YouTube-Transkript anzeigen und Video in Text umwandeln (mit oder ohne Untertitel)

Möchten Sie ein YouTube-Video in Text umwandeln? Der Weg hängt davon ab, ob das Video eine Untertitelspur hat: Mit Untertiteln (CC) kopieren Sie den Text kostenlos über die integrierte Funktion Transkript anzeigen (so nennt YouTube das Transkript in der Oberfläche); ohne Untertitel brauchen Sie KI-Spracherkennung, die aus dem Audio ein Transkript erzeugt. Diese Anleitung richtet sich an Studierende, die Kursnotizen ordnen, Marketingteams, die Interviews zu Artikeln machen, und Creator, die eine Untertiteldatei brauchen.

Schnellcheck: Hat Ihr Video Untertitel (CC)?

Öffnen Sie das Video im Desktop-Browser, klappen Sie den Infobereich unter dem Titel auf und scrollen Sie ganz nach unten. Wenn Sie den Button Transkript anzeigen sehen, hat das Video eine Untertitelspur.

Für die Route ohne Untertitel zeigt diese Anleitung den Ablauf mit Taption; andere Spracherkennungstools folgen demselben Prinzip.

Warum fehlt der Button bei manchen Videos? Laut der offiziellen YouTube-Hilfe zu automatisch erstellten Untertiteln gehören dazu: Die Audiospur wird noch verarbeitet, die Sprache wird von automatischen Untertiteln nicht unterstützt, das Video ist zu lang, die Tonqualität ist schlecht oder YouTube erkennt die Sprache nicht, am Anfang liegt eine lange Stille, oder mehrere Personen sprechen gleichzeitig bzw. es werden mehrere Sprachen gleichzeitig gesprochen.

Methode 1: YouTube-Transkript kostenlos mit der integrierten Funktion kopieren

Wenn das Video Untertitel hat, können Sie das Transkript anhand der offiziellen YouTube-Anleitung öffnen. Die folgenden Schritte beschreiben, wie Sie den Text im Desktop-Browser manuell markieren und kopieren. Es handelt sich nicht um eine YouTube-Funktion zum Herunterladen von Untertiteldateien.

• Schritt 1: Öffnen Sie das YouTube-Video im Desktop-Browser und klicken Sie am Ende des Infobereichs unter dem Titel auf ...mehr, um die vollständige Beschreibung aufzuklappen.
• Schritt 2: Scrollen Sie ganz nach unten zum Abschnitt Transkript und klicken Sie auf Transkript anzeigen.
• Schritt 3: Rechts neben dem Player (oder darunter) öffnet sich das Panel Transkript; ein Klick auf eine Zeile springt zu dieser Stelle im Video.
• Schritt 4: Klicken Sie oben rechts im Panel auf ⋮ und wählen Sie Zeitstempel ein- oder ausblenden, um Zeitstempel zu behalten oder auszublenden.
• Schritt 5: Pausieren Sie zuerst das Video, damit das automatische Scrollen des Transkripts die Textauswahl nicht stört. Markieren Sie den gewünschten Text mit der Maus und drücken Sie Strg + C (Cmd + C auf dem Mac). Fügen Sie ihn in einen Texteditor ein und prüfen Sie, ob Anfang und Ende vollständig kopiert wurden. Lange Transkripte können Sie abschnittsweise kopieren.

Die Abbildung veranschaulicht die englische Oberfläche und dokumentiert keinen Test mit einem echten Video. ...more öffnet die vollständige Beschreibung, Show transcript zeigt das Transkript und Toggle timestamps blendet Zeitstempel ein oder aus. Pausieren Sie das Video vor dem Kopieren. Ctrl entspricht auf einer deutschen Tastatur Strg.

Diese Methode hat drei Einschränkungen:

• In der mobilen App lässt sich nicht kopieren: In der YouTube-App können Sie eine Transkriptzeile antippen, um zu springen, aber den Text derzeit nicht direkt markieren und kopieren. Öffnen Sie auf dem Handy youtube.com im Browser und wechseln Sie zur Desktop-Website.
• Eingebettete Player zeigen es nicht: Ein in eine andere Website eingebetteter YouTube-Player zeigt den Infobereich nicht; kehren Sie zur Originalseite auf YouTube zurück, um das Transkript zu öffnen.
• Zuschauer können die Untertiteldatei nicht herunterladen: YouTube bietet Zuschauern keinen Button zum Herunterladen der Untertiteldatei. Kanalinhaber können die Untertitel eigener Videos in YouTube Studio herunterladen; siehe die YouTube-Studio-Hilfe zum Bearbeiten oder Herunterladen von Untertiteln.

Fragmentierte Untertitel in lesbare Absätze bringen

Automatisch erstellte Untertitel kommen als kurze Fragmente Zeile für Zeile. Oft fehlen Satzzeichen, englische Eigennamen stehen klein, und wer spricht, wird meist nicht gekennzeichnet. Bei chinesischsprachigen Videos können außerdem vereinfachte Schriftzeichen oder Formulierungen erscheinen, die in Taiwan unüblich sind – relevant, wenn Sie den Text in taiwanischem Traditionellem Chinesisch brauchen.

Hier ein illustratives Beispiel. Dieser kurze Dialog zwischen Moderator und Sprecher dient nur der Formatdarstellung; er stammt nicht aus einem echten Video, und die späteren TXT- und SRT-Beispiele verwenden denselben Inhalt. Kopierte Untertitel sehen ungefähr so aus:

Wenn Sie ChatGPT, Claude oder Gemini nur bitten, «dieses Transkript aufzuräumen», schreibt das Modell oft eine Zusammenfassung. Um den vollständigen Inhalt zu behalten, nutzen Sie diesen Prompt-Vorschlag: Er macht die Anforderungen klar und verringert Auslassungen:

Sie sollten etwas in dieser Art erhalten (ebenfalls ein Illustrationsbeispiel):

Generative Modelle können Sätze trotzdem weglassen oder umschreiben: Prüfen Sie Zitate am Video. Teilen Sie lange Transkripte nach Themen in überschaubare Abschnitte auf. Fügen Sie diese einzeln ein und gleichen Sie jeden Abschnitt mit dem Originaltext ab. Außerdem enthält der bereinigte Text keine Sprechernamen, sofern die Originaluntertitel keine hatten – und er eignet sich so nicht direkt als Untertiteldatei.

Methode 2: YouTube-Video ohne Untertitel → Text mit KI-Spracherkennung

Tools, die nur vorhandene Untertitel abrufen, finden nichts, wenn keine Untertitelspur existiert. Dann brauchen Sie Spracherkennung, die das Audio «hört» und Text sowie Zeitachse neu erzeugt. Cloud-Dienste und das Open-Source-Modell OpenAI Whisper arbeiten so; Whisper lokal zu betreiben erfordert Installation und Einrichtung über die Kommandozeile, und es hat keine eingebaute Sprechertrennung (Diarization).

Taption-Anleitung: Link einfügen, erkennen, korrigieren, exportieren

Der folgende Ablauf nutzt das YouTube-Video-zu-Text- und Transkript-Tool und umfasst fünf Schritte – vom Einfügen des Links eines öffentlichen Videos bis zum Export. Prüfen Sie vorher drei Punkte:

• Konto: Sie müssen sich anmelden, bevor Sie einen YouTube-Link einfügen können. Neue Konten erhalten 20 kostenlose Minuten, ohne Kreditkarte.
• Das Video muss öffentlich zugänglich sein: Private Videos, Videos nur für Kanalmitglieder, altersbeschränkte, regional gesperrte oder DRM-geschützte Videos sowie laufende Livestreams lassen sich nicht per Link importieren. Videos, die vor weniger als 24 Stunden veröffentlicht wurden, oder gerade beendete Live-Aufzeichnungen können beim Import fehlschlagen; laden Sie dann die Datei hoch.
• Länge und Größe: Eine einzelne Datei darf bis zu 5 Stunden dauern. Prüfen Sie vor dem Hochladen die Dateigrößenbegrenzung im Upload-Dialog Ihres Kontos. Klären Sie bei großen Dateien zunächst, ob sie importiert werden können, bevor Sie die Verarbeitung starten. Kosten über die Gratisminuten hinaus finden Sie unter Taption-Pläne und Preise.

• Schritt 1｜Link einfügen: Klicken Sie nach der Anmeldung oben links auf Hochladen. Wechseln Sie oben im Dialog «Medien hochladen» zum Symbol Youtube und fügen Sie die Video-URL ein.
• Schritt 2｜Sprache wählen: Wählen Sie im Menü Wählen Sie die gesprochene Sprache aus die Sprache des Videos, z. B. 🇩🇪 Deutsch (Deutschland). Bei Mandarin-Videos wählen Sie 🇹🇼 Chinesisch (Taiwan), wenn überwiegend Chinesisch mit nur vereinzelten englischen Wörtern gesprochen wird, und 🇹🇼＋🇺🇸 Chinesisch & Englisch (Traditionell), wenn chinesische und englische Sätze häufig wechseln. Den Unterschied erklärt die Seite Mandarin und gemischt Chinesisch–Englisch zu Traditionellem Chinesisch transkribieren. Es gibt keine eigenständige Option für Taiwanesisch (Hokkien); Videos mit viel taiwanesischer Dialogpassage brauchen mehr manuelle Korrektur.
• Schritt 3｜Aufteilung wählen: Setzen Sie Transkriptionsmethode auf Automatische Transkription und wählen Sie je nach Zweck die Transkriptaufteilung. Für Interviews und Meetings: Sprecher-Transkript; Sie können zuvor Sprechernummer und Sprecherkennzeichnung ausfüllen. Für Vorträge oder Kurse mit einer Person: Einfaches Transkript (Sinnabschnitte). Für Untertitel: Videountertitel. Maximale Zeichen pro Segment ist für Deutsch standardmäßig 45; einen eigenen Wert setzen erfordert Premium oder Bulk, und das Feld erscheint nicht bei Chinesisch & Englisch.
• Schritt 4｜Korrekturlesen: Klicken Sie auf Erstellen. Danach zeigt der Editor links das Video und rechts das zeitcodierte Transkript. Bei der Spracherkennung können Fehler entstehen, besonders bei Hintergrundgeräuschen, Akzenten, gleichzeitigem Sprechen oder vielen Eigennamen. Gleichen Sie das Transkript vor dem Export mit der Originalaufnahme ab. Sprechernamen ändern Sie im Menü Sprecher; denselben Tippfehler korrigieren Sie mit Alle ersetzen; häufige Eigennamen markieren und über Zum Wörterbuch hinzufügen ins Persönliche Wörterbuch legen. Die Korrekturreihenfolge bei langen Interviews steht in der Anleitung zur Organisation und effizienten Korrektur von Meeting-Transkripten (auf Traditionellem Chinesisch).
• Schritt 5｜Exportieren: Klicken Sie oben rechts auf Exportieren, wählen Sie im Dialog Transkription exportieren das Format und laden Sie die Datei herunter. Nutzen Sie nur die Gratisminuten, wird dem Dateinamen _taption angehängt, am Dateiende erscheint die Zeile «Transkribiert mit Taption», und die Schalter für Zeitcode und Sprechername in TXT/PDF sind gesperrt; Minutenkauf oder Abo heben diese Grenzen auf. Zweisprachige Untertitel erfordern Premium oder Bulk.

Diese Illustration wurde anhand englischer Bildschirmaufnahmen mit KI nachgezeichnet; sie ist kein Original-Screenshot. Die Felder 1, 2 und 3 entsprechen den Schritten 1, 2 und 3 im Text, Feld 4 entspricht Schritt 5. Führen Sie vor dem Export auch die Korrektur aus Schritt 4 durch. Create entspricht „Erstellen“, Export entspricht „Exportieren“. Der Wert 14 ist eine beispielhafte Einstellung und nicht das Standard-Zeichenlimit der gewählten Sprache.

TXT, SRT oder VTT: Welches Exportformat wählen?

Word (.docx) steht nicht im Dialog Transkription exportieren; Sie laden es aus einem Ergebnis der KI-Analyse herunter, und das verbraucht KI-Punkte. Derselbe Dialog bietet außerdem MP4 sowie FCPXML und JSON, die Premium oder Bulk voraussetzen.

Wie sehen TXT und SRT aus? (Formatbeispiele)

Die folgenden Beispiele greifen den illustrativen Dialog von oben wieder auf. Sie zeigen nur das Dateiformat, nicht das Erkennungsergebnis eines echten Videos. Beide Formate tragen denselben Inhalt; unterschiedlich ist die Verpackung. Wenn ein TXT eine benutzerdefinierte Formatvorlage nutzt (Premium oder Bulk), die Zeitcode und Sprechername in dieselbe Zeile setzt, ist jedes Segment eine Zeile:

Ein SRT schneidet dieselben Sätze in Untertitelblöcke mit laufender Nummer sowie Start- und Endzeit (in diesem Beispiel sind abschließende Kommas und Punkte am Zeilenende weggelassen):

Die Untertitelaufteilung von Taption setzt für Deutsch standardmäßig maximal 45 Zeichen pro Segment und für Traditionelles Chinesisch 16. Das sind Produktdefaults, keine universellen Untertitelregeln. Zu Zeichen pro Zeile und Interpunktionskonventionen bei Untertiteln in Traditionellem Chinesisch siehe den Styleguide für Untertitel in Traditionellem Chinesisch (16 Zeichen pro Zeile und Interpunktionsstandards). Ob Untertitel als separate Datei oder eingebrannt geliefert werden sollen, klärt der Vergleich eingebrannter vs. ausblendbarer Untertitel (SRT/VTT und eingebranntes MP4).

Wenn Untertitel in der Schnittsoftware als Zeichensalat (Mojibake) erscheinen, prüfen Sie zuerst, ob die Datei in einem Texteditor korrekt lesbar ist. Ist der Text dort in Ordnung, speichern Sie sie als UTF-8 neu, wie die Zielsoftware es verlangt. Ist er schon im Texteditor zerstört, öffnen Sie die Datei erneut mit der richtigen Originalkodierung, prüfen Sie die Lesbarkeit und konvertieren Sie erst dann – sonst speichern Sie nur den Zeichensalat in einer anderen Kodierung. Manche Tools brauchen UTF-8 mit BOM; von Taption heruntergeladene .srt- und .txt-Dateien beginnen bereits mit einem UTF-8-BOM. Achten Sie außerdem darauf, dass die Datei nicht als .srt.txt gespeichert wurde: Schnittsoftware erkennt das meist nicht als Untertiteldatei.

Häufige Fragen

Geht das Transkript auch bei YouTube Shorts oder einer Live-Wiederholung?

Ja, mit Einschränkungen. Shorts-Seiten zeigen den Button «Transkript anzeigen» meist nicht. Hat der Short Untertitel (CC), ändern Sie im Desktop-Browser in der URL /shorts/VIDEO_ID zu /watch?v=VIDEO_ID und kopieren Sie das Transkript wie bei einem normalen Video. Bei Shorts oder Wiederholungen ohne CC fügen Sie die URL im Dialog Hochladen → Youtube von Taption ein. Ein laufender Livestream lässt sich nicht per Link importieren – warten Sie, bis er endet. Videos, die vor weniger als 24 Stunden beendet oder veröffentlicht wurden, können fehlschlagen; speichern Sie dann zuerst eine lokale Datei und laden Sie sie hoch.

Chinesisches Transkript erscheint in Vereinfacht oder mit Festland-Vokabular – wie wird es zu taiwanischem Traditionellem Chinesisch?

Diese Frage gilt, wenn ein chinesisches Transkript in taiwanischem Traditionellem Chinesisch vorliegen soll, aber mit vereinfachten Zeichen oder Festland-Wortschatz herauskommt. Die Lösung hängt davon ab, woher der Text stammt. Der Aufräum-Prompt in diesem Artikel zielt auf Deutsch; für chinesischen Text fordern Sie Ausgabe in taiwanischem Traditionellem Chinesisch und in Regel 4 taiwanesisches Vokabular an (z. B. 「軟件」 und 「視頻」 zu 「軟體」 und 「影片」). In Taption wählen Sie in Schritt 2 eine gesprochene Sprache mit Traditionell-Ausgabe (🇹🇼) und vereinheitlichen Begriffe mit Persönliches Wörterbuch und Alle ersetzen. Liegt bereits eine vereinfachte Text- oder Untertiteldatei vor, nutzen Sie das Open-Source-Projekt OpenCC (Open Chinese Convert, mit der Konfiguration s2twp für taiwanesische Phrasen); s2twp wandelt Zeichenform und in Taiwan übliches Vokabular zugleich um.

Kann man in einem Interview mit mehreren Personen sehen, wer spricht?

Ob Sprechernamen im YouTube-Transkript erscheinen, hängt davon ab, ob die Originaluntertitel bereits Namensmarkierungen enthalten; fehlen sie, hat die Kopie sie meist auch nicht. Damit das Tool Sprecher automatisch trennt, setzen Sie beim Upload in Taption Transkriptaufteilung auf Sprecher-Transkript. Das System teilt Segmente nach Stimme; danach können Sie Standardnamen im Menü Sprecher in echte Namen ändern. Die Funktion beschreibt die Seite Sprechererkennung. Passagen mit gleichzeitigem Sprechen oder Unterbrechungen können trotzdem falsch geschnitten sein und brauchen manuelle Korrektur.

Was tun, wenn der YouTube-Link in Gemini Notebook (früher NotebookLM) nicht importiert wird?

Prüfen Sie zuerst, ob das Video die Voraussetzungen erfüllt. Laut den offiziellen Google-Regeln zum Importieren von Quellen in Gemini Notebook (NotebookLM) werden nur öffentliche YouTube-Videos mit Untertiteln unterstützt, und es wird nur der Untertiteltext importiert. Videos, die vor weniger als 72 Stunden hochgeladen wurden, können scheitern; wird das Video gelöscht oder privat gestellt, wird die Quelle innerhalb von 30 Tagen aus dem Notebook entfernt. Qualifiziert das Video nicht, erstellen Sie mit den Methoden dieses Artikels ein Transkript und laden Sie es als TXT- oder PDF-Quelle hoch. Enthält die Datei Zeitcodes und Sprechernamen, werden sie zu durchsuchbarem Text; die importierte Quelle bleibt aber Plaintext – Zeitangaben im Chat sollten Sie am Video prüfen.

Gibt es Urheberrechtsprobleme, wenn man das YouTube-Video jemand anderes transkribiert?

Dass ein Video öffentlich sichtbar ist, bedeutet nicht, dass es frei vervielfältigt oder verbreitet werden darf. Priorisieren Sie eigene oder freigegebene Videos. Ob eine andere Nutzung als Fair Use bzw. erlaubte Nutzung gilt, hängt weiter von Zweck, Umfang und anwendbarem Recht ab; «persönliche Recherche» oder «Quelle genannt» reicht dafür nicht. Dies ist allgemeine Information, keine Rechtsberatung.

Weiterführende Lektüre

• Zusammenfassungen und Video-Kapitel: Wenn das Transkript fertig ist, können Sie mit KI-Videozusammenfassungen und YouTube-Zeitstempel-Kapiteln Zusammenfassung und Kapitel erzeugen, etwa im Format 00:00 Einleitung, 01:30 Thema 1, 05:10 Thema 2. Nach den offiziellen YouTube-Anforderungen an Video-Kapitel muss der erste Zeitstempel 00:00 sein, es braucht mindestens drei aufsteigende Zeitstempel, und jedes Kapitel muss mindestens 10 Sekunden dauern.
• Mehrsprachige Untertitel: Zum Übersetzen von Untertiteln in andere Sprachen siehe die vollständige Anleitung zu mehrsprachigen Untertiteln für YouTube (auf Traditionellem Chinesisch).
• Untertitel-Layout: Konventionen zu Zeichen pro Zeile, Zeilenumbruch und Interpunktion stehen im Styleguide für Untertitel in Traditionellem Chinesisch (16 Zeichen pro Zeile und Interpunktionsstandards).

Hat das Video Untertitel (CC), liefert Methode 1 den Text kostenlos; wenige Minuten reichen, um die Zeichensetzung zu ordnen. Ohne Untertitel nutzen Sie die 20 Gratisminuten eines neuen Kontos, um Spracherkennung und Export an einem eigenen Video zu testen.