Untertitel sind eingeblendeter Text, der den Ton eines Videos wiedergibt, samt der Geräusche, die zum Verständnis gehören. Sie laufen synchron zum Bild und lassen sich meist zuschalten.
- Untertitel
Eingeblendeter Text, der den Ton eines Videos wiedergibt, samt der wichtigen Geräusche.
Beispiel: „Die Untertitel nennen auch die Geräusche, etwa [Tür quietscht].“Auch: Captions. Im Englischen unterscheidet die WCAG beides: subtitles geben den Dialog wieder, captions zusätzlich Geräusche, Musik, Lachen und wer gerade spricht. Im Deutschen heißt beides Untertitel, und gemeint ist im Zweifel die zweite, vollständige Form.
Abgrenzung zum Transkript: Untertitel laufen im Takt des Videos mit. Das Transkript steht als Text daneben und lässt sich lesen, ohne das Video zu starten.
![Links ein Videobild mit einer dunklen Untertitelleiste „Komm rein! [Tür quietscht]“, darunter eine Tonspur mit der Einblendung „gesprochen: Sie öffnet die Tür“, rechts ein Dokument mit den Zeilen Sprecherin, Geräusch, Beschreibung und Sprecher](/files/images/pages/glossar/medienalternativen.svg "Untertitel, Audiodeskription und Transkript an einem Video")
Was hineingehört
Der Dialog, und dazu alles am Ton, was zum Verständnis gebraucht wird. Die WCAG zählt ausdrücklich Geräusche, Musik, Lachen und die Kennzeichnung des Sprechers dazu. Wer nur den Dialog abtippt, liefert Untertitel für Menschen, die den Ton leise gestellt haben, nicht für Menschen, die ihn gar nicht hören.
Dazu kommt eine Regel aus derselben Definition, die oft vergessen wird: Untertitel dürfen nichts verdecken, was im Bild wichtig ist. Eingeblendete Namen, Telefonnummern oder Ergebnisse gehören nicht hinter die Textleiste.
Welche Stufe die WCAG verlangt
Erfolgskriterium 1.2.2 „Captions (Prerecorded)“ steht auf Stufe A der WCAG 2.2 und gilt für jedes aufgezeichnete Video mit Ton. Die einzige Ausnahme: Das Video ist selbst die Alternative zu einem Text und ist als solche gekennzeichnet. Für Liveübertragungen verlangt 1.2.4 dasselbe auf Stufe AA.
Stufe A heißt in der Praxis: Ohne Untertitel ist das Video nicht konform, und daran ändert auch ein guter Begleittext nichts. Es gibt in den Anforderungen keine Abstufung nach Wichtigkeit des Videos.
Warum die automatischen nicht reichen
Weil die Spracherkennung der Plattformen an genau den Wörtern scheitert, auf die es ankommt: Eigennamen, Fachbegriffe, Produktnamen, Zahlen. Dazu fehlen Satzzeichen, der Sprecherwechsel und jedes Geräusch.
Als Rohfassung sind sie trotzdem der schnellste Weg. Aus unserer Arbeit an über 2.500 Website-Projekten dauert das Nacharbeiten einer automatischen Spur etwa ein Drittel der Videolaufzeit, das Abtippen von Hand ein Vielfaches davon.