SRT-Sonderfälle und Parsing-Fallstricke in Video-Workflows verstehen

Obwohl das SRT-Format als De-facto-Standard für Video-Untertiteldateien gilt, fehlt ihm eine formelle Spezifikation. Eine aktuelle technische Analyse hebt hervor, wie eine tolerante Parsing-Logik gängiger Videoverarbeitungswerkzeuge – einschließlich ffmpeg 8.1.1 – häufig zu stillen Fehlerzuständen führt. Dabei umgehen Zeitverschiebungen oder nicht geparste Tags automatisierte Fehlerprüfungen und gelangen direkt an die Endnutzer.

Anatomie des SRT-Formats

Die SRT-Struktur basiert auf sequenziellen Text-Cues, die durch Leerzeilen voneinander getrennt sind. Jeder Cue besteht aus einem ganzzahligen Index beginnend bei 1, einer Zeitzeile sowie einer oder zwei Zeilen Untertiteltext. Zeitstempel nutzen ein explizites Format aus Stunden:Minuten:Sekunden,Millisekunden, getrennt durch einen nach rechts weisenden Pfeil (-->), wobei zwingend ein Komma anstelle des bei WebVTT verwendeten Punkts erforderlich ist.

Für die Dateien wird eine UTF-8-Kodierung erwartet, um Akzentzeichen korrekt zu erhalten. Zudem unterliegen SRT-Dateien Plattform-Einschränkungen: Native Webbrowser-Elemente wie das HTML5-track-Tag in Chrome 152 lehnen SRT-Dateien vollständig ab, was für die Web-Videowiedergabe eine Konvertierung nach WebVTT erforderlich macht.

Parser-Toleranz und stille Fehler

Tests mit 16 absichtlich fehlerhaften SRT-Varianten zeigten, dass nachsichtige Parser unbemerkte Fehler erzeugen können, anstatt explizite Fehlermeldungen auszugeben. Beim Verarbeiten von Zeitstempeln mit zweistelligen Millisekundenangaben interpretiert ffmpeg 8.1.1 einen Wert wie „,68“ als 68 Millisekunden statt als 680 Millisekunden. Dies verschiebt das Einblenden des Cues um 0,6 Sekunden, ohne eine Warnung auszugeben oder die Verarbeitung zu stoppen.

Andere Sonderfälle führen zu visuellen Fehlern statt zu Ausführungsstopps. Formatierungssyntax aus dem ASS-Format – wie das Positionierungs-Tag {\an8} für den oberen Bildschirmrand – wird als Rohtext dargestellt, wenn Parser ASS-Befehle weder entfernen noch interpretieren. Ebenso kann die Verarbeitung von Dateien in veralteten Kodierungen wie Latin-1 zu einer fehlerhaften Darstellung von Akzenten führen, wenn der Parser ohne Zeichensatzerkennung strikt auf UTF-8 voreingestellt ist.

Entwicklung robuster Untertitel-Parser

Um stille Konvertierungsfehler zu vermeiden, erfordert ein robustes Untertitel-Parsing den expliziten Umgang mit gängigen strukturellen Mängeln. Zuverlässige Implementierungen lokalisieren Cues, indem sie direkt nach Zeitstempelmustern suchen, anstatt sich auf Leerzeilen zu verlassen. Zudem erkennen sie Eingabekodierungen dynamisch über UTF-8, UTF-16 und Windows-1252 hinweg und entfernen nicht unterstützte Positionierungs-Tags vor der Konvertierung.

KI-generierte redaktionelle Illustration; kein Dokumentarfoto.

Quelle: What Is an SRT File? The Format, an Example, and the Mistakes That Break It