
Mittlere Zeitabweichung (Mittelwert, ms)238 (n = 29.319 · 226–250)267 (n = 29.313 · 257–279)268 (n = 29.277 · 257–279)283 (n = 29.282 · 270–298)297 (n = 29.297 · 283–312)301 (n = 29.269 · 286–317)291 (n = 29.280 · 278–305)320 (n = 29.007 · 303–339)
Mittlere Lesegeschwindigkeit (Mittelwert, Zeichen/s)14,4 (n = 32.546 · 13,8–15,0)14,4 (n = 29.892 · 13,8–15,0)14,2 (n = 37.625 · 13,6–14,8)13,9 (n = 36.207 · 13,4–14,5)14,4 (n = 36.579 · 13,7–15,0)14,7 (n = 30.703 · 14,1–15,3)14,5 (n = 37.537 · 13,9–15,2)15,0 (n = 30.761 · 14,4–15,7)
Mittlere Zeilenlänge (Mittelwert, Zeichen/Zeile)34,4 (n = 54.918 · 34,1–34,8)34,3 (n = 54.936 · 33,9–34,7)29,6 (n = 63.264 · 29,3–30,0)29,7 (n = 63.125 · 29,4–30,1)30,9 (n = 61.189 · 30,3–31,5)33,7 (n = 56.217 · 33,2–34,1)29,2 (n = 64.362 · 28,7–29,7)33,8 (n = 55.277 · 33,4–34,3)
Nacharbeit je Video (Minuten ohne einmaliges Abspielen mit Untertiteln, bei durchschnittlich 20,2 Minuten Aufnahme)30,8 min (28,2–33,5)33,0 min (30,8–35,4)35,0 min (31,8–38,3)37,1 min (33,1–41,3)37,6 min (34,6–41,0)40,2 min (36,5–44,1)39,6 min (35,3–44,2)43,7 min (40,4–47,2)
Verarbeitungszeit, Median (p50)20,2 min4,3 min6,8 min2,9 min15,4 min3,2 min4,3 min4,4 min
Verarbeitungszeit, p95 (95 % der Läufe schneller)58,5 min10,3 min19,8 min8,3 min50,5 min10,2 min12,1 min12,4 min
Testweg (legt den Startpunkt der Zeit fest)Datei-UploadDatei-UploadDatei-UploadDatei-UploadDatei-UploadDatei-UploadDatei-UploadDatei-Upload
Abgeschlossene Läufe (von geplanten Läufen)120 / 120120 / 120120 / 120120 / 120120 / 120120 / 120120 / 120119 / 120 (1 abgebrochen)

Je Zeile ist der beste Wert fett markiert, beim ScribeIndex-Score nur ohne Gleichstand.

Gemessen wurde die Verarbeitungszeit beim Datei-Upload von „Uploadstart“ bis „Vollständiger Export verfügbar“.

Testbedingungen

  • Protokoll: Version 1.0 · Ablauf, Kennzahlen und Zählregeln
  • Korpus: Deutsche Videountertitel · Kennung de-untertitel-v1, Korpusversion 1.0, Referenzversion 1.0
  • Umfang: 40 Szenarien × 3 Durchläufe · Alle 40 Szenarien ausgewertet
  • Audio: 13,5 Stunden · 3 min bis 59 min je Szenario, 1 bis 2 Sprechende
  • Referenz: 95.928 Wörter · An der Aufnahme geprüft und vor dem ersten Lauf eingefroren
  • Zeitraum der Testreihe: 2. und 3. Quartal 2026
  • Unsicherheit: 95-%-Intervalle · Gepaarter Cluster-Bootstrap je Szenario, 2.000 Wiederholungen, Perzentilmethode. Anteile aus Zählern mit Wilson-Intervall und Designeffekt
  • Auswertung: Version 1.0 · Normalisierung de-subtitle-wer, Version 1.0

Dokumentierte Unterstützung

Die Tabelle zeigt, was die Hersteller zu dieser Aufgabe angeben, getrennt vom Testergebnis.

Herstellerangaben zur Unterstützung dieser Aufgabe
AnbieterHerstellerangabeGetestet
AI-MediaLEXI Recorded unterstützt deutsche Audioeingabe und deutsche Originaluntertitel. SRT, WebVTT und weitere Broadcastformate werden ausgegeben. Quelle: ai-media.tv Quelle: doc.recorded.ai.media59,5 Punkte
AmberscriptDie maschinellen Untertitel entstehen automatisch auf Deutsch. Menschlich bearbeitete Untertitel sind separat buchbar. Quelle: amberscript.com48,8 Punkte
ClevercastVoD-Videos erhalten in einem Multilingual-Tarif mit KI-Stunden deutsche Originaluntertitel mit WebVTT-Export. Quelle: docs.clevercast.com Quelle: docs.clevercast.com Quelle: docs.clevercast.com45,2 Punkte
HappyScribeAutomatisch erzeugte deutsche Untertitel mit Zeitmarken und Export als SRT oder VTT. Menschlich überarbeitete Untertitel sind separat buchbar. Quelle: happyscribe.com52,8 Punkte
KapwingUntertitel für Deutsch (de-DE und de-CH) mit Zeichenlimit pro Zeile und gespeicherten Schreibkorrekturen, Export als SRT, VTT oder eingebrannt ins MP4. Quelle: kapwing.com38,9 Punkte
MaestraEditor mit Segmentzeiten, Zeichen pro Zeile, Anzeige der Zeichen pro Sekunde und optionalen Sprechernamen, Export als SRT, VTT, SCC, STL oder MP4. Quelle: maestra.ai Quelle: maestra.ai55,7 Punkte
SonixAus deutschen Originaltranskripten entstehen Untertitel mit Zeitmarken, exportierbar als SRT und VTT. Quelle: sonix.ai47,4 Punkte
SyncWordsVOD Express erstellt automatische Untertitel für Video- und Audiodateien, ohne eigenen Editor. Deutsche Untertitel für On-Demand-Medien nennt SyncWords auf seiner Sprachseite für Deutsch, mit Export unter anderem als SRT und WebVTT. Quelle: syncwords.com Quelle: syncwords.comNicht getestet
VEEDAutomatische Untertitel mit Einblendzeiten, Korrektur und Stil im Videoeditor, Download als SRT oder VTT oder fest ins Video eingebrannt. Quelle: support.veed.io43,9 Punkte

Direktvergleiche

36 Direktvergleiche zwischen Anbietern dieser Aufgabe. Zuerst stehen ein redaktionell eingeordneter Vergleich und Vergleiche unter den drei Bestplatzierten.

Eigene Auswahl in der Vergleichstabelle

Hintergrundwissen

Fachartikel rund um Untertitel von Videodateien.

Alle Artikel
  • Untertitel beurteilen: Gute Untertitel: Zeilenlänge, Lesetempo, Timing und Pflichten Gute Untertitel geben das Gesprochene korrekt wieder, erscheinen synchron zum Ton und bleiben lange genug stehen, um sie zu lesen. Netflix erlaubt für deutsche Untertitel zwei Zeilen mit je 42 Zeichen, ARD, ORF, SRF und ZDF 37 Zeichen je Zeile. Automatische Untertitel beurteilen Sie getrennt nach Text, Timing und Lesbarkeit.
  • Messwerte verstehen: Word Error Rate erklärt: WER, CER und echte Aussagekraft Die Word Error Rate (WER) misst Wortabweichungen zwischen Transkript und Referenz. Sie eignet sich für den Vergleich von Spracherkennung unter identischen Regeln. Ob ein zusammenfassendes Dokument inhaltlich stimmt, misst sie nicht.
  • Wer hat was gesagt?: Sprechererkennung erklärt: Diarisierung, DER und Zuordnung Diarisierung ordnet Audioabschnitte verschiedenen Sprechern zu und wird mit der Diarization Error Rate (DER) gemessen. Eine korrekte Worterkennung genügt dafür nicht. Namen, Rollen und die Zuordnung von Fakten zu Personen brauchen eine eigene Prüfung.

Häufige Fragen

Was sagt der ScribeIndex-Score in diesem Test aus?

Je höher der ScribeIndex-Score, desto näher kommen die Ausgaben eines Dienstes dem Ziel der Testreihe („Untertiteldatei, die ohne Nachbessern veröffentlicht werden kann“). Am stärksten zählt mit 75 % die Inhaltsqualität der Untertitel. Sie besteht zu 50 % aus der Erkennung, gemessen als 100 minus Wortfehlerrate, zu 30 % aus dem Timing und zu 20 % aus der Lesbarkeit, also Zeilenlänge und Lesegeschwindigkeit. Danach zählt mit 20 % die geschätzte Nacharbeit bis zur veröffentlichungsfähigen Datei. Die übrigen 5 % entfallen auf die Abschlussquote, also den Anteil verarbeiteter Videos.

Worin unterscheiden sich Untertitel von einer Videotranskription?

Ein Transkript enthält den gesprochenen Text. Untertitel teilen ihn zusätzlich in zeitgestempelte Segmente, die beim Video an der passenden Stelle erscheinen und lesbar sein müssen. Gute Erkennung allein reicht deshalb nicht.

Gelten Ergebnisse für Videodateien auch für Live-Untertitel?

Nein. Der Dateitest misst ein fertig erzeugtes SRT- oder WebVTT-Ergebnis. Live-Untertitel haben eine eigene Testreihe, die zusätzlich den Zeitversatz zum Ton beim Publikum und nachträgliche Änderungen bereits gezeigter Wörter misst. Die Übertragungsverzögerung des Tons wird separat angegeben.

Daten zu dieser Seite

Maschinenlesbar mit Zählern, Nennern und Intervallen. Frei nutzbar mit Quellenangabe. Zitierweise und Lizenz

Quellen

Herstellerangaben zu Aufgabenunterstützung, Preis sowie Speicher- und Verarbeitungsort der aufgeführten Dienste.

  1. AI-Media: LEXI Recorded, Preise und Untertitelformate ai-media.tv · abgerufen am 7. Oktober 2026
  2. AI-Media: Recorded Media API Integration, Stand 15. September 2026 doc.recorded.ai.media · abgerufen am 12. Oktober 2026
  3. Amberscript: automatische und menschliche Untertitel amberscript.com · abgerufen am 5. Oktober 2026
  4. Clevercast: Plattform, Dateiverarbeitung und Integrationen docs.clevercast.com · abgerufen am 8. Oktober 2026
  5. Clevercast: Ereigniskonfiguration, Aufzeichnung und WebVTT docs.clevercast.com · abgerufen am 7. Oktober 2026
  6. Clevercast: Sprachen der KI-Spracherkennung docs.clevercast.com · abgerufen am 7. Oktober 2026
  7. HappyScribe: automatische Untertitel happyscribe.com · abgerufen am 5. Oktober 2026
  8. Kapwing: Untertiteleditor, Sprachen und ASR-Anbieter kapwing.com · abgerufen am 5. Oktober 2026
  9. Maestra: Untertiteleditor und Export maestra.ai · abgerufen am 5. Oktober 2026
  10. Maestra: Untertitelpreise und Tarifumfang maestra.ai · abgerufen am 7. Oktober 2026
  11. Sonix: automatische Untertitel sonix.ai · abgerufen am 5. Oktober 2026
  12. SyncWords: VOD Express für Video- und Audiodateien syncwords.com · abgerufen am 14. Oktober 2026
  13. SyncWords: deutsche Untertitel und Transkription syncwords.com · abgerufen am 14. Oktober 2026
  14. VEED: automatische Untertitel und Dateiexport support.veed.io · abgerufen am 5. Oktober 2026
  15. AI-Media: LEXI Text, Originalsprachen, Topic Models und Tarife ai-media.tv · abgerufen am 8. Oktober 2026
  16. Amberscript: Tarife und Funktionen amberscript.com · abgerufen am 14. Oktober 2026
  17. Clevercast: Pläne und Preise clevercast.com · abgerufen am 7. Oktober 2026
  18. HappyScribe: Tarife happyscribe.com · abgerufen am 7. Oktober 2026
  19. Kapwing: Preise und Tarifgrenzen kapwing.com · abgerufen am 7. Oktober 2026
  20. Sonix: Preise sonix.ai · abgerufen am 5. Oktober 2026
  21. SyncWords: Preise und Jahreskontingente syncwords.com · abgerufen am 14. Oktober 2026
  22. VEED: Preise veed.io · abgerufen am 5. Oktober 2026
  23. AI-Media: Datenschutz, Trainingsnutzung und Datenstandorte ai-media.tv · abgerufen am 7. Oktober 2026
  24. Amberscript: Data Security and Privacy amberscript.com · abgerufen am 14. Oktober 2026
  25. Amberscript: Privacy Policy, Stand 20. März 2026 amberscript.com · abgerufen am 14. Oktober 2026
  26. Amberscript: Privacy Policy, archivierte Fassung Januar 2025 web.archive.org · abgerufen am 14. Oktober 2026
  27. Clevercast: Sicherheit, Hosting und KI-Datennutzung clevercast.com · abgerufen am 7. Oktober 2026
  28. Clevercast: Auftragsverarbeitungsvertrag clevercast.com · abgerufen am 7. Oktober 2026
  29. HappyScribe: Security and Data Protection happyscribe.com · abgerufen am 2. Oktober 2026
  30. HappyScribe Produktübersicht happyscribe.com · abgerufen am 7. Oktober 2026
  31. HappyScribe Trust Center: Unterauftragsverarbeiterliste app.eu.vanta.com · abgerufen am 2. Oktober 2026
  32. HappyScribe: Datenschutzerklärung happyscribe.com · abgerufen am 2. Oktober 2026
  33. Kapwing: Sicherheit und Datenschutz, 26. Mai 2026 kapwing.com · abgerufen am 5. Oktober 2026
  34. Kapwing: Unterauftragsverarbeiter, 26. Mai 2026 kapwing.com · abgerufen am 15. Oktober 2026
  35. Maestra: Sicherheit und Cloudinfrastruktur maestra.ai · abgerufen am 14. Oktober 2026
  36. Maestra: Datenschutzerklärung und DPA maestra.ai · abgerufen am 14. Oktober 2026
  37. Maestra: wählbare KI-Modelle für Videoübersetzung maestra.ai · abgerufen am 5. Oktober 2026
  38. Sonix: Sicherheit sonix.ai · abgerufen am 7. Oktober 2026
  39. Sonix: Datenschutzerklärung sonix.ai · abgerufen am 7. Oktober 2026
  40. SyncWords: Zugriffsschutz und optionale Speicherung support-live.syncwords.com · abgerufen am 7. Oktober 2026
  41. SyncWords: wählbare Spracherkennungsdienste help.syncwords.com · abgerufen am 7. Oktober 2026
  42. VEED: Sicherheits-FAQ veed.io · abgerufen am 8. Oktober 2026
  43. VEED: Trust Center, Unterauftragsverarbeiter trust.veed.io · abgerufen am 8. Oktober 2026
  44. VEED: benannter Transkriptionsanbieter AssemblyAI veed.io · abgerufen am 5. Oktober 2026
  45. VEED: Untertitel-API und Renderarchitektur veed.io · abgerufen am 5. Oktober 2026