Wer im Mühlviertel vor der Kamera steht, redet so, wie er redet. Die automatische Erkennung schreibt daraus oft etwas, das keiner gesagt hat. Das Ausbessern ist dann der eigentliche Ärger: Ein Wort geändert, und auf einmal steht der Text an der falschen Stelle im Video. Dagegen hilft eine einzige Regel: erst der Text, dann die Zeit. Hier steht, wie das geht und was du dafür brauchst.
Ein Untertitel besteht aus zwei Teilen. Aus dem Text, und aus den Zeiten, wann er erscheint und wann er wieder geht. Manche Programme teilen die Zeilen selbst ein und hängen die Zeiten an die Wörter. Änderst du dort ein Wort, teilt das Programm neu ein. Die Zeilen werden anders lang, und die Zeiten wandern mit.
Das ist kein Bedienfehler. Wer dann von Hand nachschiebt, schiebt beim nächsten ausgebesserten Wort wieder. Und beim nächsten Video wieder von vorn.
1. Den erkannten Text als schlichte Textdatei holen. Nur Wörter, keine Zeiten. Eine Zeile ist eine Aussage. Wo die Zeile endet, endet später auch der Untertitel.
2. Den ganzen Text fertig ausbessern. Falsch erkannte Wörter, Füllwörter raus, zu lange Sätze teilen. Erst wenn der Text komplett stimmt, geht es weiter.
3. Die Zeiten vom Computer setzen lassen. Viele Erkennungen liefern zu jedem Wort mit, wann es gesprochen wurde. Ein Programm vergleicht deinen fertigen Text mit dem erkannten und gibt jedem Wort seine Zeit zurück. Andere Programme legen den fertigen Text ganz neu auf die Tonspur, das Fachwort dafür ist Forced Alignment. Danach schiebst du nichts mehr von Hand.
Der Unterschied klingt klein. Aber du arbeitest nur noch an einer Sache auf einmal. Beim Ausbessern denkst du an Wörter, die Zeiten macht der Computer.
Gesprochen wird Dialekt, die Untertitel schreiben wir in Schriftdeutsch. Dialekt so hinzuschreiben, wie er klingt, liest sich mühsam, und jeder schreibt ihn anders. Wer zuhört, hört den Dialekt ohnehin.
Das nimmt auch Druck von der Erkennung. Sie muss den Dialekt nicht perfekt verstehen. Sie muss nur nah genug herankommen, dass das Ausbessern schnell geht.
Jeder Betrieb hat ein paar Wörter, die eine Erkennung immer falsch schreibt. Den eigenen Ortsnamen, den Firmennamen, die Fachwörter aus dem Alltag. Bei uns stehen auf dieser Liste zum Beispiel Gramastetten, Mühlviertel und Datenstadl.
Schreib dir diese Wörter einmal auf. Hat dein Programm ein Feld für eigenes Vokabular, kommen sie dort hinein. Hat es keins, hilft die Liste beim Suchen und Ersetzen. Dazu kommen die Verhörer, die immer gleich falsch sind. Die Liste wächst mit jedem Video, und das Ausbessern wird jedes Mal kürzer.
Viele Erkennungsdienste laufen nicht auf deinem Rechner, sondern im Netz. Der Ton deines Videos geht dann zu einem fremden Anbieter. Bei Aufnahmen aus dem eigenen Betrieb ist das deine Entscheidung.
Bei Videos, die wir für einen Kunden schneiden, halten wir es so: Der Ton geht nur zu so einem Dienst, wenn der Kunde davon weiß. Arbeitet für dich jemand anderer an deinen Videos, frag einfach, wohin der Ton geht.
Für unsere Reels habe ich mir die drei Schritte als kleines Werkzeug gebaut. Es holt den Text mit unserer Wörterliste, ich bessere ihn als Textdatei aus. Danach vergleicht es Wort für Wort: Was gleich geblieben ist, behält seine Zeit genau. Schreibe ich eine Stelle ganz neu, verteilt es sie gleichmäßig über die alte Zeitspanne. Diese Stellen schau ich mir dann einmal an. Was ich ausgebessert habe, schlägt es zum Schluss für die Liste vor. Ob ein Wort aufgenommen wird, entscheide ich.
Das geht genauso mit fertigen Programmen. Wichtig ist nur die Reihenfolge, nicht das Werkzeug.
Wenn du alle paar Wochen einen kurzen Clip mit vier, fünf Sätzen machst, tipp die Untertitel einfach selbst. Dafür brauchst du keinen eigenen Ablauf. Und wenn in deinem Video niemand redet und nur Musik läuft, gibt es nichts zu untertiteln. Dann reichen ein, zwei Zeilen Text im Bild.
Die Regel lohnt sich, sobald regelmäßig jemand vor der Kamera spricht.
Wenn du laufend Videos aus deinem Betrieb brauchst: Bei KIno drehen wir bei dir im Betrieb, schneiden die Reels und setzen die Untertitel. Im kostenlosen 15-Minuten-Erstgespräch reden wir darüber, ob das für dich passt. Du musst danach nichts bei uns machen.
Passend dazu: Was an einem Werbevideo für einen kleinen Betrieb wirklich hängt, steht im Artikel Werbevideo für kleine Betriebe.