SUB in VTT umwandeln

Das ist die typische Ausgangslage: Ein Landesarchiv, ein Filmarchiv einer Rundfunkanstalt oder eine Vereinssammlung digitalisiert alte Aufnahmen und stellt sie online, und die Untertitel, die dabei mitgeliefert wurden, liegen als MicroDVD vor — genau das, was zur Entstehungszeit der Dateien üblich war. Das Video wird transkodiert und veröffentlicht, die Untertitel folgen ihm auf dem Papier, aber nicht technisch.

Ein Browser weiß mit ihnen nichts anzufangen. Das track-Element akzeptiert ausschließlich WebVTT, und es scheitert lautlos: Das Video spielt, das Untertitelmenü bleibt leer, und weder die Seite noch die Konsole erklären warum. Zwischen den beiden Formaten liegen gut zwanzig Jahre und ein grundlegender Wechsel dessen, was eine Untertiteldatei überhaupt misst.

MicroDVD hält fest, bei welchem Bild eine Zeile erscheint, nicht zu welcher Zeit. Daraus einen Zeitstempel zu machen ist eine Division, und der Divisor ist die Bildrate des Videos, für das die Untertitel entstanden — die die Datei selten selbst nennt und die sich nicht erraten lässt. Die Einstellung hier akzeptiert Werte von 1 bis 120 in Tausendstelschritten, weil 23,976 und 29,97 keine ganzen Zahlen sind.

Vor der Veröffentlichung zu prüfen ist wichtiger als danach, weil ein Browser dabei keinerlei Hilfestellung gibt. Ein Player erlaubt wenigstens, während der Wiedergabe einen Versatz nachzuziehen; ein track-Element zeigt exakt das, was die Datei sagt. Die umgewandelte Spur lokal am Anfang und am Ende des Videos gegenprüfen, bevor sie in die Nähe einer Seite kommt.

Bei Archivmaterial kommt ein zweiter Grund hinzu, der bei einer Datei auf der eigenen Festplatte keine Rolle spielt: Eine Webseite ist oft die Fassung, die verlinkt, zitiert und indexiert wird, und eine Untertitelspur ist Text, den sowohl eine Suchmaschine als auch ein Screenreader liest. Eine Spur, die am Ende einer Aufnahme vier Minuten daneben liegt, ist nicht bloß lästig beim Zuschauen — sie hängt die falschen Worte an den falschen Moment, für jede Leserin und jeden Leser, die das Video nie sehen.

Zwischen den beiden Formaten gibt es keine Übereinstimmung. WebVTT verlangt das Wort WEBVTT als eigenständige erste Zeile; MicroDVD hat überhaupt keinen Kopf. WebVTT trennt zwei Zeitstempel mit einem Pfeil in einer eigenen Zeile; MicroDVD schreibt zwei Bildnummern in geschweiften Klammern vor den Text.

Die Dateiendung ist also das geringste Problem. Eine umbenannte Datei wird bereits bei der ersten Zeile abgelehnt, und selbst wenn nicht, gäbe es darin nichts, was ein WebVTT-Parser als Cue verstehen könnte. Dieses Paar teilt sich als einziges auf der ganzen Seite keine gemeinsame Syntax, weshalb die Umwandlung ein echtes Einlesen sein muss und kein bloßes Suchen und Ersetzen.

Jede Bildnummer wird durch die gewählte Rate geteilt und als Stunden, Minuten, Sekunden und drei Nachkommastellen für Millisekunden geschrieben, mit Punkt vor der Nachkommastelle und mit führenden Nullen bei den Stunden. Eine Zeile, die bei Bild 3210 beginnt, startet bei 00:02:08.400, wenn die Rate 25 beträgt, und bei 00:02:13.875, wenn sie 23,976 beträgt.

Diese fünfeinhalb Sekunden Differenz sind das gesamte Gewicht der Einstellung, an nur einer Stelle bei zwei Minuten Laufzeit eines Films, der zwei Stunden dauern kann. Die Zeitstempel enden selten auf runde Zahlen, weil die Division es selten tut — ein zuverlässiges Anzeichen, dass eine WebVTT-Spur ursprünglich aus einer bildbasierten Datei stammt. Für die Wiedergabe spielt das keine Rolle: Ein Browser liest Millisekunden und fragt nicht, woher sie kommen.

Viele MicroDVD-Dateien geben ihre Bildrate nach einer alten Konvention an: ein erster Eintrag, der von Bild eins bis Bild eins reicht und dessen Text die Rate selbst ist. Das war nie Teil einer Spezifikation, und die Unterstützung dafür war immer lückenhaft, weshalb dieser Konverter ihn als das behandelt, was er strukturell ist — einen gewöhnlichen Eintrag.

Das Ergebnis: Die eigene WebVTT-Spur beginnt mit einer Bildunterschrift wie 23.976, für einen Sekundenbruchteil sichtbar. Auf einer Website ist das ein sichtbarer Fehler im allerersten Moment der Wiedergabe, der schlechteste denkbare Ort dafür. Die .vtt-Datei in einem Texteditor öffnen, den ersten Eintrag löschen, der Rest der Datei bleibt unangetastet.

MicroDVD kennt einen kleinen Satz an Inline-Codes für kursiv, fett, Farbe, Schrift und Größe, geschrieben in geschweiften Klammern. Sie werden zusammen mit den Klammern entfernt, übrig bleiben die Worte. Nichts davon wird in die WebVTT-Entsprechung übertragen, obwohl WebVTT eigene spitze Klammern für kursiv und fett hätte, die sich sauber abbilden ließen.

Das ist eher hinzunehmen als zu bedauern. Die Unterstützung der MicroDVD-Codes war während der gesamten Lebenszeit des Formats uneinheitlich, sodass eine darauf angewiesene Datei überall anders aussah, und Archivdateien nutzen sie meist für genau einen Zweck: eine ganze Zeile als kursiv zu markieren, wenn jemand außerhalb des Bildes spricht. Ist diese Unterscheidung auf der eigenen Seite wichtig, ist das Wiederherstellen ein Suchen-und-Ersetzen-Durchgang, und die WebVTT-Form ist die, die jeder Browser respektiert.

Die .vtt in ein track-Element innerhalb des video-Elements setzen, mit gesetztem kind, srclang auf den Sprachcode und einem label, das im Untertitelmenü erscheint. default hinzufügen, wenn die Untertitel bei Wiedergabestart eingeschaltet sein sollen — sonst muss ein Publikum erst das Menü finden, und die meisten tun das nicht.

Für öffentliche Stellen ist das kein rein technisches Detail: Die Barrierefreie-Informationstechnik-Verordnung (BITV 2.0) verlangt für Websites von Bundesbehörden barrierefreie Inhalte, wozu bei Videomaterial auch Untertitel gehören. Ein korrekt umgewandelter und eingebundener Untertitel ist dafür eine notwendige, aber keine hinreichende Voraussetzung — die Sprachangabe entscheidet, welche Spur ein Browser nach den Voreinstellungen einer Nutzerin auswählt, und ob eine Suchmaschine erkennt, dass die Seite ein Transkript in einer bestimmten Sprache führt.

MicroDVD stammt aus einer Zeit, in der Untertiteldateien einbytig und regional kodiert waren, und Archivdateien liegen häufig in einer mitteleuropäischen, kyrillischen oder westeuropäischen Kodierung statt in UTF-8 vor. Der Konverter schreibt UTF-8, was ein Browser erwartet, kann aber nur kodieren, was er tatsächlich richtig eingelesen hat.

Die Prüfung gehört also vor die Umwandlung, nicht danach. Die SUB in einem Texteditor öffnen und die Umlaute und Sonderzeichen ansehen. Stehen dort bereits Fragezeichen oder verirrte Symbole, wird die Datei mit der falschen Kodierung gelesen, und sie in einem Editor, der die Quellkodierung wählen lässt, korrekt als UTF-8 neu zu speichern, ist der Schritt, der sie rettet. Eine falsch gelesene Datei ergibt eine WebVTT-Spur, die auf dieselbe Art dauerhaft falsch ist.

Zwei völlig verschiedene Dinge teilen sich diese Dateiendung, und ein Archiv ist genau der Ort, an dem man auf die zweite trifft. MicroDVD-SUB ist reiner Text. VobSub-SUB sind von einer DVD gerippte Bilduntertitel, gespeichert als Bilder, immer mit einer beiliegenden .idx-Indexdatei. Die Datei in einem Texteditor öffnen: lesbare Zeilen in geschweiften Klammern bedeuten MicroDVD, binäres Rauschen mit einer beiliegenden .idx bedeutet VobSub.

Für jemanden, der ein Video veröffentlichen will, ist das eine Budgetfrage und keine Kuriosität. Von Bildern mit Wörtern zu einer WebVTT-Spur führt kein Weg ohne optische Zeichenerkennung, das heißt ein separates Werkzeug, eine Prüfung jeder einzelnen Zeile und eine Genauigkeit, die von der Qualität der Digitalisierung abhängt. Das erst beim Livegang zu entdecken ist schlechter, als es bei der Planung zu wissen, und die Prüfung kostet zehn Sekunden je Datei.

Das kind-Attribut unterscheidet beides, und im Web zählt der Unterschied mehr als früher im Mediaplayer. Subtitles tragen den gesprochenen Dialog und setzen voraus, dass die Zuschauerin hören kann. Captions setzen das Gegenteil voraus und enthalten zusätzlich, was hörbar, aber nicht gesprochen ist: wer außerhalb des Bildes spricht, wann Musik einsetzt, welches Geräusch zu hören war.

Eine MicroDVD-Datei aus einem Archiv ist praktisch immer subtitles, oft eine Übersetzung. Die Spur als captions zu markieren, um eine Barrierefreiheits-Checkliste abzuhaken, setzt zwar das richtige Wort ins Markup, erfüllt die Anforderung aber nicht — für öffentliche Stellen ist das eine rechtliche Anforderung und keine Kür. Werden echte Captions gebraucht, müssen die nicht-sprachlichen Informationen von jemandem geschrieben werden, der das Video tatsächlich ansieht; keine Umwandlung erzeugt sie.