Was solltest du über die VTT-Datei wissen?
Eine VTT-Datei ist eine Textdatei, die zu gesprochenem Text die Zeit festhält. Sie hat die Endung .vtt und folgt dem Format WebVTT. Du kennst sie als Mitschrift einer Videokonferenz oder als Untertitel zu einem Video. Öffnen kannst du sie mit jedem Texteditor.
Das Wichtigste in 5 Punkten.
- Eine VTT-Datei enthält Text und zu jedem Abschnitt die Zeit, in der er gesprochen wurde.
- Teams und Zoom bieten ihre Mitschrift als VTT-Datei an.
- Du brauchst kein Zusatzprogramm, ein Texteditor reicht.
- Mit ALBERT | AI wird aus der Datei ein Protokoll, eine Zusammenfassung oder eine Aufgabenliste.
- Gegenüber SRT hat VTT eine Kopfzeile und einen Punkt statt Komma. Dafür kann VTT mehr, zum Beispiel Position, Gestaltung und Kapitel.
Was steht in einer VTT-Datei?
Eine VTT-Datei besteht aus einer Kopfzeile und beliebig vielen kurzen Abschnitten. Die Kopfzeile lautet WEBVTT. Jeder Abschnitt hat eine Zeitangabe für Beginn und Ende und darunter den Text, der in dieser Zeit gesprochen wird. Fachleute nennen so einen Abschnitt Cue.
Beispiel einer VTT-Datei
1WEBVTT 200:00:01.000 --> 00:00:05.000 3<v Anna>Willkommen zum Projekttreffen. 00:00:05.500 --> 00:00:10.000 <v Ben>Ich fasse kurz den Stand zusammen. 4NOTE Hier kann ein Kommentar stehen.
- Die Kopfzeile lautet WEBVTT. Sie ist der einzige Pflichtteil der Datei.
- Die Zeitangabe nennt Beginn und Ende des Abschnitts als Stunden, Minuten, Sekunden und Tausendstel. Ein Pfeil trennt die beiden Zeiten.
- Darunter steht der Text. Mit <v Anna> gibst du an, wer spricht. Das ist freiwillig.
- Zeilen, die mit NOTE beginnen, sind Kommentare und gehören nicht zum gesprochenen Text.
Zwischen den Abschnitten steht eine Leerzeile. Die Datei ist reiner Text und muss laut Standard in UTF-8 kodiert sein.
Quellen sind die MDN Web Docs zum WebVTT-Format und die Spezifikation des W3C, Stand 17.11.2026.
Wofür brauchst du eine VTT-Datei?
Eine VTT-Datei verbindet gesprochenen Text mit der Zeit. Das W3C, das Gremium für Webstandards, beschreibt das Format WebVTT in einer eigenen Spezifikation. Es ist für Textspuren zu Video und Audio in Webseiten gedacht. Eine Textspur kann ein Untertitel sein, sie kann aber auch die Mitschrift einer Besprechung sein.
Daraus ergeben sich 3 typische Einsatzfälle.
- Untertitel. Ein Videoplayer in einer Webseite zeigt den Text zur passenden Zeit unter dem Video an.
- Mitschrift einer Besprechung. Videokonferenzen wie Microsoft Teams und Zoom schreiben mit, was gesprochen wird, und bieten die Mitschrift als VTT-Datei an.
- Auswertung durch eine KI. Text und Zeit liegen getrennt vor. Ein Programm kann die Datei deshalb einlesen und daraus ein Protokoll machen.
Worin unterscheidet sich VTT von SRT?
SRT und VTT speichern beide Text mit Zeit und sehen sich ähnlich. Eine SRT-Datei nummeriert ihre Abschnitte und trennt die Millisekunden mit einem Komma. Eine VTT-Datei beginnt mit WEBVTT und nutzt einen Punkt. Dafür kann VTT mehr, du kannst Position, Gestaltung, Kommentare und Kapitel festlegen.
Die Tabelle zeigt die Unterschiede Zeile für Zeile.
| Merkmal | SRT | VTT |
|---|---|---|
| Erste Zeile | Die Nummer des ersten Abschnitts, meist 1 | Das Wort WEBVTT |
| Nummer vor jedem Abschnitt | Pflicht, die Zählung beginnt bei 1 | Freiwillig |
| Zeitangabe | 00:02:16,612 --> 00:02:19,376 Ein Komma vor den Millisekunden | 00:02:16.612 --> 00:02:19.376 Ein Punkt vor den Millisekunden |
| Stunden in der Zeitangabe | Immer angegeben | Dürfen fehlen |
| Kommentare | Nicht vorgesehen | Mit dem Wort NOTE möglich |
| Gestaltung | Einfache Tags für fett, kursiv, unterstrichen und Farbe, nicht offiziell festgelegt | Tags für fett, kursiv, unterstrichen, Sprecher und eigene Klassen, dazu CSS-Regeln in einem STYLE-Block |
| Position im Bild | Nur inoffiziell über Koordinaten am Ende der Zeitangabe | Offiziell über Einstellungen hinter der Zeitangabe wie line, position, size und align |
| Kapitel und Metadaten | Nicht vorgesehen | Möglich |
| Zeichenkodierung | Kein offizieller Standard, das Programm SubRip schreibt standardmäßig Windows-1252 | UTF-8 ist Pflicht |
| Standard | Keine offizielle Spezifikation, entstanden im Programm SubRip | Spezifikation des W3C |
| Quellen sind die Wikipedia-Seite zu SubRip, die Wikipedia-Seite zu WebVTT und die MDN Web Docs, Stand 17.11.2026. | ||
Wir haben den Unterschied am 17.11.2026 in Chrome (Version 157) getestet. Eine unveränderte SRT-Datei meldet der Browser als Untertitelspur mit einem Fehler. Mit der Kopfzeile WEBVTT, aber mit Kommas in den Zeitangaben, lädt er die Datei und findet keinen Abschnitt. Erst mit der Kopfzeile und mit Punkten erscheinen die Abschnitte.
SRT in VTT umwandeln
Das geht mit einem Texteditor, weil sich beide Formate nur an wenigen Stellen unterscheiden. So gehst du vor.
- Öffne eine Kopie der SRT-Datei in einem Texteditor.
- Schreibe als neue erste Zeile WEBVTT und lasse danach eine Zeile frei.
- Ersetze in jeder Zeitangabe das Komma vor den Millisekunden durch einen Punkt. Kommas im gesprochenen Text bleiben stehen.
- Speichere die Datei in UTF-8 mit der Endung .vtt.
Die Nummern vor den Abschnitten darfst du stehen lassen, denn sie sind in VTT freiwillig. Steht in deiner SRT-Datei ein FONT-Tag für eine Farbe, brauchst du in VTT dafür eine CSS-Regel im STYLE-Block.
Umgekehrt von VTT nach SRT geht es so. Lösche die Kopfzeile, die Kommentare und die Einstellungen hinter den Zeitangaben, nummeriere die Abschnitte ab 1 durch und ersetze die Punkte in den Zeitangaben durch Kommas. Bei langen Dateien nimmst du dafür besser ein Programm für Untertitel, weil ein einfaches Ersetzen auch die Kommas im gesprochenen Text trifft. Prüfe das Ergebnis danach in deinem Player.
Welche anderen Formate gibt es?
Neben SRT und VTT begegnen dir noch weitere Formate.
- SBV. Das Format kennt YouTube als eigenes Format. Es unterscheidet sich von SRT vor allem in der Schreibweise der Zeiten. Statt eines Pfeils steht ein Komma zwischen Beginn und Ende, zum Beispiel 0:00:00.599,0:00:04.160.
- TTML. Das ist ein Standard des W3C auf Basis von XML. Er hieß früher DFXP, die Dateien enden auf .ttml, .dfxp oder .xml. Du findest ihn vor allem bei Untertiteln für Rundfunk und Streaming. Die meisten Medienplayer können ihn lesen, Webbrowser dagegen nicht.
- SCC und EBU-STL. Das sind Formate aus dem Rundfunk. YouTube führt sie unter den Rundfunkformaten.
YouTube nimmt außerdem SRT und VTT an. Bei SRT liest YouTube nur die einfache Form ohne Gestaltung, und die Datei muss UTF-8 sein. Bei VTT zeigt YouTube die Position an und erlaubt nur fett, kursiv und unterstrichen.
Quellen sind die Wikipedia-Seite zu TTML und die Hilfe von YouTube zu Untertiteldateien, Stand 17.11.2026.
Woher bekommst du eine VTT-Datei?
Die Datei entsteht dort, wo gesprochen wird. Du bekommst sie von dem Programm, das die Besprechung aufzeichnet.
Microsoft Teams
Wenn du eine Besprechung aufzeichnest, startet die Transkription automatisch. Nach dem Termin steht das Transkript im Kalendereintrag der Besprechung. Organisatoren und Co-Organisatoren können es standardmäßig als .docx- oder als .vtt-Datei herunterladen. Andere Personen dürfen das nur, wenn der Organisator oder die IT es erlaubt. Gäste aus anderen Organisationen dürfen es nicht herunterladen.
Zoom
Zoom speichert die Mitschrift einer Cloud-Aufzeichnung als VTT-Datei. Dafür brauchst du ein Pro-, Business-, Education- oder Enterprise-Konto, bei dem die Cloud-Aufzeichnung und die Audio-Transkription eingeschaltet sind. Das Transkript erscheint danach als eigene Datei in der Liste der Aufzeichnungen.
Achte auf die Endung. Eine Datei mit der Endung .vtt enthält die Mitschrift, eine Datei mit der Endung CC.vtt enthält die Untertitel.
Quellen sind die Hilfeseite von Microsoft, die Hilfeseite zur Audio-Transkription und die Übersicht der Dateiformate von Zoom, Stand 17.11.2026. Menüs und Tarife können sich ändern.
Wie öffnest du eine VTT-Datei?
Du öffnest eine VTT-Datei mit jedem Texteditor, zum Beispiel mit dem Editor von Windows. Auch ein Textverarbeitungsprogramm funktioniert. Die Datei ist reiner Text, du siehst also die Zeiten und den gesprochenen Text untereinander.
Zum Lesen und Suchen reicht das. Wenn du etwas ändern willst, lass die Kopfzeile WEBVTT und die Pfeile in den Zeitangaben stehen. Die Kopfzeile ist Pflicht, und die Pfeile trennen Beginn und Ende der Zeit.
Wie wird aus der VTT-Datei ein lesbares Protokoll?
Du legst die VTT-Datei in agorum core pro ab und lässt sie von ALBERT | AI auswerten. ALBERT | AI liest die Mitschrift und schreibt daraus eine Zusammenfassung, ein Protokoll oder eine Aufgabenliste. Die Datei bleibt ein ganz normales Dokument mit den Rechten, die du in agorum core pro vergeben hast.
Damit das mit einem Klick geht, legst du eine KI-Vorlage an, die bei VTT-Dateien erscheint. Schreibe als Bedingung die Situation, zum Beispiel „Es ist eine VTT-Datei mit der Mitschrift einer Besprechung“. Je genauer sie ist, desto weniger Vorlagen melden sich. Wählst du dann eine VTT-Datei aus und klickst auf den Zauberstab, schlägt ALBERT | AI die Vorlage vor. Bei agorum® gibt es solche Vorlagen für die Zusammenfassung, für ein Protokoll mit Aufgaben und für den Recap nach einer Schulung.
Mit Skills geht noch mehr. Ein Skill ist eine Anleitung, nach der ALBERT | AI eine Aufgabe Schritt für Schritt erledigt. Bei agorum® entstehen so aus Mitschriften zum Beispiel der Nachbericht an einen Kunden nach einer Demo, der Recap nach einer Schulung und die Pflege der Dokumentation nach einer internen Besprechung.
Ein Hinweis zur Technik. Das Werkzeug von ALBERT | AI, das VTT-Dateien für die Auswertung kürzt, entfernt alles Überflüssige. Die Aussagen bleiben erhalten, die Zeiten und die Namen der Sprecher gehen dabei verloren. Es gibt nur den gekürzten Text zurück. Mehr dazu steht in der Dokumentation zum Werkzeug.
Wie aus einem Gesprächsprotokoll ein Projekt wird, beschreibt der Beitrag Vom Meeting-Transkript zum Projekt. Gespräche ohne Videokonferenz schreibt die App ALBERT | AI Note mit.
Was gilt beim Datenschutz?
Eine Mitschrift enthält, was Personen gesagt haben. Kläre deshalb vor der Aufnahme, ob alle Beteiligten einverstanden sind. Vor allem bei Telefonaten gelten rechtliche Vorgaben, die du vorher prüfen musst. Diesen Hinweis gibt auch unsere Dokumentation zu ALBERT | AI Note.
Gib die Datei nur an Personen weiter, die sie sehen dürfen. In agorum core pro bestimmst du über die Rechte, wer die Datei sieht.
agorum® Live-Demo Aus der Mitschrift ein Protokoll machen
Sieh in der Live-Demo, wie ALBERT | AI aus einer VTT-Datei ein Protokoll mit Aufgaben macht.
Stand 17.11.2026. Quellen sind die Spezifikation des W3C, die Hilfeseiten von Microsoft und Zoom und unsere eigenen Vorlagen.
Live-Demo vereinbarenagorum® FAQ Fragen zur VTT-Datei
-
Was ist eine VTT-Datei?
Eine VTT-Datei ist eine Textdatei mit der Endung .vtt. Sie enthält gesprochenen Text und zu jedem Abschnitt die Zeit, in der er gesprochen wurde. Das Format heißt WebVTT. Du triffst es als Mitschrift von Videokonferenzen und als Untertitel zu Videos.
-
Was bedeutet WEBVTT in der ersten Zeile?
WEBVTT ist die Kopfzeile jeder VTT-Datei und der einzige Pflichtteil. Sie sagt dem Programm, dass die Datei im Format WebVTT geschrieben ist. Danach folgen die Abschnitte mit Zeit und Text.
-
Wie öffne ich eine VTT-Datei?
Mit jedem Texteditor, zum Beispiel dem Editor von Windows. Auch ein Textverarbeitungsprogramm funktioniert. Du siehst die Zeiten und den Text untereinander.
-
Wie bekomme ich eine VTT-Datei aus Microsoft Teams?
Nach der Aufzeichnung einer Besprechung steht das Transkript im Kalendereintrag der Besprechung. Organisatoren und Co-Organisatoren können es standardmäßig als .docx- oder .vtt-Datei herunterladen. Andere Personen brauchen dafür die Erlaubnis des Organisators oder der IT.
-
Wie bekomme ich eine VTT-Datei aus Zoom?
Zoom speichert die Mitschrift einer Cloud-Aufzeichnung als VTT-Datei. Du brauchst ein Pro-, Business-, Education- oder Enterprise-Konto mit eingeschalteter Cloud-Aufzeichnung und Audio-Transkription. Die Datei erscheint in der Liste der Aufzeichnungen. Eine Datei mit CC.vtt am Ende enthält die Untertitel.
-
Steht in einer VTT-Datei, wer etwas gesagt hat?
Ja, wenn das Programm die Sprecher einträgt. Das Format kennt dafür eine Sprecherangabe in der Form <v Anna>. Sie ist freiwillig, darum fehlt sie in manchen Dateien.
-
Kann ALBERT | AI eine VTT-Datei auswerten?
Ja. Du legst die Datei in agorum core pro ab und lässt ALBERT | AI daraus eine Zusammenfassung, ein Protokoll oder eine Aufgabenliste schreiben. Mit einer eigenen KI-Vorlage, deren Bedingung auf VTT-Dateien zutrifft, schlägt ALBERT | AI sie am Zauberstab vor.
-
Gehen beim Auswerten die Zeiten und Sprecher verloren?
Das Werkzeug von ALBERT | AI, das VTT-Dateien für die Auswertung kürzt, entfernt Zeiten und Sprechernamen und behält die Aussagen. Es liest die Datei und gibt den gekürzten Text zurück.
-
Was ist der Unterschied zwischen VTT und SRT?
Beide speichern Text mit Zeit. SRT nummeriert die Abschnitte und trennt die Millisekunden mit einem Komma. VTT beginnt mit WEBVTT und nutzt einen Punkt. VTT kann zusätzlich Position, Gestaltung mit CSS, Kommentare und Kapitel festlegen und ist als Spezifikation des W3C beschrieben.
-
Wie wandle ich eine SRT-Datei in eine VTT-Datei um?
Schreibe WEBVTT als erste Zeile und lasse eine Zeile frei. Ersetze in den Zeitangaben die Kommas durch Punkte und speichere die Datei in UTF-8 mit der Endung .vtt. Die Nummern darfst du behalten. Wir haben das am 17.11.2026 in Chrome geprüft.
-
Welches Format ist besser, VTT oder SRT?
Das hängt von deinem Programm ab. VTT ist das Format, das für Untertitel in Webseiten beschrieben ist, und kann mehr, zum Beispiel Position und Gestaltung. SRT ist einfacher aufgebaut. YouTube nimmt beide an, bei SRT aber nur die einfache Form ohne Gestaltung.