So erstellen Sie Untertitel, Transkript und Kapitel für einen Podcast oder ein YouTube-Video

Einmal transkribieren

Exportieren Sie die Audiospur der Folge (als MP3 oder M4A) oder die Videodatei. Laden Sie die Datei dann mit der Hilfsfunktion aus der Anleitung zum Videoschnitt hoch und fordern Sie das Ergebnis als JSON an:

{
  "audio_url": "https://example.com/interview.mp3",
  "model": "oracle",
  "language": "auto",
  "word_timestamps": true,
  "output_format": "json"
}

Setzen Sie bei Interviews und Gesprächsrunden include_diarization: true, damit im Transkript steht, wer wann spricht.

Untertitel als SRT-Datei

Setzen Sie die einzelnen Wörter zu Zeilen zusammen und laden Sie die .srt in YouTube Studio oder bei Ihrem Podcast-Hoster hoch. Den Code dafür und das Verhalten mit einer Zeile pro Wort bei der direkten SRT-Ausgabe der API finden Sie in der SRT-Anleitung.

Übersetzte Untertitel

Für übersetzte Untertitel starten Sie entweder einen zweiten Auftrag für dieselbe Datei mit translate_to (nur bei Oracle-Modellen) und output_format: "srt", oder Sie lassen den Text aus dem ersten Durchlauf von Ihrem LLM übersetzen. Wenn Sie pro Zielsprache einen eigenen API-Auftrag starten, bleiben die Untertitel sauber synchron zum Audio.

Ein Transkript für die Shownotes

Für reinen Text fordern Sie einfach output_format: "txt" an. Alternativ können Sie die text-Felder aus den JSON-Abschnitten samt Sprechernamen selbst zusammenfügen. Gehen Sie den Text vor dem Veröffentlichen noch einmal durch, denn genau bei Namen, Produkten und Zahlen liegen maschinelle Transkripte daneben.

Kapitel mit Zeitstempeln

Übergeben Sie dem LLM die nummerierten Abschnitte und lassen Sie sich für die Kapitelanfänge nur die jeweiligen Abschnittsnummern zurückgeben, niemals direkte Zeitangaben. Die passenden Zeiten holen Sie sich anschließend im Code aus den Daten der Abschnitte. Dieser Prompt klappt mit jedem Modell:

Below is a podcast transcript, one line per segment: S<number> [start-end] text.
Pick 5 to 9 chapter starts. For each give the segment number and a title of at most six words.
Return JSON: [{"segment": 0, "title": "Intro"}]. The first chapter must be segment 0.

chapters.py

# chapters.py — YouTube chapter lines from (seconds, title) pairs
def stamp(seconds):
    m, s = divmod(int(seconds), 60)
    h, m = divmod(m, 60)
    return f"{h}:{m:02}:{s:02}" if h else f"{m}:{s:02}"


def chapter_lines(chapters):
    return "\n".join(f"{stamp(start)} {title}" for start, title in chapters)


print(chapter_lines([(0, "Intro"), (95, "Why captions matter"), (412, "Editing from a transcript")]))

YouTube wandelt eine Liste mit Zeitstempeln in der Videobeschreibung automatisch in Kapitel um, sofern sie bei 0:00 startet, mindestens drei aufsteigend sortierte Einträge enthält und jedes Kapitel wenigstens zehn Sekunden dauert.

Kosten

Abgerechnet wird sekundengenau ohne Mindestumsatz. Die Preise finden Sie unter /llms/pricing.md.

Fragen und Antworten