Es gibt zwei Arten, Untertitel auszuliefern, und sie unterscheiden sich stärker, als sie aussehen. Eingebrannte Untertitel sind Pixel: Die Wörter werden beim Export ins Bild gezeichnet und erscheinen auf jedem Player, in jedem Embed, exakt in der Größe und Position, die du gewählt hast — und lassen sich nie wieder ändern, ausblenden oder übersetzen. Eine .srt-Datei ist das Gegenteil: reiner Text mit Zeitmarken, neben dem Video hergetragen, gerendert von dem, was es gerade abspielt. Der Player bestimmt die Schrift; das Publikum bestimmt, ob die Untertitel überhaupt an sind. Keins von beidem ist einfach besser. Die Frage ist, wer nach dem Veröffentlichen die Kontrolle haben soll: du, dauerhaft, im Tausch gegen Flexibilität — oder das Publikum, im Tausch gegen das Vertrauen, dass die Plattform die Spur überhaupt anzeigt.
Was die Plattformen damit machen, entscheidet die meisten Fälle. YouTube behandelt eine hochgeladene Untertiteldatei erstklassig: Zuschauer schalten sie um, vergrößern sie, lassen sie maschinell übersetzen, und der Text ist durchsuchbar — was ein eingebrannter Untertitel nie ist, denn für eine Suchmaschine sind Pixel keine Wörter. Auch LinkedIn nimmt zu hochgeladenen Videos eine Untertiteldatei an. Die vertikalen Feeds sind die andere Welt: TikTok und Instagram starten stumm, ihre eigenen Untertitel-Werkzeuge variieren, und dass eine separate Spur so angezeigt wird, wie du es meintest, ist nicht garantiert — weshalb dort eingebrannte Untertitel dominieren und auch hinpassen. Die praktische Antwort ist deshalb meist: beides. Brenne die Untertitel für die vertikalen Feeds ein und gib YouTube ein sauberes Video plus .srt, damit das Publikum seine Regler behält.
Barrierefreiheit spricht für die Datei. Wer gehörlos ist und eigene Untertitel-Einstellungen hat — größere Schrift, mehr Kontrast — kann sie auf eine Spur anwenden, auf Pixel nicht; Werkzeuge blinder Nutzer können eine Spur vorlesen; und jede Spur lässt sich maschinell übersetzen. Eingebrannter Text bleibt für immer in der Größe, die dir an dem Tag richtig vorkam — auf einem kleinen Bildschirm ist das womöglich für niemanden lesbar. Das spätere Bearbeiten spricht dieselbe Sprache: Ein Tippfehler in einer .srt ist eine Textänderung; ein eingebrannter Tippfehler heißt, das ganze Video neu exportieren und neu hochladen, und auf den meisten Plattformen verlierst du damit Kommentare und Aufrufe. Wenn du einbrennst, korrekturlies wie für den Druck — denn genau das ist es.
Für welche Form du dich auch entscheidest: Untertitel sind nur so gut wie ihre Wörter und ihre Uhren. Talk2Camera nimmt die Wörter aus dem Skript, das du tatsächlich gelesen hast — Namen, Fachbegriffe und alles, was eine Spracherkennung nie gehört hat, kommen so geschrieben heraus, wie du sie geschrieben hast, nicht so, wie eine Transkription geraten hat. Das Skript wird neben der Aufnahme gespeichert; das funktioniert also auch noch, wenn du einen Take erst nächste Woche öffnest, nicht nur Minuten nach dem Dreh. Auch das Timing übersteht den Schnitt: Schneidest du einen Abschnitt heraus, schließt sich die Timeline und die Untertitel takten sich neu, sodass die exportierte .srt das Video beschreibt, das du wirklich veröffentlicht hast. Beide Exporte kommen aus denselben Untertiteln — eingebrannt für die vertikalen Feeds oder als separate .srt für die Plattformen, die eine verdienen.