Web Video Text Tracks Format (WebVTT)

WebVTT-Dateien haben den MIME-Typ text/vtt und die Dateierweiterung .vtt. Der Inhalt muss mit UTF-8 kodiert sein.

Die Struktur eines WebVTTs besteht aus den folgenden Komponenten, von denen einige optional sind, in dieser Reihenfolge:

• Ein Header, bestehend aus einem optionalen Byte Order Mark (BOM) — dem String WEBVTT — gefolgt von einem optionalen Textheader, getrennt durch eines oder mehrere Leerzeichen oder Tabulatoren (in WebVTT-Dateien sind Tabs und Leerzeichen austauschbar).
• Eine oder mehrere leere Zeilen, die jeweils zwei aufeinanderfolgende neue Zeilen entsprechen.
• Null oder mehr STYLE-, REGION- oder NOTE-Blöcke, getrennt durch eine oder mehrere leere Zeilen.
• Null oder mehr Cue- oder NOTE-Blöcke, getrennt durch eine oder mehrere leere Zeilen.

Eine einfache WebVTT-Datei, die den WEBVTT-String (aber keinen Headertext), einen NOTE-Block und zwei Cues enthält, wird unten gezeigt:

WEBVTT

NOTE This is a multi-line note block.
These are used for comments by the author
Two cue blocks are defined below.

00:01.000 --> 00:04.000
Never drink liquid nitrogen.

00:05.000 --> 00:09.000
Because:
- It will perforate your stomach.
- You could die.

Die folgenden Abschnitte erklären die Teile der Datei, einschließlich derjenigen, die im obigen Beispiel nicht verwendet werden.

WebVTT-Dateien beginnen mit einem Header-Block, der Folgendes enthält:

• Ein optionales Byte Order Mark (BOM), das Unicode-Zeichen U+FEFF.
• Den String WEBVTT.
• Einen optionalen Textheader rechts von WEBVTT.
  • Es muss mindestens ein Leerzeichen nach WEBVTT vorhanden sein.
  • Sie können diesen Header verwenden, um eine Beschreibung zur Datei hinzuzufügen.
  • Sie dürfen alles im Textheader verwenden, außer neuen Zeilen oder dem String -->.

Der WEBVTT-String ist der einzige notwendige Teil der WebVTT-Datei, sodass die einfachste mögliche WebVTT-Datei so aussehen würde:

WEBVTT

Das folgende Beispiel zeigt einen Header mit Text. Beachten Sie, dass dieser Text durch mindestens ein Leerzeichen oder Tabulatorzeichen getrennt sein muss.

WEBVTT This file has no cues.

Ein Cue definiert eine einzelne Untertitel-, Beschriftungs- oder andere Textblöcke, die über ein bestimmtes Zeitintervall hinweg angezeigt werden sollen. Cues müssen nach dem Header und allen STYLE- oder REGION-Blöcken erscheinen.

Jeder Cue besteht aus drei oder mehr Zeilen:

• Ein optionaler Cue-Identifier, dem eine neue Zeile folgt.
• Cue-Timings, die den Zeitraum angeben, in dem der Nutzlasttext angezeigt werden soll. Diese werden optional von Cue-Einstellungen gefolgt, mit mindestens einem Leerzeichen vor der ersten Einstellung und zwischen jeder Einstellung, gefolgt von einer einzelnen neuen Zeile.
• Der Cue-Nutzlasttext, der sich über mehrere Zeilen erstrecken kann und durch eine leere Zeile beendet wird.

Hier ist ein Beispiel für ein einfaches Cue. Die erste Zeile gibt die Anzeige-Start- und Endzeiten des Cues an, getrennt durch den String -->. Die zweite Zeile definiert den anzuzeigenden Text.

00:01.000 --> 00:04.000
Never drink liquid nitrogen.

Der nächste Cue ist etwas komplizierter. Er beginnt mit einem Cue-Identifier – 1 - Title Crawl – der verwendet werden kann, um den Cue in JavaScript und CSS zu referenzieren. Er hat auch Cue-Einstellungen nach den Cue-Timings, um die Cue-Position einzustellen.

1 - Title Crawl
00:05.000 --> 00:09.000 line:0 position:20% size:60% align:start
Because:
- It will perforate your stomach.
- You could die.

Beachten Sie, dass die Ausgabe Zeilenumbrüche im Nutzlasttext berücksichtigt, was es Ihnen ermöglicht, Aufzählungslisten mit Bindestrichen (-) zu erstellen, wie gezeigt. Im Allgemeinen sollten Sie diese Umbrüche nur dort einfügen, wo sie benötigt werden, da der Browser den Text entsprechend umbricht.

Es ist wichtig, innerhalb eines Cues keine "extra" Leerzeilen zu verwenden, zum Beispiel zwischen der Timings-Zeile und der Cue-Nutzlast oder innerhalb der Nutzlast. Dies liegt daran, dass eine Leerzeile den aktuellen Cue beendet.

Jeder Teil des Cues wird in den folgenden Abschnitten ausführlicher erklärt.

Der Identifier ist ein Name, der den Cue identifiziert. Er kann verwendet werden, um den Cue von JavaScript oder CSS aus zu referenzieren. Er darf keine neue Zeile enthalten und nicht den String --> enthalten. Er muss mit einer einzelnen neuen Zeile enden. Identifier müssen nicht eindeutig sein, obwohl es üblich ist, sie zu nummerieren (z.B. 1, 2, 3).

Das folgende Beispiel zeigt eine Datei mit mehreren Cues, die Identifier enthalten:

WEBVTT

1
00:00:22.230 --> 00:00:24.606
This is the first subtitle.

2 Some Text
00:00:30.739 --> 00:00:34.074
This is the second.

3
00:00:34.159 --> 00:00:35.743
This is the third

Ein Cue-Timing gibt das Zeitintervall an, in dem der Cue angezeigt wird. Es hat eine Start- und eine Endzeit, dargestellt durch Zeitstempel. Die Endzeit muss größer sein als die Startzeit, und die Startzeit muss größer oder gleich allen vorherigen Startzeiten sein.

Cues können überlappende Timings haben, es sei denn, die WebVTT-Datei wird für Kapitel verwendet (<track> kind ist chapters).

Jedes Cue-Timing enthält fünf Komponenten:

• Einen Zeitstempel für die Startzeit.
• Mindestens ein Leerzeichen.
• Den String -->.
• Mindestens ein Leerzeichen.
• Einen Zeitstempel für die Endzeit, die größer sein muss als die Startzeit.

Die Zeitstempel können in einem der folgenden zwei Formate angegeben werden:

• mm:ss.ttt
• hh:mm:ss.ttt

Wo die Komponenten wie folgt definiert sind:

hh

Repräsentiert Stunden und muss mindestens zweistellig sein. Es kann größer als zweistellig sein (z.B. 9999:00:00.000).

mm

Repräsentiert Minuten und muss zwischen 00 und 59 liegen, inklusive.

ss

Repräsentiert Sekunden und muss zwischen 00 und 59 liegen, inklusive.

ttt

Repräsentiert Millisekunden und muss zwischen 000 und 999 liegen, inklusive.

Hier sind einige Beispiele für Cue-Timings:

• Grundlegende Cue-Timing-Beispiele

  00:00:22.230 --> 00:00:24.606
  00:00:30.739 --> 00:00:34.074
  00:00:34.159 --> 00:00:35.743
  00:00:35.827 --> 00:00:40.122
  

• Überlappende Cue-Timing-Beispiele

  00:00:00.000 --> 00:00:10.000
  00:00:05.000 --> 00:01:00.000
  00:00:30.000 --> 00:00:50.000
  

• Nicht überlappende Cue-Timing-Beispiele

  00:00:00.000 --> 00:00:10.000
  00:00:10.000 --> 00:01:00.581
  00:01:00.581 --> 00:02:00.100
  00:02:01.000 --> 00:02:01.000
  

Cue-Einstellungen sind optionale Komponenten, die den Cue-Nutzlasttext über dem Video positionieren. Dazu gehören horizontale und vertikale Positionen. Null oder mehr Cue-Einstellungen können angegeben und in beliebiger Reihenfolge verwendet werden, solange jede Einstellung nicht mehr als einmal verwendet wird.

Cue-Einstellungen werden rechts der Cue-Timings hinzugefügt. Es muss eines oder mehrere Leerzeichen zwischen dem Cue-Timing und der ersten Einstellung sowie zwischen jeder Einstellung geben. Ein Doppelpunkt trennt den Namen und den Wert einer Einstellung. Die Einstellungen sind case-sensitiv; verwenden Sie Kleinbuchstaben wie gezeigt. Es gibt fünf verfügbare Cue-Einstellungen:

vertical

Gibt an, dass der Text vertikal statt horizontal angezeigt wird, wie in einigen asiatischen Sprachen. Es gibt zwei mögliche Werte:

rl

Die Schreibrichtung ist von rechts nach links.

lr

Die Schreibrichtung ist von links nach rechts.

line

Wenn vertical nicht gesetzt ist, gibt line an, wo der Text vertikal erscheint. Wenn vertical gesetzt ist, gibt line an, wo Text horizontal erscheint. Sein Wert kann sein:

Eine Zeilennummer

Die Position der ersten Zeile des Cues, wie sie im Video erscheint. Positive Zahlen werden von oben nach unten gezählt und negative Zahlen von unten nach oben.

Ein Prozentsatz

Eine ganze Zahl (d.h. ohne Dezimalstellen) zwischen 0 und 100 inklusive, die mit einem Prozentzeichen (%) folgen muss.

Line	vertical fehlt	vertical:rl	vertical:lr
line:0	oben	rechts	links
line:-1	unten	links	rechts
line:0%	oben	rechts	links
line:100%	unten	links	rechts

position

Wenn vertical nicht gesetzt ist, gibt position an, wo der Text horizontal erscheint. Wenn vertical gesetzt ist, gibt position an, wo der Text vertikal erscheint. Der Wert ist ein Prozentsatz zwischen 0 und 100 inklusive.

Position	vertical fehlt	vertical:rl	vertical:lr
position:0%	links	oben	oben
position:100%	rechts	unten	unten

size

Wenn vertical nicht gesetzt ist, gibt size die Breite des Textbereichs an. Wenn vertical gesetzt ist, gibt size die Höhe des Textbereichs an. Der Wert ist ein Prozentsatz zwischen 0 und 100 inklusive.

Size	vertical fehlt	vertical:rl	vertical:lr
size:100%	volle Breite	volle Höhe	volle Höhe
size:50%	halbe Breite	halbe Höhe	halbe Höhe

align

Gibt die Ausrichtung des Textes an. Der Text wird innerhalb des durch die Größeneinstellung angegebenen Raums ausgerichtet, wenn er eingestellt ist.

Align	vertical fehlt	vertical:rl	vertical:lr
align:start	links	oben	oben
align:center	horizontal zentriert	vertikal zentriert	vertikal zentriert
align:end	rechts	unten	unten

Hier sind einige Beispiele. Die erste Zeile zeigt keine Einstellungen. Die zweite Zeile könnte verwendet werden, um Text auf einem Schild oder Etikett zu überlagern. Die dritte Zeile könnte für einen Titel verwendet werden. Die letzte Zeile könnte für eine asiatische Sprache verwendet werden.

00:00:05.000 --> 00:00:10.000
00:00:05.000 --> 00:00:10.000 line:63% position:72% align:start
00:00:05.000 --> 00:00:10.000 line:0 position:20% size:60% align:start
00:00:05.000 --> 00:00:10.000 vertical:rt line:-1 align:end
00:00:05.000 --> 00:00:10.000 position:10%,line-left align:left size:31%
00:00:05.000 --> 00:00:10.000 position:90% align:right size:35%
00:00:05.000 --> 00:00:10.000 position:45%,line-right align:center size:90%

Die Nutzlast definiert den Inhalt eines Cues, wie beispielsweise den Untertitel- oder Beschriftungstext. Sie kann neue Zeilen enthalten, darf jedoch keine zwei aufeinanderfolgenden neuen Zeilen enthalten: Dies würde eine leere Zeile erzeugen, die das Ende des Blocks anzeigt.

Eine Cue-Text-Nutzlast darf nicht den String -->, das Kaufmanns-Und-Zeichen (&) oder das Kleiner-als-Zeichen (<) enthalten. Bei Bedarf können stattdessen zeichenreferenzen wie die benannte Zeichenreferenz & für das Kaufmanns-Und und < für das Kleiner-als-Zeichen verwendet werden. Es wird auch empfohlen, die Größer-als-Escape-Sequenz > anstelle des Größer-als-Zeichens zu verwenden (>) um Verwechslungen mit Tags zu vermeiden. Wenn Sie die WebVTT-Datei für Metadaten verwenden, gelten diese Einschränkungen nicht.

Beachten Sie, dass alle gängigen Browser jede zeichenreferenz in Cues, Notizen oder anderen Texten zulassen. Ältere Browserversionen unterstützen möglicherweise nur das folgende Teilset benannter Zeichenreferenzen:

Eine Reihe von Tags, wie <b>, kann zum Markieren und Stylen von Text innerhalb eines Cues verwendet werden. Wenn die WebVTT-Datei jedoch in einem <track>-Element verwendet wird, bei dem das Attribut kind auf chapters gesetzt ist, können keine Tags verwendet werden.

Zeitstempel-Tag

Zeitstempel-Tags werden verwendet, um Karaoke-artige Untertitel zu ermöglichen. Der Zeitstempel muss größer sein als der Start-Zeitstempel des Cues, größer als ein vorheriger Zeitstempel in der Cue-Nutzlast und kleiner als der End-Zeitstempel des Cues. Der aktive Text ist der Text zwischen dem Zeitstempel und dem nächsten Zeitstempel oder bis zum Ende der Nutzlast, wenn kein weiterer Zeitstempel in der Nutzlast vorhanden ist. Jener Text vor dem aktiven Text in der Nutzlast wird als vorheriger Text bezeichnet. Jener Text, der über den aktiven Text hinausgeht, wird als zukünftiger Text bezeichnet.

1
00:16.500 --> 00:18.500
When the moon <00:17.500>hits your eye

1
00:00:18.500 --> 00:00:20.500
Like a <00:19.000>big-a <00:19.500>pizza <00:20.000>pie

1
00:00:20.500 --> 00:00:21.500
That's <00:00:21.000>amore

Die folgenden Tags sind die HTML-Tags, die in einem Cue erlaubt sind und erfordern Öffnungs- und Schließtags (z.B. <b>text</b>). Text, der mit diesen Tags markiert ist, kann in STYLE-Blocks unter Verwendung des ::cue-Pseudoelements formatiert werden.

Kursiv-Tag (<i></i>)

Kursivschrift für den enthaltenen Text.

xml

<i>text</i>

Fett-Tag (<b></b>)

Fettschrift für den enthaltenen Text.

xml

<b>text</b>

Unterstreichen-Tag (<u></u>)

Unterstreichen des enthaltenen Textes.

xml

<u>text</u>

Klassen-Tag (<c></c>)

Fügt eine Klasse zum enthaltenen Text hinzu, um sie in CSS auszuwählen.

xml

<c.classname>text</c>

Ruby-Tag (<ruby></ruby>)

Wird zusammen mit Ruby-Text-Tags zum Anzeigen von Ruby-Zeichen (d.h. kleine annotative Zeichen über anderen Zeichen) verwendet.

xml

<ruby>WWW<rt>World Wide Web</rt>oui<rt>yes</rt></ruby>

Ruby-Text-Tag (<rt></rt>)

Wird zusammen mit Ruby-Tags zum Anzeigen von Ruby-Zeichen (d.h. kleine annotative Zeichen über anderen Zeichen) verwendet.

xml

<ruby>WWW<rt>World Wide Web</rt>oui<rt>yes</rt></ruby>

Sprach-Tag (<v></v>)

Ähnlich wie das Klassen-Tag, wird auch verwendet, um den enthaltenen Text mit CSS zu stylen.

xml

<v Bob>text</v>

Sprach-Tag (<lang></lang>)

Wird verwendet, um Text hervorzuheben, der als zu einer bestimmten Sprache oder Sprachvariante gehörig markiert wurde, unter Verwendung des in RFC 5646: Tags for Identifying Languages (auch bekannt als BCP 47) definierten Formats.

xml

<lang en-GB>English text as spoken in Great Britain!</lang>

NOTE-Blöcke sind optionale Abschnitte, die verwendet werden können, um Kommentare in eine WebVTT-Datei aufzunehmen. Sie sind für diejenigen gedacht, die die Datei lesen, und sind für die Benutzer nicht sichtbar. Sie können beispielsweise genutzt werden, um Kontaktdaten des Autors aufzuzeichnen, einen Überblick über die Struktur zu geben oder Platzhalter für Cues hinzuzufügen, die noch geschrieben werden müssen.

NOTE-Blöcke können überall in der WebVTT-Datei nach dem Header verwendet werden.

NOTE-Blöcke dürfen neue Zeilen enthalten, dürfen jedoch keine zwei aufeinanderfolgenden neuen Zeilen enthalten: Dies würde eine leere Zeile erzeugen, die das Ende des Blocks anzeigt.

Ein Kommentar darf den String -->, das Kaufmanns-Und-Zeichen (&) oder das Kleiner-als-Zeichen (<) nicht enthalten. Wenn Sie diese Zeichen verwenden möchten, müssen Sie stattdessen eine zeichenreferenz wie & für das Kaufmanns-Und und < für das Kleiner-als-Zeichen verwenden. Es wird auch empfohlen, die Größer-als-Escape-Sequenz (>) anstelle des Größer-als-Zeichens zu verwenden (>) um Verwechslungen mit Tags zu vermeiden.

Ein Kommentar besteht aus drei Teilen:

• Dem String NOTE.
• Einem Leerzeichen oder einer neuen Zeile.
• Null oder mehr Zeichen, außer den oben genannten.

Hier einige Beispiele:

NOTE This is a single line comment

NOTE
This is a simple multi line comment

NOTE
One comment that is spanning
more than one line.

NOTE You can also make a comment
across more than one line this way.

NOTE TODO I might add a line to indicate work that still has to be done.

STYLE-Blöcke sind optionale Abschnitte, die verwendet werden können, um CSS-Styling von Cues innerhalb einer WebVTT-Datei einzubetten. Beachten Sie, dass diese genutzt werden können, um die Erscheinung und Größe der Cues zu stylen, nicht jedoch deren Position und Layout, die durch die Cue-Einstellungen gesteuert werden.

STYLE-Blöcke müssen vor allen Cue-Blöcken in der Datei erscheinen.

Jeder Block besteht aus den folgenden Zeilen:

• Der String STYLE gefolgt von null oder mehr Leer- oder Tabulatorzeichen und dann einer neuen Zeile.
• Ein String, der die CSS-Styles definiert, um sie mittels des ::cue-Pseudoelements zuzuordnen und anzuwenden.

Der Block darf den String --> nicht enthalten. Er darf neue Zeilen enthalten, jedoch keine zwei aufeinanderfolgenden neuen Zeilen enthalten: Dies würde eine leere Zeile erzeugen, die das Ende des Blocks anzeigt.

Eine einfache WebVTT-Datei mit zwei STYLE-Blöcken wird unten gezeigt. Diese verwendet ::cue, um eine Textfarbe auf allen Cue-Text anzuwenden und eine andere Textfarbe nur auf Text, der mit <b></b>-Tags markiert ist.

WEBVTT

STYLE
::cue {
  background-image: linear-gradient(to bottom, dimgray, lightgray);
  color: papayawhip;
}
/* Style blocks cannot use blank lines nor "dash dash greater than" */

NOTE comment blocks can be used between style blocks.

STYLE
::cue(b) {
  color: peachpuff;
}

00:00:00.000 --> 00:00:10.000
- Hello <b>world</b>.

NOTE style blocks cannot appear after the first cue.

Entsprechen Sie alle Cue-Nutzlast-Text mithilfe von ::cue.

Das folgende STYLE-Block-Beispiel würde beispielsweise allen Cue-Text abgleichen und ihn gelb färben.

STYLE
::cue {
  color: yellow;
}

Entsprechen Sie Cue-Text, der mit bestimmten cue-Nutzlast-Text-Tags wie c, i, b, u, ruby, rt, v und lang markiert ist, indem Sie das Tag in ::cue() als Typselektor angeben.

Das folgende Block-Beispiel würde beispielsweise Cue-Nutzlast-Text mit lang als gelb abgleichen und jeden der anderen Tags als rot.

STYLE
::cue(c),
::cue(i),
::cue(b),
::cue(u),
::cue(ruby),
::cue(rt),
::cue(v) {
  color: red;
}
::cue(lang) {
  color: yellow;
}

Alle Tags abgleichen, die mit einem Klassenselektor in ::cue() markiert sind.

Der STYLE-Block in der folgenden WebVTT-Datei würde allen Text danach abgleichen, weil alle Tags die Klasse myclass haben.

WEBVTT

STYLE
::cue(.myclass) {
  color: yellow;
}

00:00:00.000 --> 00:00:08.000
<c.myclass>Yellow!</c>
<i.myclass>Yellow!</i>
<u.myclass>Yellow!</u>
<b.myclass>Yellow!</b>
<u.myclass>Yellow!</u>
<ruby.myclass>Yellow! <rt.myclass>Yellow!</rt></ruby>
<v.myclass Kathryn>Yellow!</v>
<lang.myclass en>Yellow!</lang>

Um ein bestimmtes Tag und eine Klasse auszuwählen, müssen Sie beides in ::cue() angeben:

::cue(b.myclass) {
  color: yellow;
}

Cue-Nutzlast-Text, markiert mit einem bestimmten Tag und Attribut, kann mit einem Attributselektor abgeglichen werden.

Betrachten Sie zum Beispiel die folgende WebVTT-Datei, die Text enthält, der mit den v und lang cue-Nutzlast-Text-Tags mit Attributen versehen ist, um die spezielle Stimme ("Salame") und Sprachen anzugeben.

WEBVTT

STYLE
::cue([lang="en-US"]) {
color: yellow;
}
::cue(lang[lang="en-GB"]) {
color: cyan;
}
::cue(v[voice="Salame"]) {
color: lime;
}

00:00:00.000 --> 00:00:08.000
Yellow!

00:00:08.000 --> 00:00:16.000
<lang en-GB>Cyan!</lang>

00:00:16.000 --> 00:00:24.000
I like <v Salame>lime.</v>

Das vorherige Beispiel stilisierte Text für eine bestimmte Sprache mittels der Attributübereinstimmung. Sie können Sprachen auch mithilfe der Pseudo-Klasse :lang() abgleichen, wie durch den folgenden STYLE-Block demonstriert wird.

STYLE
::cue(:lang(en)) {
  color: yellow;
}
::cue(:lang(en-GB)) {
  color: cyan;
}

Sie können in ähnlicher Weise mit den Pseudo-Klassen :past und :future übereinstimmen, um ein Karaoke-ähnliches Erlebnis zu bieten.

video::cue(:past) {
  color: yellow;
}
video::cue(:future) {
  color: cyan;
}

Andere Pseudo-Klassen wie link, nth-last-child und nth-child sollten ähnlich funktionieren.

Gegen eine bestimmte Cue-ID durch Angabe der ID innerhalb von ::cue() abgleichen.

Das folgende WebVTT-Datei-Beispiel sollte den Cue mit der Kennung cue1 in grün stylen.

WEBVTT

STYLE ::cue(#cue1) {
  color: green;
}

cue1
00:00:00.000 --> 00:00:08.000
Green!

Beachten Sie, dass Escape-Sequenzen in WebVTT-CSS auf dieselbe Weise wie auf HTML-Seiten verwendet werden. Das folgende Beispiel zeigt, wie Leerzeichen in einer Cue-ID maskiert werden:

WEBVTT

STYLE
::cue(#transcription\ credits) {
  color: red;
}

transcription credits
00:04.000 --> 00:05.000
Transcribed by Célestes™

• Die CSS ::cue und ::cue() Pseudo-Elemente