Was wirklich Aufwand macht, ist nicht der Text, sondern die Zeiten
Abzutippen, was ein Video sagt, ist langsam; jedem Satz die exakte Sekunde zu geben, in der er beginnt und endet, macht aus einer Weile einen Nachmittag. Ein zehnminütiges Video sind leicht zweihundert Untertitel, jeder mit zwei Zeitmarken auf die Millisekunde.
Genau das kommt hier fertig heraus. Die Zeiten werden auf Grundlage des Audios der Datei selbst berechnet, sodass sie beim Auflegen der SRT auf das Video von allein passen, ohne Verschiebungen oder globale Anpassungen, wie man sie sonst im Editor durch Ziehen vornehmen muss.