---
title: "YouTube Transkript übersetzen und Timestamps behalten"
description: "Übersetzen Sie ein YouTube Transkript in Text: erst die gesprochenen Zeilen erzeugen, dann übersetzen – jede Zeile behält den Timestamp des Originals."
canonical: "https://transcript.im/de/blog/translate-youtube-transcript"
markdown: "https://transcript.im/de/blog/translate-youtube-transcript.md"
author: "Leo"
category: "YouTube"
datePublished: "2026-10-03T03:14:51.000Z"
dateModified: "2026-10-03T06:00:37.325Z"
---
Um ein YouTube-Video in Text zu übersetzen, schreiben Sie zuerst auf, was gesagt wurde, und übersetzen Sie dann diese Zeilen. Das Bild ist nicht das, was übersetzt wird. Es sind die gesprochenen Worte. YouTube kann Ihnen Untertitel anzeigen, während ein Video läuft, und bei manchen Videos kann der Player einen übersetzten Untertitel über das Bild legen, solange Sie zuschauen. Diese Einblendung verschwindet, sobald Sie die Seite verlassen. Eine Übersetzung, die Sie zitieren, durchsuchen oder an jemand anderen weitergeben können, ist ein Transkript, das übersetzt wurde – wobei jede Zeile weiterhin auf den ursprünglichen Moment verweist.

YouTubes [Hilfeseite zum Anzeigen von Transkripten](https://support.google.com/youtube/answer/15930243) beschreibt die Leseansicht: Öffnen Sie **Transkript anzeigen** in der Beschreibung, folgen Sie der aktuellen Zeile, klicken Sie auf eine Zeile, um dorthin zu springen. Ein übersetztes Dokument wird dort nicht beschrieben, und auch nicht, wie man eines speichert. Der Rest dieser Seite beschreibt die Reihenfolge, in der dieses Dokument entsteht. Erzeugen Sie das Transkript. Übersetzen Sie die Zeilen. Behalten Sie die Zeitangaben an ihrem Platz.

## Warum ein Transkript übersetzen

Ein Transkript zu übersetzen statt die Videodatei hat einen guten Grund: Die Worte sind das, was Sie später wiederverwenden. Ein Vortrag, dem Sie schriftlich besser folgen als mit dem Ohr, eine Aussage, die Sie in der Sprache Ihrer Notizen zitieren müssen, und ein Ausschnitt, den Sie für ein anderes Publikum untertiteln wollen – sie alle gehen von demselben Gegenstand aus: den gesprochenen Zeilen als Text. Das Übersetzen der MP4 erzeugt diesen Text nicht. Eine neue Sprachspur dazu synchronisieren ebenso wenig. Das sind andere Aufgaben, und um die geht es auf dieser Seite nicht.

Manche Zuschauer brauchen nur die Einblendung. Wenn der Player bereits eine Übersetzung anzeigt und Sie das Video nur einmal ansehen, bleiben Sie dort. Wechseln Sie zum Transkript, wenn Sie den Wortlaut noch brauchen, nachdem der Tab geschlossen ist, wenn Sie nach einer Formulierung suchen müssen oder wenn die Übersetzung in ein Dokument oder einen Editor übernommen werden soll. Die Einblendung ist nur eine Anzeige. Das Transkript ist der Text.

Das Transkript zieht außerdem eine klare Grenze darum, was übersetzt werden kann. Gesprochenes gehört dazu. Eingebrannte Titel, Bauchbinden und anderer Text, der ins Bild gemalt ist, werden nicht gelesen und daher auch nicht übersetzt. Ein Musikvideo mit wenig oder gar keiner Sprache fällt dürftig aus, weil es kaum etwas zum Mitschreiben gibt. Zwei Personen, die gleichzeitig sprechen, ein lauter Raum und ein gedämpftes Mikrofon schwächen die Quellzeilen, und eine Übersetzung kann eine Zeile, die bereits falsch war, nicht reparieren. Vergleichen Sie das Original mit dem Zeitstempel, bevor Sie die Übersetzung als Zitat verwenden.

Der Link muss öffentlich sein. Ein privates Video, ein gelöschtes Video, ein Video nur für Mitglieder oder ein Link, der nur im Konto einer anderen Person abspielt, lässt sich über eine eingefügte öffentliche URL nicht öffnen. Altersbeschränkungen und regionale Sperren können dieselbe Anfrage blockieren. Es gibt keinen Schalter, der ein Video erzwingt, das YouTube nicht ausliefert.

## Erst erzeugen, dann übersetzen

Die Übersetzung ist der zweite Schritt. Der erste Schritt ist das Transkript – in der Sprache der Untertitel oder der gesprochenen Worte. Lassen Sie diesen Schritt aus, gibt es nichts Zeilenförmiges zu übersetzen. Eine Zusammenfassung, ein Kommentarverlauf oder die Videobeschreibung sind kein Ersatz. Sie sind nicht die gesprochene Abfolge und tragen keine Zeit für jede Zeile.

![Vier Schritte, um ein YouTube-Video in Text zu übersetzen: URL kopieren, Zeilen erzeugen, übersetzen, dann prüfen und exportieren](/images/blog/translate-youtube-transcript/de/518f471d.jpg)

Auf transcript.im gehen Sie in dieser Reihenfolge vor:

1. Kopieren Sie die URL des öffentlichen Videos, das Sie in einer anderen Sprache möchten.
2. Fügen Sie sie ein und erzeugen Sie die Zeilen, bevor Sie eine Zielsprache wählen. Bereits vorhandene Untertitel des Videos sind die Quelle. Sprache wird nur dann transkribiert, wenn diese Untertitel fehlen.
3. Starten Sie Translate für diese Zeilen und wählen Sie eine unterstützte Sprache. Der Wortlaut ändert sich. Das Video auf YouTube bleibt unverändert.
4. Prüfen Sie die übersetzte Zeile gegen ihre ursprüngliche Zeit. Exportieren Sie, wenn die Übersetzung außerhalb des Browsers bestehen soll.

Um [ein YouTube Transkript zu übersetzen](/de/youtube-transcript) benötigen Sie lediglich den Link. Sie laden das Video nicht erneut hoch, und Sie tippen die Übersetzung nicht von Hand ein, es sei denn, Sie korrigieren im Nachhinein eine Zeile. Eine Korrektur bleibt in Ihrer Kopie. Sie wird nicht in das ursprüngliche Video zurückgeschrieben.

Die Zielsprache ist eine der unterstützten Sprachen: Arabisch, Chinesisch (vereinfacht), Englisch, Französisch, Deutsch, Hindi, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch. Chinesisch ist hier vereinfacht, kein eigenes Ziel für traditionelles Chinesisch. Portugiesisch ist ein Ziel, nicht nach Ländern aufgeteilt. Wenn die von Ihnen benötigte Sprache nicht auf dieser Liste steht, erfindet dieser Schritt sie nicht. Wählen Sie ein Ziel, das das Tool tatsächlich anbietet, oder übersetzen Sie den exportierten Text an einer Stelle, die diese Sprache anbietet, und akzeptieren Sie, dass das zweite Tool die Zeitmarken möglicherweise nicht beibehält, wenn Sie sie nicht selbst mitführen.

Die Ausgangssprache ist die, in der die Untertitel oder die Sprache bereits vorlagen. Ein auf Japanisch gesprochenes Video liefert zunächst japanische Zeilen, auch wenn Sie Spanisch lesen möchten. Die Übersetzung ist eine spätere Wahl der Zielsprache, und eine andere Zielsprache ist eine separate Übersetzung derselben Quellzeilen. Ein Wechsel von Spanisch auf Deutsch bearbeitet das spanische Ergebnis nicht zu Deutsch um. Die Quelle wird erneut übersetzt.

Automatische Untertitel sind, sofern vorhanden, weiterhin die Grundlage. Sie sind nur so gut wie diese Untertitelspur. Bei Namen, Akzenten und schnellen Zwischenbemerkungen werden sie unsauber. Die Transkription aus dem Audio – bei einem Video, das nie untertitelt wurde – hat dieselbe Art von Grenze: Der Text folgt der Aufnahme. Übersetzen Sie erst, nachdem Sie sich die Quellzeile angesehen haben, die Sie brauchen – nicht vorher.

## Zeitstempel synchron halten

Die Zeit bleibt stehen, weil die Übersetzung die Zeitachse nicht neu aufbaut. Jede Zeile behält ihren Start und ihre Dauer von vor der Umformulierung. Ersetzt wird nur der Text. Ein Satz, der bei 1:02 begann, beginnt auch in der Übersetzung bei 1:02 – selbst wenn die neue Formulierung länger oder kürzer ausfällt als das Original.

![Originale und übersetzte Transkript-Zeilen nebeneinander mit denselben Zeitstempeln](/images/blog/translate-youtube-transcript/de/7b5c3116.jpg)

So bleibt die Übersetzung an den Moment im Video geknüpft. Die übersetzte Zeile ist ein Etikett auf dem ursprünglichen Zeitpunkt, kein neuer Vortrag mit eigenem Tempo. Die Zeit neben der Zeile ist weiterhin jener Moment im Quellvideo. Sie hören die Originalsprache und lesen die Übersetzung. Sie hören keine Synchronstimme, denn es wurde kein neues Audio erzeugt.

Der Export verwendet dieselben Zeiten. TXT der Übersetzung enthält nur die übersetzten Wörter, eine Zeile pro Cue, ohne die Zeiten. SRT und VTT behalten einen Start und ein Ende, damit ein Editor oder ein Webplayer die übersetzte Cue anzeigen kann. Das Ende ist das Ende der Originalzeile, so gekürzt, dass es die nächste Cue nicht überlappt. Ein Player zeigt dann jeweils eine Zeile an, statt zwei übereinanderzustapeln.

Dass eine Übersetzung länger ausfällt, ist der Punkt, der oft missverstanden wird. Die Cue wächst nicht, um den neuen Satz aufzunehmen. Die Wörter müssen in das ursprüngliche Zeitfenster passen. Eine kurze englische Zeile, die zu einer langen deutschen Zeile wird, endet trotzdem, wenn die ursprüngliche Cue endet. Auf dem Bildschirm kann ein Player mehr Text in dieselbe Spanne umbrechen. Die Datei hat das Video nicht auf eine Stimme neu getaktet, die die Übersetzung spricht. Wenn Sie später eine Synchronisation aufnehmen, takten Sie diese selbst. Dieser Export erledigt das nicht für Sie.

Die Leseansicht kann die Startzeit neben jeder übersetzten Zeile anzeigen, während Sie sie prüfen. Das Kopieren der Passage nimmt, wie der TXT-Export, die Wörter mit und lässt die Zeiten weg. Wenn die Zeit mit dem Satz mitwandern soll, verwenden Sie SRT oder VTT oder notieren Sie die Zeit neben dem Satz, den Sie in Notizen einfügen. Die Ausrichtung nützt nur, wenn Sie sie an der Zeile belassen, die Sie zitieren wollen.

Clean ist, wenn Sie es ausführen, ein anderer Durchlauf. Es korrigiert Grammatik, Zeichensetzung und Erkennungsfehler im Text und behält die Zeiten. Es ist keine Übersetzung. Translate ist der Durchlauf, der die Sprache ändert. Führen Sie Clean am Quelltext aus, wenn eine Zeile verstümmelt ist, und übersetzen Sie dann – so übersetzen Sie nicht einen Erkennungsfehler in einen überzeugend klingenden, aber falschen Satz in der anderen Sprache.

## Häufige Fallstricke

Der übliche Fehler ist, das falsche Objekt zu übersetzen. Bildschirmtitel, mit der Kamera gefilmte Folien und in das Bild eingebrannte Untertitel stehen nicht im Transkript und tauchen daher nicht in der anderen Sprache auf. Wenn die Bedeutung des Videos in diesen Grafiken steckt und die Stimme sie nie ausspricht, holt die Übersetzung sie nicht hervor. Sie lesen dann nur die gesprochenen Worte.

![Prüfungen vor dem Export eines übersetzten Transkripts: Text im Bild, keine neue Stimme, Namen und Zahlen sowie lange Zeilen im selben Cue](/images/blog/translate-youtube-transcript/de/8b08563c.jpg)

Der nächste Fehler ist die Erwartung eines neuen Tons. Übersetzen Sie ein YouTube-Video in Text, und was Sie behalten können, ist der Wortlaut. Sie bekommen keine Ersatzstimme, keine lippensynchrone Synchronisation und keine Zeitachse, die um die Länge des übersetzten Satzes neu aufgebaut wird. Das Originalaudio bleibt die Uhr. Eine Synchronisation ist eine separate Bearbeitung.

Ein weiterer Fehler ist, eine kurze Nacherzählung zu übersetzen und zeilengenaue Zeiten zu erwarten. Zusammenfassung, Kernpunkte und Kapitel-Zusammenfassung sind kürzere Ansichten desselben Transkripts. Sie sind nützlich, bevor Sie jede Zeile lesen. Sie sind nicht das übersetzte Transkript und liefern Ihnen nicht eine getaktete Cue pro gesprochener Zeile. Die Übersetzung, die ausgerichtet bleibt, läuft auf den Zeilen des YouTube-Transkripts selbst. Study Notes, Meeting Summary, Creator Repurpose, Moments und Mindmap sind weitere Ansichten dieses Textes. Keine von ihnen ist der Sprachwechsel. Mindmap kann einen Knoten auf einen Moment zeigen lassen, was beim Navigieren hilft. Es ist trotzdem nicht der übersetzte Wortlaut jeder Zeile.

Eigennamen, Zahlwörter und Redewendungen brauchen einen menschlichen Blick. Ein Name kann transliteriert, halb übersetzt oder so belassen werden, wie er gehört wurde. Ein Witz, der von der Ausgangssprache lebt, übersteht eine reine Zeile-für-Zeile-Wiedergabe nicht. Bevor Sie die Übersetzung als das zitieren, was die sprechende Person gesagt hat, öffnen Sie den Zeitstempel und hören Sie nach. Die Übersetzung ist eine Wiedergabe der Zeile. Die Aufnahme ist die Quelle.

Schnelles Sprechen in einer kurzen Cue hat dieselbe praktische Grenze wie eine lange Übersetzung. Das Zeitfenster wurde von der Originalzeile festgelegt. Wenn Sie die SRT in einen Editor laden und die übersetzte Cue gedrängt wirkt, teilen Sie diese Cue im Editor auf oder schreiben Sie sie um. Erwarten Sie nicht, dass der Export den Moment verlängert hat.

Ein Video mit fast keiner Sprache übersetzt sich in fast nichts. Stille, Musik und Applaus sind keine Sätze. Wenn das Transkript nur eine Handvoll Zeilen umfasst, wird die Übersetzung eine Handvoll Zeilen umfassen. Das ist eine Eigenschaft der Quelle, kein Versagen der Zielsprache.

Wenn das Transkript gar nicht erst beginnt, beginnt auch die Übersetzung nicht. Meist steckt dahinter ein Video, das nicht öffentlich erreichbar ist.

Wenn das Ziel eine zeitgesteuerte Untertitelspur für einen Player ist, exportieren Sie die übersetzten Zeilen als SRT oder VTT. Die Seite, die beschreibt, wie Sie aus einem YouTube-Link eine solche Spur als Untertitel statt als Lesetext erstellen, ist der [YouTube Untertitel-Generator](/de/youtube-subtitle-generator). Nehmen Sie diesen Artikel, wenn es um den übersetzten Wortlaut geht, einschließlich der Zeitdatei dieses Wortlauts. Den Untertitelgenerator nehmen Sie, wenn es um die Untertitelspur selbst geht.

Wenn Ihnen das Overlay reicht, schauen Sie sich das Video einfach damit an. Wenn Sie die Worte in einer anderen Sprache und den ursprünglichen Moment dazu benötigen, erstellen Sie das Transkript, übersetzen Sie die Zeilen und behalten Sie die Zeitangaben bei. [Der YouTube-Transkript-Generator](/de/youtube-transcript) ist die Stelle, an der dieser öffentliche Link zu dem Text wird, den Sie anschließend übersetzen.