VTT in SUB umwandeln

Eine Volkshochschule oder eine Fakultät stellt einen Vortrag als Stream bereit, die Untertitel liegen als WebVTT vor, weil das der Player im Browser verlangt. Für die Ablage auf einem USB-Stick oder für ein älteres Abspielgerät im Schulungsraum — ein Player, der lange vor Webvideo gebaut wurde — reicht das nicht: Solche Geräte kennen WebVTT gar nicht, sondern erwarten MicroDVD.

Der Unterschied zu einer gewöhnlichen Untertitel-Umwandlung liegt darin, dass hier auch das Video selbst neu codiert wird. Die Bildrate ist damit keine feste Vorgabe mehr, sondern eine eigene Entscheidung — und aus einer Warnung wird eine klare Anweisung.

WebVTT ist eine W3C-Spezifikation von 2010, geschrieben für das Video-Element, das damals gerade in Browsern ankam. MicroDVD stammt von 1998, ist eher dokumentiert als standardisiert, und die Registry führt es als veraltet mit lückenhafter Unterstützung. Nichts erzeugt es heute neu — Untertitel-Editoren lesen es nur, um etwas anderes daraus zu speichern.

Die Lücke zeigt sich darin, was jedes Format voraussetzt. WebVTT geht von einer Wiedergabe-Engine aus, die Text positionieren, gestalten, Sprecherinnen unterscheiden und Untertitelarten wechseln kann. MicroDVD setzt nur ein Gerät voraus, das eine Textzeile am unteren Bildrand einblendet, sonst nichts. Die Umwandlung übersetzt nicht zwischen zwei Dialekten desselben Formats, sie steigt eine Ebene tiefer.

MicroDVD merkt sich, auf welchem Bild eine Zeile erscheint, dafür braucht das Schreiben eine Bildrate. Diese Seite bietet keine Auswahl dafür an. Die Kontrolle existiert auf der Website, aber nur dort, wo MicroDVD die Quelle ist, weil sich eine solche Datei ohne Bildrate gar nicht lesen lässt; beim Schreiben greift der Rückfallwert, und der liegt bei 25.

Wer die Aufzeichnung ohnehin neu codiert, findet das zur wenigsten interessanten Einschränkung dieser Seite: Den Encoder auf 25 Bilder pro Sekunde stellen, und die Untertiteldatei stimmt von der ersten bis zur letzten Zeile aufs Bild genau. Webvideo läuft üblicherweise mit 30 oder 60 und gelegentlich 24, das ist also eine echte Anpassung und kein Zufallstreffer — ohne sie liegt die Untertiteldatei gegen Ende um mehrere Minuten daneben.

Ein Herunterrechnen von 30 auf 25 Bilder ist nicht kostenlos, und es lohnt sich zu wissen, was dabei zur Debatte steht. Der Encoder muss Bilder auslassen oder mischen, und bei einem gleichmäßigen Kameraschwenk zeigt sich das als leichtes Ruckeln. Bei einem Vortrag mit statischer Kamera — dem üblichen Fall bei einer Vorlesungsaufzeichnung — ist das nicht wahrnehmbar. Bei einer Aufzeichnung mit echter Bewegung im Bild ist gegen ein Ruckeln abzuwägen, ob eine Untertiteldatei bei einem Gerät ohne Bildratenwahl überhaupt zeitlich stimmt.

Jeder Anfangs- und Endpunkt wird mit der Bildrate multipliziert und auf das nächste ganze Bild gerundet. Bei 25 Bildern pro Sekunde entspricht ein Bild 40 Millisekunden, jede Grenze schnappt also auf dieses Raster ein. Eine Zeile, die bei 12,510 Sekunden beginnt, und eine bei 12,530 Sekunden landen auf demselben Bild.

Für gesprochene Sprache fällt das nicht auf, zwanzig Millisekunden nimmt niemand wahr. Es zählt bei einer sehr fein geschnittenen Untertitelspur — manche automatische Transkription erzeugt sehr kurze Einblendungen, wenige Wörter je Zeile, und eine so gebaute Spur kann am Ende benachbarte Einträge haben, die dieselbe Bildgrenze teilen. Ein Player zeigt sie trotzdem nacheinander, wirken zwei Zeilen aber gleichzeitig, liegt genau das dahinter.

Eine WebVTT-Zeile kann eine Zeilennummer, eine Ausrichtung, eine Position und eine Breite tragen — damit lässt sich ein Untertitel von einer Bauchbinde oder eingebrannten Grafik freihalten. MicroDVD kennt keinerlei Positionierung. Zeilen erscheinen dort, wo der Player sie hinsetzt, das ist unten, und im Format gibt es kein Feld, das das ändern könnte.

Positionsangaben werden deshalb am Ende der Zeitzeile gelesen und danach verworfen. Es gibt beim Umwandeln nichts zu warnen, weil der Verlust vollständig ist statt teilweise — eine Annäherung ist nicht möglich, und jede Platzierung in der Quelle muss als verloren hingenommen werden. War ein Untertitel aus einem bestimmten Grund verschoben, lohnt sich vor der Nutzung zu prüfen, ob er unten im Bild noch lesbar bleibt.

NOTE-Kommentare und STYLE-Blöcke enthalten keinen Zeitmarken-Pfeil, sie werden also übersprungen statt in Untertitel verwandelt — aus der Autorenebene der WebVTT-Datei sickert nichts in die SUB. Dieser Teil ist sauber.

Bei Sprecher-Tags ist das anders. Eine mit einem spitzen Klammertag markierte Sprecherin am Anfang einer Zeile wird wortwörtlich in den MicroDVD-Eintrag übernommen, weil der Zeilentext nie neu interpretiert wird, und ein altes Gerät zeigt die Klammern auf dem Bildschirm an. Transkriptionswerkzeuge setzen solche Tags häufig ein. Ein Suchen-und-Ersetzen über die VTT-Datei vor der Umwandlung dauert dreißig Sekunden und erspart, jede Zeile doppelt zu lesen.

Ein MicroDVD-Eintrag belegt eine physische Zeile, ein erzwungener Umbruch innerhalb eines Untertitels wird deshalb als senkrechter Strich codiert und vom Player wieder aufgeteilt. Mehrzeilige Zeilen aus der VTT kommen korrekt an, ohne dass dafür irgendetwas maskiert werden müsste.

Die Kehrseite: Ein bereits im Untertiteltext vorhandener senkrechter Strich wird bei der Wiedergabe zu einem Zeilenumbruch, und das Format bietet keine Möglichkeit, ihn zu maskieren. Web-Untertitelspuren bekommen dieses Zeichen aus transkribierten Fachvorträgen und aus allem, was eine Kommandozeile zitiert. Die VTT vorher danach zu durchsuchen, ist die einzige Absicherung, und schneller, als sich hinterher zu fragen, warum ein Untertitel seltsam getrennt ist.

Die SUB-Datei wird als UTF-8 geschrieben, was der richtige moderne Standardwert ist und dem entspricht, was die WebVTT-Quelle garantiert bereits war. Jeder Player der letzten fünfzehn Jahre kommt damit zurecht, Umlaute, das ß und andere Sonderzeichen kommen unverändert an.

Geräte aus der MicroDVD-Ära tun das häufig nicht. Diese Player wurden gebaut, als Untertiteldateien einbytig und regional codiert waren, und zeigen bei UTF-8 Umlaute als Kästchen oder als Paar verirrter Zeichen. Das ist kein Fehler der Umwandlung — die Datei danach in einem Texteditor in die Kodierung zu speichern, die das Gerät erwartet, ist der einzige Schritt in diesem Ablauf, der hier nicht erledigt werden kann.

Weil der Encodiervorgang selbst in der eigenen Hand liegt, gibt es hier einen Weg, den die anderen MicroDVD-Seiten nicht anbieten können — keine Einstellung dieser Seite, sondern eine im eigenen Encoder. Untertitel lassen sich in demselben Durchgang ins Bild rendern, ohne zusätzlichen Verlust über den der Transcodierung hinaus. Das Gerät braucht dann überhaupt keine Untertitelunterstützung mehr, was jedes hier genannte Problem auf einmal umgeht: keine Bildrate, keine Kodierung, keine Dateinamenskonvention, kein Format.

Der Preis ist, dass sie dauerhaft werden. Eingebrannte Untertitel lassen sich nicht abschalten, nicht durch eine andere Sprache ersetzen und nur von jemandem lesen, der auf den Bildschirm schaut. Für eine Kopie, die für einen Raum und ein Gerät gedacht ist, ist das meist vertretbar. Soll das Material zusätzlich als Ablage dienen, lohnt sich, daneben auch eine weiche Spur zu behalten — sie kostet wenige Kilobyte und ist die einzige Fassung, die später noch jemand korrigieren kann.

Wer heute noch auf ein Gerät trifft, das ausdrücklich SUB verlangt, hat es oft mit Hardware zu tun, deren Firmware seit der Zeit stammt, in der Anime-Fansub-Gruppen MicroDVD als Standardformat für ihre Untertitel nutzten — bevor sich SRT und später ASS durchsetzten. Diese Player wurden entsprechend gebaut und getestet, und ihre Firmware wurde seither nicht mehr aktualisiert.

Das erklärt auch, warum genau diese Geräte am ehesten mit der UTF-8-Kodierung Schwierigkeiten haben: Zur Entstehungszeit dieser Firmware waren Untertiteldateien überwiegend einbytig codiert, und internationale Zeichensätze spielten für die Zielgruppe kaum eine Rolle. Ein Gerät aus dieser Generation zu bedienen heißt deshalb, mit den Erwartungen einer Software-Landschaft zu arbeiten, die deutlich älter ist als das Video, das gerade transcodiert wird.

Das transcodierte Video und die neue Untertiteldatei zuerst gemeinsam auf dem eigenen Rechner abspielen, in einem Player, der beides zeigt. Die erste Zeile und eine gegen Ende prüfen. Stimmen beide, passte die Bildrate. Sind beide um denselben Betrag verschoben, liegt meist ein Versatz vor, üblicherweise weil beim Herunterladen etwas dabei war, worauf die Untertitel nicht abgestimmt waren.

Ein wachsender Fehler zeigt eine falsche Bildrate an, und dann ist ein erneutes Codieren bei 25 schneller als jede andere Korrektur. Das vor dem USB-Stick zu prüfen, zählt, weil das Gerät am anderen Ende nichts verrät: Es zeigt entweder Untertitel oder nicht, und es sagt nicht, an welchem der beiden Probleme es liegt.