YouTube-JSON3-Untertitel in SRT, VTT oder LRC konvertieren

JSON3 ist das strukturierte Timedtext-Format, das YouTube intern für Untertitel verwendet. Es speichert Millisekunden-Zeitmarken, Wort-Offsets und alle Textsegmente, aber kaum ein externes Programm kann es lesen. Diese Anleitung zeigt, wie du YouTube-Untertitel als JSON3 exportierst und in wenigen Sekunden in SRT, VTT oder LRC umwandelst.

Was ist das JSON3-Format?

JSON3 ist eine JSON-Darstellung des YouTube-Timedtext-Datenstroms. Jeder Untertitel ist ein Event mit Startzeit in Millisekunden (tStartMs), Dauer (dDurationMs) und einem oder mehreren Textsegmenten (segs). Einzelne Segmente können zusätzlich einen Wort-Offset (tOffsetMs) für karaokeartige Präzision enthalten.

Weil JSON3 strukturiert ist, bewahrt es mehr Timing-Informationen als gewöhnliche Untertitelformate. Es ist daher ideal als Zwischenformat und ungeeignet als Ausgabeformat für Spieler: erst JSON3 herunterladen, dann konvertieren.

YouTube-Untertitel als JSON3 herunterladen

Option 1: yt-dlp (empfohlen)

Der zuverlässigste Weg ist yt-dlp. Damit lädst du nur die englischen automatischen Untertitel, ohne das Video:

yt-dlp --write-auto-subs --sub-lang en --sub-format json3 --skip-download "https://www.youtube.com/watch?v=VIDEO_ID"

Im aktuellen Ordner entsteht eine .json3-Datei. Wenn eine menschlich geprüfte Spur existiert, ersetze --write-auto-subs durch --write-subs; sie ist meist genauer.

Option 2: YouTube-Timedtext-API

Der Timedtext-Endpunkt kann JSON3 direkt zurückgeben. Ergänze Video-ID und Sprachcode:

https://www.youtube.com/api/timedtext?v=VIDEO_ID&lang=en&fmt=json3

Automatisch erzeugte Untertitel benötigen teils zusätzliche Parameter, und YouTube beschränkt diesen Zugriff zeitweise.

Option 3: Browser-Erweiterung

Erweiterungen fügen YouTube-Seiten eine Download-Schaltfläche hinzu und exportieren JSON3 oder VTT. Das ist praktisch für Einzelaufgaben, bietet aber weniger Kontrolle über Sprachspur und Zielformat als yt-dlp.

Warum JSON3 konvertieren?

Kein Standard-Medienspieler, Videoschnittprogramm oder Lyrics-Programm liest JSON3. Die Zielformate haben klare Rollen:

• SRT für maximale Kompatibilität mit Playern, Fernsehern, Smartphones und Schnittprogrammen.
• VTT für Webvideo und den HTML5-Standard WebVTT.
• LRC für synchronisierte Lyrics in Musikplayern und Karaoke-Software.

Der Konvertierungsablauf

1. JSON3 speichern. Nutze yt-dlp oder die Timedtext-API.
2. Ziel wählen. Öffne JSON zu SRT, JSON zu VTT oder JSON zu LRC.
3. Hochladen und konvertieren. Die Konvertierung läuft im Browser; die Datei verlässt dein Gerät nicht.
4. Prüfen. Öffne die Ausgabe in einem Texteditor oder lade sie zusammen mit dem Video.

Was passiert mit dem Timing?

• Wort-Offsets werden zu Cue-Anfangs- und Endzeiten zusammengefasst.
• Millisekunden bleiben in SRT und VTT erhalten; LRC rundet auf Hundertstelsekunden.
• Endzeiten bleiben in SRT und VTT, entfallen in LRC.

Diese Vereinfachungen beeinträchtigen die Lesbarkeit praktisch nicht: Anfang und Ende jeder Zeile bleiben bildgenau.

Häufige Probleme und Lösungen

• Leere oder winzige Datei: Die gewünschte Sprachspur fehlt möglicherweise. Prüfe --sub-lang und den CC-Knopf.
• Driftendes Timing: Automatische Untertitel sind ungenau; manuelle Spuren sind besser synchron.
• Falsche Sonderzeichen: JSON3 ist UTF-8. Öffne die konvertierte Datei ebenfalls als UTF-8.
• Mehrere Spuren: filtere sie mit --sub-lang.

Datenschutz und Dateisicherheit

Untertitel können vertrauliche Inhalte enthalten. Download mit einem lokalen Tool und Konvertierung im Browser halten den kompletten Ablauf auf deinem Rechner, ohne Upload oder Drittanbieter.

Bereit zur Konvertierung

JSON3 liefert die originalgetreueste Aufzeichnung der YouTube-Untertitel. SRT, VTT oder LRC machen sie im Alltag nutzbar.