Begriffe: Captions und Transkripte

Untertitel (Subtitles)

Untertitel geben den gesprochenen Inhalt als Text wieder. Sie sind häufig auf Verständlichkeit und Übersetzung ausgerichtet
und enthalten nicht zwingend alle Geräuschinformationen.

Untertitel für Hörgeschädigte (Closed Captions / SDH)

Captions (oft „CC“ oder „SDH“) enthalten zusätzlich wichtige Audioinformationen wie Geräusche, Musikhinweise
und Sprecherzuordnung (z. B. „[Applaus]“, „[Tür klappt]“, „(aus dem Off)“). Das ist besonders relevant,
wenn Audio Kontext liefert, der im Bild nicht erkennbar ist.

Transkripte

Transkripte stellen den Audioinhalt als zusammenhängenden Text bereit. Je nach Zweck können sie wortgetreu,
leicht redigiert oder strukturiert sein (z. B. mit Sprecherlabels, Absätzen, Überschriften, optionalen Zeitmarken).
Transkripte sind besonders hilfreich, wenn Nutzer Inhalte querlesen, zitieren oder in eigenem Tempo verarbeiten möchten.

Ergänzende Einordnung: Audiodeskription

Transkripte lösen primär die Audio-Seite. Wenn wesentliche Information nur visuell vermittelt wird
(z. B. „wie etwas aussieht“ oder „was im Bild passiert“), werden ergänzende Lösungen wie Audiodeskription relevant.
Ob das erforderlich ist, hängt stark vom Inhaltstyp ab.

Typische Barrieren bei Video-Untertiteln und Transkripten

• Untertitel fehlen komplett: Inhalte sind ohne Ton nicht zugänglich; der Kontext geht verloren.
• Automatik ist ungenau: Namen, Fachbegriffe, Zahlen und Abkürzungen werden falsch erkannt; Sinn kippt.
• Keine Sprecherzuordnung: In Dialogen ist unklar, wer spricht (besonders bei Off-Kommentaren).
• Keine Audiohinweise: Musik, Lachen, Warnsignale oder relevante Geräusche fehlen, obwohl sie Bedeutung tragen.
• Schlechte Synchronität: Untertitel erscheinen zu spät/zu früh oder bleiben zu kurz sichtbar.
• Lesbarkeit leidet: zu lange Zeilen, zu viel Text auf einmal, fehlende Satzzeichen oder unklare Zeilenumbrüche.
• Player-Einschränkungen: Untertitel sind technisch vorhanden, aber nicht aktivierbar oder werden in manchen Umgebungen nicht angezeigt.
• Burned-in Untertitel (Open Captions) als einzige Lösung: Text ist fest im Bild, aber ggf. zu klein, nicht skalierbar, kollidiert mit UI-Overlays.
• Transkript fehlt oder ist versteckt: Nutzer finden keine Textalternative, obwohl sie diese benötigen.
• Transkript ohne Struktur: Ein langer Block ohne Absätze/Sprecherwechsel ist schwer nutzbar und schlecht zitierbar.

Woran gute Transkripte erkennbar sind

Inhaltliche Genauigkeit und Vollständigkeit

Qualitativ gute Transkripte geben den gesprochenen Inhalt sinngemäß korrekt wieder – inklusive Fachbegriffen,
Eigennamen und Zahlen. Bei Captions wird zusätzlich der relevante Audio-Kontext abgebildet
(z. B. wichtige Geräusche oder Musikhinweise, wenn sie Bedeutung tragen).

Synchronität und Tempo passen zur Wahrnehmung

Transkripte erscheinen passend zum Gesprochenen und bleiben lange genug sichtbar, um gelesen zu werden.
Das ist besonders wichtig bei schnellen Sprecherwechseln, Nebengeräuschen oder komplexen Inhalten.

Sprecherwechsel und Kontext sind nachvollziehbar

In Dialogen ist erkennbar, wer spricht. Bei Off-Kommentaren oder Stimmen außerhalb des Bildes wird der Kontext
so dargestellt, dass die Situation verständlich bleibt.

Lesbarkeit ist stabil (auch mobil)

Gute Transkripte sind nicht „Textwände“: Sie sind gut segmentiert, mit sinnvoller Zeichensetzung,
klaren Zeilenumbrüchen und ohne unnötige Ablenkung. Dadurch bleiben sie auch auf kleinen Displays nutzbar.

Transkripte sind strukturiert und wiederverwendbar

Transkripte wirken barrierearm, wenn sie übersichtlich sind: Absätze, Sprecherlabels, ggf. Kapitel/Überschriften
und optional Zeitmarken. Damit werden Inhalte schnell auffindbar, zitierbar und leichter zu verarbeiten.

Bereitstellung ist auffindbar und zuverlässig

Nutzer erkennen, dass Transkripte verfügbar sind (z. B. CC/Untertitel-Option) und finden Transkripte ohne Umwege.
Technisch zeigt sich Robustheit daran, dass die Lösung in gängigen Umgebungen zuverlässig funktioniert.

Beispiele: weniger hilfreich vs. nachvollziehbarer

Beispiel 1: Automatische Untertitel bei Fachbegriffen

Weniger hilfreich: Fachbegriffe und Zahlen werden regelmäßig falsch erkannt, wodurch Aussagen missverständlich werden.

Nachvollziehbarer: Begriffe, Namen und Zahlen sind korrekt; Sinn und Kernaussage bleiben stabil.

Beispiel 2: Dialog ohne Sprecherzuordnung

Weniger hilfreich: Text läuft durch, ohne zu zeigen, wer spricht; bei schnellen Wechseln entsteht Verwirrung.

Nachvollziehbarer: Sprecherwechsel sind erkennbar (z. B. durch Namen/Labels), Dialog ist auch ohne Bild klar.

Beispiel 3: Geräusche und Kontext

Weniger hilfreich: Ein Warnsignal oder Applaus ist hörbar, wird aber nicht textlich abgebildet, obwohl es die Situation erklärt.

Nachvollziehbarer: Relevante Geräusche werden als Hinweis ergänzt (z. B. „[Warnsignal]“, „[Applaus]“), ohne das Bild zu überladen.

Beispiel 4: Transkript als „Textblock“

Weniger hilfreich: Ein langer Absatz ohne Struktur; Sprecherwechsel und Themenabschnitte sind schwer auffindbar.

Nachvollziehbarer: Absätze, Sprecherlabels und klare Gliederung; Inhalte lassen sich schnell scannen und zitieren.

FAQ: 10 häufige Fragen zu Transkripten

1) Was ist der Unterschied zwischen Untertiteln und Captions (CC/SDH)?

Transkripte geben primär gesprochene Sprache wieder. Captions enthalten zusätzlich relevante Audioinformationen wie Geräusche, Musikhinweise und oft Sprecherzuordnung.

2) Warum reichen „Untertitel im Bild“ (Open Captions) nicht immer aus?

Weil sie nicht abschaltbar sind und bei kleiner Darstellung, Overlays oder Kompression unlesbar werden können. Außerdem sind sie nicht flexibel an Nutzerpräferenzen anpassbar.

3) Sind automatisch erzeugte Untertitel grundsätzlich problematisch?

Sie können hilfreich sein, sind aber häufig fehleranfällig bei Namen, Fachsprache, Zahlen und Mehrsprachigkeit. Die tatsächliche Nutzbarkeit hängt stark von der Textqualität ab.

4) Wann ist ein Transkript besonders sinnvoll?

Wenn Nutzer Inhalte querlesen, nachschlagen, übersetzen oder in eigenem Tempo verarbeiten möchten – und wenn Audio nicht verfügbar oder nicht gut verständlich ist.

5) Was sollte ein gutes Transkript enthalten?

Mindestens den gesprochenen Inhalt in verständlicher Struktur. Häufig hilfreich sind Sprecherlabels, Absätze und bei längeren Videos eine Gliederung oder Zeitmarken.

6) Warum ist Synchronität bei Untertiteln so wichtig?

Wenn Transkripte nicht zum Gesprochenen passen oder zu kurz eingeblendet sind, steigt die kognitive Belastung und Inhalte werden verpasst.

7) Welche Rolle spielen Geräuschhinweise?

Wenn Geräusche Bedeutung tragen (z. B. Warnsignal, Lachen, Applaus, Off-Geräusche), sind sie Teil der Information und sollten bei Captions berücksichtigt werden.

8) Was sind typische Probleme bei Playern?

Transkripte sind technisch vorhanden, aber schwer auffindbar, nicht aktivierbar oder in bestimmten Umgebungen nicht zuverlässig sichtbar (z. B. eingebettete Player, Apps, restriktive Einstellungen, text umwandeln).

9) Wie hängen Untertitel/Transkripte mit Barrierefreiheitsanforderungen zusammen?

Medienalternativen sind ein etablierter Bestandteil gängiger Barrierefreiheitsanforderungen (z. B. für aufgezeichnete und teils auch für Live-Inhalte). Welche Pflichten gelten, hängt vom Kontext ab.

10) Nutzen Untertitel und Transkripte auch Menschen ohne Behinderung?

Ja. Sie helfen bei leiser Umgebung, in öffentlichen Räumen, bei schlechter Audioqualität, beim Sprachenlernen, beim schnellen Scannen von Inhalten und bei Such-/Zitatbedarf.