Podcast-Transkript-Format: Beispiel und Vorlage

Anas Interviewfolge ging am Montag online. Bis Mittwoch hatten drei Leute sie um „das Transkript“ gebeten.

Der Gast wollte etwas, das er markieren konnte, bevor er sich selbst zitiert. Ihr Web-Redakteur wollte Text für die Episodenseite. Ihre Hosting-Plattform wollte eine Datei, die Apple Podcasts und Spotify mit dem Audio synchronisieren können. (Ana ist eine fiktive Produzentin, aber die drei Anfragen sind echte, die jede Show bekommt.)

Dieselben Worte, drei verschiedene Dateien. Genau das lassen die meisten Ratgeber aus.

In diesem Ratgeber geht es um das Podcast-Transkript-Format: wie der fertige Text aussehen sollte und welche Datei welcher Ort braucht. Sie sehen einen kurzen Dialog aus einer fiktiven Show in fünf Varianten: als Episodenseite, als Prüftabelle und als WebVTT-, SRT- und JSON-Datei. Dazu kommen eine Regeltabelle, eine Formatauswahl und eine kopierfertige Vorlage für die Episodenseite. Wenn Sie die Schritte vom Audio zum fertigen Transkript suchen, finden Sie diesen Ablauf in unserem Ratgeber zur Podcast-Transkription; dieser Beitrag beginnt dort, wo der korrigierte Text fertig ist.

Was ein Podcast-Transkript-Format umfasst

Ein Podcast-Transkript-Format ist das Layout, das die Worte einer Folge in lesbaren Text verwandelt: ein Kopfbereich mit Show, Folge und Gast, Sprecherbezeichnungen mit Namen, Zeitstempel, Markierungen für bedeutsame Geräusche und ein neuer Absatz bei jedem Sprecherwechsel. Derselbe Inhalt landet dann in verschiedenen Behältern: einer Webseite, einem Dokument oder einer Untertiteldatei, die die Podcast-Apps lesen.

Sechs Teile gehören zu jedem guten Podcast-Transkript-Format:

1. Kopfbereich: Name der Show, Folgennummer und Titel, Datum, Laufzeit, Host und Gast mit ihren Rollen
2. Sprecherbezeichnungen: echte Namen, einmal der volle Name und danach eine einheitliche Kurzform
3. Zeitstempel: bei jedem Sprecherwechsel auf der Seite oder bei jeder Untertitelzeile in einer Datei
4. Geräuschmarkierungen: [lacht], [Musik], [durcheinander], nur wo sie die Bedeutung verändern
5. Absätze: ein neuer bei jedem Sprecherwechsel und in langen Antworten alle vier oder fünf Sätze
6. Ein Stilhinweis: eine Zeile, die sagt, dass es sich um ein bereinigtes Wortprotokoll handelt und wann Namen und Zahlen geprüft wurden

Shownotes sind etwas anderes. Sie sind die kurze Zusammenfassung, die die Folge verkauft, und unsere Vorlage für Podcast-Shownotes behandelt sie. Das Transkript ist jedes Wort.

Regeln für das Podcast-Transkript-Format

Die Anleitung des W3C zu Transkripten ist hier ehrlich: „There is not a set design for transcripts.“ Es gibt also kein festes Design. Legen Sie Regeln einmal fest und wenden Sie sie bei jeder Folge an. Hier ist ein Hausstil, der für die meisten Interview-Shows funktioniert.

Unsicher, welchen Stil Sie wählen sollen? Unser Ratgeber zur wörtlichen Transkription vergleicht die Varianten am selben Abschnitt. Ein vollständiges Regelwerk finden Sie in unseren Transkriptionsrichtlinien.

Sie möchten den ersten Entwurf, bevor Sie das Studio verlassen haben? ParrotNotes nimmt das Interview auf Ihrem Smartphone auf und liefert das Transkript, sobald Sie stoppen. Testen Sie ParrotNotes kostenlos bei Ihrer nächsten Folge.

Ein Dialog, fünf Podcast-Transkript-Formate

Hier ist ein 15-sekündiger Moment aus The Night Desk, einer fiktiven Show über Lokalnachrichten. Host Ana Ruiz spricht mit dem Reporter Daniel Okafor über eine Geschichte aus dem Stadtrat. Die Worte bleiben in jedem Beispiel unten gleich. Nur der Behälter ändert sich.

1. Die Episodenseite (was Leser sehen)

Das ist das Beispiel für ein Podcast-Transkript, das sich die meisten vorstellen: reiner Text, eine Zeit bei jedem Sprecherwechsel und zuerst der Name des Sprechers (auf der fertigen Seite fett).

[14:02] Ana: Wie sind Sie an die Stadtratsunterlagen gekommen?

[14:04] Daniel: Akteneinsicht beantragt. Das hat 41 Tage gedauert. Die erste Lieferung war fast komplett geschwärzt. [lacht]

[14:10] Ana: Und was haben Sie gemacht?

[14:12] Daniel: Am selben Nachmittag Widerspruch eingelegt. In der zweiten Lieferung steckte die Geschichte.

Die Transkript-Spezifikation von Podcast Index definiert dafür auch eine HTML-Version für Ihren RSS-Feed. Sie nutzt <cite> für den Sprecher, <time> für die Startzeit und <p> für die Worte und nennt sie „low-fidelity“: eine Hilfe für die Barrierefreiheit und durchsuchbarer Text, aber nichts, was mit dem Audio synchronisiert.

<cite>Ana Ruiz:</cite>
<time>14:02</time>
<p>Wie sind Sie an die Stadtratsunterlagen gekommen?</p>
<cite>Daniel Okafor:</cite>
<time>14:04</time>
<p>Akteneinsicht beantragt. Das hat 41 Tage gedauert. Die erste Lieferung war fast komplett geschwärzt. [lacht]</p>

2. Die Prüftabelle (für den Gast oder die Produktion)

Gäste wollen keine Untertiteldatei. Sie wollen etwas, das sie kommentieren können. Eine dreispaltige Tabelle in Word oder Google Docs erfüllt den Zweck. Das ist auch das Layout, das die meisten meinen, wenn sie ein Podcast-Transkript-Format für Word suchen.

Fügen Sie eine vierte Spalte „Prüfung“ hinzu, wenn der Gast Namen und Zahlen bestätigen soll. Kommentare stehen dann direkt neben der Zeile, mit der Zeit, um sie im Audio zu finden.

3. WebVTT (die Datei, die Apple Podcasts und Spotify lesen)

Eine VTT-Datei ist eine Liste von Untertitelblöcken, jeder mit Start- und Endzeit. Sprechernamen stehen in einem Voice-Tag, <v Name>, am Anfang eines Blocks, wenn der Sprecher wechselt. Apples Seite zu Transkripten sagt: „Providing a VTT file allows you to identify every speaker with each line.“ Mit einer VTT-Datei lässt sich also jeder Sprecher in jeder Zeile benennen.

WEBVTT

00:14:02.000 --> 00:14:04.500
<v Ana Ruiz>Wie sind Sie an die Stadtratsunterlagen gekommen?

00:14:04.500 --> 00:14:09.800
<v Daniel Okafor>Akteneinsicht beantragt. Das hat 41 Tage gedauert.
Die erste Lieferung war fast komplett geschwärzt.

00:14:09.800 --> 00:14:10.700
[lacht]

00:14:10.700 --> 00:14:12.000
<v Ana Ruiz>Und was haben Sie gemacht?

00:14:12.000 --> 00:14:16.800
<v Daniel Okafor>Am selben Nachmittag Widerspruch eingelegt.
In der zweiten Lieferung steckte die Geschichte.

Die Transkript-Spezifikation von Podcast Index empfiehlt Zeilen mit höchstens 65 Zeichen und nennt WebVTT als das Format der Wahl, wenn Sie nur eines unterstützen.

4. SRT (das ältere Untertitelformat)

SRT hat nummerierte Blöcke, ein Komma in den Zeitstempeln und kein Voice-Tag. Sprechernamen stehen im Text, gefolgt von einem Doppelpunkt, wenn der Sprecher wechselt. Die Spezifikation von Podcast Index begrenzt SRT-Untertitel auf zwei Zeilen mit je 32 Zeichen, deshalb verteilt sich derselbe Dialog auf kürzere Blöcke.

1
00:14:02,000 --> 00:14:04,500
Ana: Wie sind Sie an die
Stadtratsunterlagen gekommen?

2
00:14:04,500 --> 00:14:06,600
Daniel: Akteneinsicht beantragt.
Das hat 41 Tage gedauert.

3
00:14:06,600 --> 00:14:09,800
Die erste Lieferung war
fast komplett geschwärzt.

4
00:14:09,800 --> 00:14:10,700
[lacht]

5
00:14:10,700 --> 00:14:12,000
Ana: Und was haben Sie gemacht?

6
00:14:12,000 --> 00:14:14,400
Daniel: Am selben Nachmittag
Widerspruch eingelegt.

7
00:14:14,400 --> 00:14:16,800
In der zweiten Lieferung
steckte die Geschichte.

Sie haben das eine Format und brauchen das andere? Der kostenlose SRT-in-VTT-Konverter wandelt zwischen beiden in Ihrem Browser um. Ist Ihr korrigiertes Transkript reiner Text ohne Zeiten, verteilt der TXT-in-SRT-Konverter ihn als Ausgangspunkt über die Länge der Folge; prüfen Sie die Zeiten der Blöcke vor dem Hochladen am Audio.

5. JSON (Podcasting-2.0-Apps)

Das JSON-Format von Podcast Index besteht aus einer version und einer Liste von segments, jedes mit speaker, startTime und endTime in Sekunden und dem Text in body. 14:02 sind 842 Sekunden nach Beginn der Folge. In der detailliertesten Form, ein Segment pro Wort, kann eine App jedes Wort hervorheben, während es gesprochen wird.

{
  "version": "1.0.0",
  "segments": [
    { "speaker": "Ana Ruiz", "startTime": 842.0, "endTime": 844.5,
      "body": "Wie sind Sie an die Stadtratsunterlagen gekommen?" },
    { "speaker": "Daniel Okafor", "startTime": 844.5, "endTime": 850.7,
      "body": "Akteneinsicht beantragt. Das hat 41 Tage gedauert. Die erste Lieferung war fast komplett geschwärzt. [lacht]" },
    { "speaker": "Ana Ruiz", "startTime": 850.7, "endTime": 852.0,
      "body": "Und was haben Sie gemacht?" },
    { "speaker": "Daniel Okafor", "startTime": 852.0, "endTime": 856.8,
      "body": "Am selben Nachmittag Widerspruch eingelegt. In der zweiten Lieferung steckte die Geschichte." }
  ]
}

Die meisten Hosting-Anbieter fragen nie nach dieser Datei. Sie lohnt sich, wenn Ihr Anbieter mehrere Transkriptdateien pro Folge erlaubt.

Welches Podcast-Transkript-Format wohin gehört

Hier ist die Auswahl, zusammengestellt aus den Seiten von Apple, Spotify und Podcast Index (geprüft am 27. Oktober 2026).

Zwei Plattformregeln sollten Sie kennen. Spotifys Hilfeseite zu Transkripten sagt: „Your transcript needs to be a VTT or SRT file.“ Die Datei darf höchstens 5 MB groß sein, und Spotify warnt: „Include timestamps, otherwise your transcript won't sync during playback.“ Ohne Zeitstempel synchronisiert das Transkript also nicht. Und wenn Sie die automatisch erstellten Transkripte von Spotify einschalten, wird Ihre hochgeladene Datei ersetzt.

Im Feed verweist das Tag podcast:transcript mit url und type (etwa text/vtt oder application/json) auf jede Datei. Sie können ein Tag pro Format hinzufügen, und rel="captions" kennzeichnet eine Datei als Untertitel. Die meisten Hosting-Anbieter schreiben dieses Tag für Sie.

Nehmen Sie Marco, einen fiktiven freien Produzenten. Ein Jahr lang schickte er Gästen dieselbe VTT-Datei, die er bei seinem Hosting-Anbieter hochlud. Die Hälfte antwortete mit der Frage, was die Pfeile und Zahlen bedeuten.

Heute schickt er die Prüftabelle aus demselben korrigierten Text, und die VTT-Datei geht nur an den Hosting-Anbieter. Korrekturen der Gäste kommen nach einem Tag statt nach einer Woche zurück, weil die Leute lesen können, was sie prüfen.

Podcast-Transkript-Vorlage für Ihre Episodenseite

Kopieren Sie dieses Gerüst in den HTML-Editor Ihrer Website, oder bauen Sie es mit den Überschrift- und Absatzblöcken Ihres CMS nach. Es folgt dem Rat des W3C, das Transkript „right under“ das Medium zu setzen, also direkt darunter auf derselben Seite, mit Überschriften und Links, wo sie helfen.

<section id="transkript">
  <h2>Transkript: [Titel der Folge]</h2>
  <p>[Name der Show], Folge [Nummer]. Veröffentlicht am [Datum]. Laufzeit [MM:SS].<br>
     Host: [Voller Name], [Rolle]. Gast: [Voller Name], [Rolle].<br>
     Bereinigtes Wortprotokoll, leicht redigiert. Namen und Zahlen am [Datum] mit dem Audio abgeglichen.</p>

  <h3>[00:00] Intro</h3>
  <p><strong>[Host]:</strong> [Worte.]</p>
  <p><strong>[Gast]:</strong> [Worte.]</p>

  <h3>[MM:SS] [Kapiteltitel]</h3>
  <p><strong>[Host]:</strong> [Frage.]</p>
  <p><strong>[Gast]:</strong> [Antwort.] [lacht]</p>

  <h3>[MM:SS] [Sponsorhinweis]</h3>

  <h3>[MM:SS] Outro</h3>
  <p><strong>[Host]:</strong> [Dank, wo man den Gast findet, nächste Folge.]</p>
</section>

Die Kapitelüberschriften nutzen dieselben Zeiten wie Ihre Shownotes, sodass Leser zwischen beiden springen können. Den vollständigen Ablauf und eine Klartextversion dieses Layouts mit einem längeren, ausgefüllten Beispiel für ein Podcast-Transkript finden Sie im Ratgeber zur Podcast-Transkription.

Barrierefreiheit: Prüfpunkte für das Seitenformat

Ein Transkript ist der Weg, auf dem Menschen, die das Audio nicht hören können, die Folge erreichen. WCAG 2.2 Erfolgskriterium 1.2.1 verlangt für aufgezeichnetes Audio eine Alternative, die „presents equivalent information“, also gleichwertige Informationen bietet. Prüfen Sie vor dem Veröffentlichen, ob das Seitenformat:

• echter Text auf der Seite ist, kein PDF-Download und kein Screenshot
• auf der Episodenseite steht oder einen klaren Link vom Player entfernt ist
• jeden Sprecher nennt, damit ein Screenreader ansagt, wer spricht
• bedeutsame Geräusche wie Lachen oder Musik in Klammern markiert
• Überschriften für Kapitel nutzt, damit Leser mit Tastatur oder Screenreader springen können
• Zeitstempel nur einsetzt, wenn sie nützen („only when useful“, wie das W3C sagt); einer pro Sprecherwechsel reicht

Stellen Sie sich dann vor, wie Ana Folge 42 angeht. Sie nimmt das Interview auf ihrem Smartphone in ParrotNotes auf, korrigiert den Entwurf am Audio und exportiert ihn als Text. Aus dieser einen Datei fügt sie die Seitenversion in die Vorlage ein, schickt Daniel die Prüftabelle und erstellt eine VTT-Kopie mit Zeiten für ihren Hosting-Anbieter. Ein Korrekturdurchgang, drei Formate, überall dieselben Worte.

Legen Sie Ihr Podcast-Transkript-Format einmal fest

Die Worte einer Folge ändern sich nicht, aber das Podcast-Transkript-Format schon: fette Namen und gelegentliche Zeiten für die Seite, eine Tabelle für den Gast, Blöcke mit Zeiten für die Apps. Legen Sie Ihre Regeln einmal fest (Bezeichnungen, Zeitstempel, Markierungen, bereinigtes Wortprotokoll), führen Sie eine korrigierte Hauptversion und erzeugen Sie jedes Format daraus.

Drei Erkenntnisse:

• Seite: benannte Sprecher, eine Zeit bei jedem Sprecherwechsel, Kapitelüberschriften, direkt unter dem Player
• Menschen: eine dreispaltige Tabelle, die sie kommentieren können
• Apps: VTT mit Voice-Tags oder SRT, mit Zeitstempeln bei jedem Block

Wenn Ihre Interviews auf dem Smartphone beginnen, liefert ParrotNotes den Transkriptentwurf, sobald Sie die Aufnahme stoppen, mit einer Zusammenfassung und den wichtigsten Punkten, und exportiert ihn im kostenlosen Plan als Text oder Markdown. Laden Sie ParrotNotes kostenlos herunter und haben Sie den Haupttext für jedes Podcast-Transkript-Format in Minuten statt an ganzen Abenden fertig. Für Interviews, die keine Podcasts sind, zeigen unsere Beispiele für Interview-Transkriptionen dieselben Ideen für Recherche und Forschung.