Untertitelgenerierung ist das automatische Erzeugen von Untertiteln aus der Tonspur eines Videos: Ein KI-Modell erkennt die Sprache, setzt sie in Text um und teilt ihn in Blöcke mit Zeitmarken. Für Barrierefreiheit ist das der Arbeitsschritt, der am meisten Zeit kostet und am leichtesten abzugeben ist.
- Untertitelgenerierung
Das automatische Erzeugen von Untertiteln aus der Tonspur eines Videos.
Beispiel: „Die Untertitelgenerierung lieferte für das 40-minütige Webinar in vier Minuten eine Fassung zum Durchsehen.“Was dabei entsteht: Text mit Zeitmarken in einem der verbreiteten Untertitelformate, meist zusätzlich ein Transkript ohne Zeiten.
Abgrenzung zu Untertiteln für Gehörlose: Die halten zusätzlich Geräusche und Sprecherwechsel fest, und das liefert die Automatik nicht.
Was sie zuverlässig leistet
Den ersten Durchgang. Bei klarer Aufnahme, einer sprechenden Person und Hochsprache liegt die Erkennung so hoch, dass die Nacharbeit in Minuten statt Stunden erledigt ist. Das verschiebt die Rechnung für Barrierefreiheit grundlegend: Untertitel sind kein Kostenargument mehr.
Wo sie scheitert
Bei Fachwörtern, Eigennamen, Zahlen und mehreren Sprechern. Produktnamen und Abkürzungen kommen regelmäßig falsch heraus, und bei Überlagerungen fehlt die Zuordnung. Eine Wortliste mit den eigenen Begriffen vorab verbessert das Ergebnis deutlich, und die meisten Werkzeuge nehmen sie entgegen.
Warum die Nachkontrolle Pflicht bleibt
Weil falsche Untertitel schlechter sind als keine. Für Menschen, die auf sie angewiesen sind, ist ein falsch verstandener Satz eine Falschinformation, und bei rechtlich bindenden Aussagen wird daraus ein Problem. Dazu kommt, dass Suchmaschinen und Antwortmaschinen Untertitel auswerten, und ein Fehler darin wandert weiter.
Was wir in Projekten festlegen
Automatik erzeugt, Mensch gibt frei. Dazu gehört eine Liste der eigenen Begriffe, ein fester Platz für die Dateien und die Regel, dass kein Video ohne geprüfte Untertitel veröffentlicht wird. Der Aufwand dafür liegt bei etwa einer Minute Nacharbeit je Minute Video und damit in einer Größenordnung, die sich einplanen lässt.
Welche Formate gebraucht werden
Zwei. Ein einfaches Format mit Zeitmarken für Videoplattformen und die eigene Website, und ein Transkript als Fließtext für die Seite selbst. Das Transkript ist der Teil, den Suchmaschinen und Antwortmaschinen auswerten, und er wird regelmäßig vergessen, obwohl er im selben Arbeitsschritt anfällt.