JSON zu SRT Konverter

Was ist ein JSON zu SRT Konverter?

Transkriptionsdienste wie OpenAI Whisper, AWS Transcribe oder Google Cloud Speech-to-Text liefern häufig JSON-Dateien statt fertiger Untertitel. Diese JSON-Dateien enthalten Zeitangaben, Wörter, Sätze, Alternativen und manchmal Sprecherinformationen. Der JSON zu SRT Konverter liest diese Struktur, extrahiert Startzeit, Endzeit und Text und erstellt daraus eine normale SubRip-Datei im SRT-Format.

Wie konvertiert man JSON zu SRT?

Rohes JSON kann man nicht direkt bei YouTube hochladen oder zuverlässig in Adobe Premiere, DaVinci Resolve oder Final Cut Pro importieren. Die Daten müssen zuerst in eine lineare Untertitelspur umgewandelt werden: fortlaufende Nummer, Startzeit, Endzeit und Text. Genau diesen Schritt übernimmt das Tool automatisch.

• JSON hochladen: Lade eine Transkriptionsdatei von Whisper, AWS, Google oder einem ähnlichen Speech-to-Text-System hoch.
• Schema erkennen: Das Tool sucht nach Segmenten, Wortlisten, Start-/Endzeiten, Textfeldern und optionalen Speaker-Feldern.
• SRT exportieren: Die erkannten Segmente werden sortiert, nummeriert und als standardkonforme .srt-Datei gespeichert.

Beispiele: JSON Input zu SRT Output

Der wichtigste SEO-Unterschied zu einfachen Mini-Konvertern ist, dass diese Seite konkrete API-Strukturen zeigt. Nutzer sehen sofort, ob ihre JSON-Datei ähnlich aufgebaut ist und warum daraus eine gültige SRT-Datei entstehen kann.

Whisper JSON zu SRT

Whisper-Exports enthalten häufig ein segments-Array. Jeder Eintrag besitzt normalerweise start, end und text. Diese Struktur kann direkt in SRT-Blöcke umgewandelt werden.

{
  "segments": [
    { "start": 0.00, "end": 2.40, "text": "Willkommen zum Video." },
    { "start": 2.40, "end": 5.10, "text": "Heute zeigen wir den Workflow." }
  ]
}

1
00:00:00,000 --> 00:00:02,400
Willkommen zum Video.

2
00:00:02,400 --> 00:00:05,100
Heute zeigen wir den Workflow.

AWS Transcribe JSON zu SRT

AWS Transcribe liefert oft einzelne Wörter und Satzzeichen in results.items. Das Tool gruppiert diese Wortdaten zu lesbaren Untertitelblöcken und kann vorhandene Sprecher-Labels übernehmen.

{
  "results": {
    "items": [
      { "type": "pronunciation", "start_time": "0.00", "end_time": "0.55", "alternatives": [{ "content": "Hallo" }], "speaker_label": "spk_0" },
      { "type": "pronunciation", "start_time": "0.56", "end_time": "1.10", "alternatives": [{ "content": "Maik" }], "speaker_label": "spk_0" },
      { "type": "punctuation", "alternatives": [{ "content": "." }] }
    ]
  }
}

1
00:00:00,000 --> 00:00:01,100
spk_0: Hallo Maik.

Google Speech-to-Text JSON zu SRT

Google Speech-to-Text speichert Wörter typischerweise unter results[].alternatives[].words[]. Start- und Endzeiten stehen häufig als Sekundenwerte mit s-Suffix, z. B. 1.200s.

{
  "results": [
    {
      "alternatives": [
        {
          "words": [
            { "startTime": "0s", "endTime": "0.700s", "word": "Das", "speakerTag": 1 },
            { "startTime": "0.700s", "endTime": "1.400s", "word": "funktioniert", "speakerTag": 1 }
          ]
        }
      ]
    }
  ]
}

1
00:00:00,000 --> 00:00:01,400
Speaker 1: Das funktioniert

Unterstützte Felder und automatische Schema-Erkennung

JSON ist kein Untertitelformat, sondern ein Datenformat. Deshalb können Transkriptionsanbieter sehr unterschiedliche Feldnamen verwenden. Der Konverter sucht nach bekannten Schlüsselvarianten und kann auch verschachtelte Arrays durchsuchen, wenn die Datei nicht exakt dem Whisper-, AWS- oder Google-Schema entspricht.

Speaker Labels in SRT-Dateien

Viele Transkriptionsdienste liefern Sprecherinformationen als speaker, speaker_label, speakerTag oder ähnliches Feld. Wenn du die Option „Sprecher-Labels einschließen“ aktivierst, schreibt der Konverter diese Information direkt in den Untertiteltext.

SRT selbst hat kein eigenes technisches Feld für Sprecher. Deshalb werden Sprecher in der Praxis als Textpräfix gespeichert. Das ist besonders hilfreich für Interviews, Podcasts, Meetings, Kurse und Support-Aufzeichnungen.

1
00:00:00,000 --> 00:00:02,200
Speaker 1: Willkommen zum Gespräch.

2
00:00:02,300 --> 00:00:04,800
Speaker 2: Danke für die Einladung.

Anbieter und typische JSON-Strukturen

Die folgende Tabelle zeigt, welche Datenstrukturen das Tool gezielt erkennt. Zusätzlich versucht der Konverter, generische Arrays mit Startzeit, Endzeit und Text automatisch zu finden.

Sind meine JSON-Daten sicher?

Ja. Die Konvertierung läuft lokal über JavaScript in deinem Browser. Deine JSON-Datei wird nicht auf einen Server hochgeladen. Das ist wichtig, weil Transkriptionsdaten oft interne Meetings, Kundenmaterial, Rohskripte oder unveröffentlichte Videoinhalte enthalten.

Grenzen der automatischen JSON-Erkennung

Das Tool kann nur Segmente erzeugen, wenn die JSON-Datei verwertbare Zeitinformationen enthält. Ein reines Text-JSON ohne Start- und Endzeiten kann nicht zuverlässig in SRT umgewandelt werden, weil SRT zwingend Zeitstempel benötigt. Wenn die Datei nur Text enthält, nutze besser den TXT zu SRT Konverter oder synchronisiere den Text später im Studio.