CapCutCapCut

Undertekster som faktisk kan leses i stående format: tegn per linje, CPS og minste varighet per cue

Teamet i AiToolsForAppsSkrevet med AI-hjelp17 min lesetid

Kort oppsummert

  • KI svikter ikke lenger på hva som sies, men på hvordan det deles opp: transkripsjonen får ordene riktige, men gir endeløse linjer, cues på et halvt sekund og tre linjer tekst oppå ansiktet.
  • BBCs Subtitle Guidelines (versjon 1.2.5, mars 2026) angir tilsvarende for stående format: det som er 37 tegn per linje i 16:9, er omtrent 25 tegn i 9:16.
  • Lesehastighet: BBC anbefaler 160–180 ord i minuttet og minst 0,3 sekunder per ord; Netflix tillater opptil 20 CPS for voksne og 17 CPS for barneinnhold. For stående video er 12–17 CPS det komfortable området.
  • Varighet per cue: Netflix krever minst 20 bilder (4/5 sekund) og et minste mellomrom på 2 bilder; BBC ber om at mellomrommet er minst ett sekund når det er en pause.
  • Siden 28. juni 2025 gjelder det europeiske tilgjengelighetsdirektivet, og i Spania er det innlemmet gjennom lov 11/2023: undertekster er ikke lenger et markedsføringsekstra.

Hvis du redigerer stående video, har 2026 gitt deg den enkle delen av undertekstingen og latt den vanskelige være urørt. Automatisk transkripsjon er allerede god; oppdelingen er fortsatt et håndverk. Denne artikkelen samler reglene for lesbarhet som kringkastere og plattformer bruker, oversetter dem til 9:16-formatet og forklarer hvordan du kontrollerer en .srt før du importerer den til redigeringsprogrammet. Til slutt ser du hvor aiCapCut, verktøyet fra AiToolsForApps, passer inn for å generere og dele opp SRT-undertekster for stående video på nytt uten å røre tidslinjen.

Stående mobilbilde med en undertekst på to korte linjer plassert i nedre tredjedel, langt unna ansiktet til den som snakker
Stående mobilbilde med en undertekst på to korte linjer plassert i nedre tredjedel, langt unna ansiktet til den som snakker

Automatiske undertekster får ordene riktige, men feiler på oppdelingen

Talegjenkjenning løser transkripsjonen; oppdelingen — hvor hver cue begynner og slutter, hvor linjen brytes, hvor lenge den blir stående på skjermen — er en redaksjonell beslutning som ingen motor tar for deg. Derfor kan en automatisk undertekst ha 100 % riktige ord og likevel være uleselig.

De tre feilene som dukker opp igjen og igjen i stående format:

  1. For lange linjer. Motoren deler opp etter lydpauser, ikke etter bredden på boksen. I 9:16 flyter en setning som passet fint i liggende format over, eller krympes til en uleselig skriftstørrelse.
  2. For korte cues. Et enkelt fyllord («altså», «ok») gir en cue på 300 millisekunder som blinker forbi og ikke gir tid til å feste blikket.
  3. Tre eller fire stablede linjer. Blokken vokser oppover og ender opp med å dekke akkurat det seeren trenger å se: munnen til den som snakker.

BBCs veiledning sier det rett ut i avsnittet om plassering: i stående video bør underteksten flyttes litt opp, men holdes i nedre tredjedel, «fordi ansikter vanligvis er i øvre halvdel av skjermen, og undertekster helt nederst gjør det vanskelig å lese teksten og se personen som snakker».

Sammenligning av to stående bilder: til venstre dekker fire lange tekstlinjer ansiktet; til høyre lar to korte linjer i nedre tredjedel ansiktet være synlig
Sammenligning av to stående bilder: til venstre dekker fire lange tekstlinjer ansiktet; til høyre lar to korte linjer i nedre tredjedel ansiktet være synlig

I stående format er det plass til omtrent 25 tegn per linje, ikke 37 eller 42

BBC oppgir den nøyaktige ekvivalenten: «det som tilsvarer 37 tegn i et område på 75 % av bredden i en 16:9-video, er 25 tegn i et område på 90 % av bredden i en 9:16-video». Det vil si at det stående formatet tar fra deg omtrent en tredjedel av teksten per linje sammenlignet med kringkastingsstandarden.

Hvor tallene som sirkulerer kommer fra:

  • 37 tegn er en grense fra tekst-TV: av de 40 bytene som er tilgjengelige per rad, brukes minst 3 på styrekoder, så det står igjen 37 brukbare posisjoner. Det er et infrastrukturtall, ikke et fysiologisk tall.
  • 42 tegn per linje er taket i Netflix' English Timed Text Style Guide, tenkt for stor skjerm og proporsjonal skrift.
  • 25 tegn er den ærlige oversettelsen av disse takene til 9:16, ifølge BBC selv.

Den samme veiledningen advarer om noe det er lurt å huske: å styre lengden bare med en tegnteller er «en grov metode som ikke tar hensyn til bredden på hver bokstav eller skrifttypen». En linje på 30 tegn full av m-er og w-er tar mer plass enn en på 34 med i-er og l-er. Telleren er en god sikkerhetsmargin, ikke en garanti: kontroller resultatet på skjermen.

I praksis fungerer det godt for stående video i sosiale medier å sette maksimum mellom 28 og 34 tegn per linje, og gå ned til 18–22 hvis du skal bruke enlinjes undertekster i karaokestil.

To linjer er det praktiske taket i sosiale medier, selv om BBC tillater tre i stående format

Her er det en reell forskjell som er verdt å kjenne til. Punkt 3.3 i BBCs veiledning anbefaler maksimalt to linjer for liggende eller kvadratisk video (16:9, 4:3, 1:1) og tre linjer for stående video (9:16), siden bildet er høyere. I sosiale medier blir imidlertid den tredje linjen nesten alltid dyr.

Grunnen er at den brukbare høyden i en 9:16-video i sosiale medier ikke er høyden på filen: appens grensesnitt, beskrivelsesteksten, sideknappene og den nederste linjen tar en del av bildet, og undertekstblokken vokser oppover, mot ansiktet. BBC selv nyanserer tillatelsen: ekstra linjer kan brukes «hvis du er trygg på at ingen viktig informasjon i bildet skjules», og i avsnittet om kumulative undertekster understreker de at de ikke skal brukes hvis de dekker munner eller andre relevante visuelle elementer.

Den praktiske konklusjonen: sett taket til 2 linjer og behandle den tredje som et begrunnet unntak, ikke som standardløsning. Hvis det ikke går an å få plass til to linjer på 30 tegn, er ikke problemet antall linjer: da burde den cuen vært to cues.

Når det gjelder linjeskift, ber BBC om å bryte på logiske steder — helst ved et skilletegn — og, hvis det ikke er noe annet valg, unngå å skille artikkel og substantiv, preposisjon og leddet den styrer, konjunksjon og setningen den innleder, pronomen og verb, eller delene av et sammensatt verbal. Å dele et ord på midten er det verste du kan gjøre mot lesingen.

12–17 CPS er det komfortable området for lesehastighet i stående format

Lesehastighet måles i tegn per sekund (CPS): du deler antall tegn i en cue på varigheten. Hvis en cue på 45 tegn varer i 2 sekunder, går den i 22,5 CPS og er for rask til å leses helt mens du også ser på bildet.

De publiserte referansene:

ReferanseHastighetDokument og dato
BBC160–180 ord/minutt; minst ~0,3 s per ord (1,2 s for en undertekst på 4 ord)Subtitle Guidelines v1.2.5, mars 2026
Netflix (voksne)Opptil 20 CPSEnglish Timed Text Style Guide
Netflix (barn)Opptil 17 CPSEnglish Timed Text Style Guide

Disse takene er tenkt for en person som sitter foran en skjerm med oppmerksomheten på filmen. Stående video konsumeres stående, i bevegelse, med skjermen en halv meter unna og i konkurranse med resten av feeden. Derfor er den fornuftige anbefalingen for 9:16 å holde seg klart under Netflix-taket: mellom 12 og 17 CPS, med 15 som utgangspunkt og 12 hvis publikummet er bredt eller ordforrådet er teknisk.

Vær oppmerksom på hvordan parameteren oppfører seg: CPS forlenger ikke lyden, den bestemmer hvor mye tekst som får plass i en cue. Å gå ned fra 17 til 12 CPS gjør ikke videoen saktere; det tvinger deg til å dele tidligere og lage flere cues.

Hver cue trenger et minimum, et maksimum og et rent mellomrom

Tre tidsparametere avgjør om en undertekst blir lest eller bare blinker: minste varighet per cue, lengste varighet og mellomrommet mellom påfølgende cues. De to mest siterte referansene er ikke enige, og forskjellen har en forklaring.

Tidslinje med undertekstblokker i ulike bredder: de helt smale i rødt er for korte cues, de grønne har komfortabel varighet, og den gule blir stående for lenge på skjermen
Tidslinje med undertekstblokker i ulike bredder: de helt smale i rødt er for korte cues, de grønne har komfortabel varighet, og den gule blir stående for lenge på skjermen
ParameterBBC (Subtitle Guidelines v1.2.5, mars 2026)Netflix (Subtitle Timing Guidelines)Startverdi i stående format
Minste varighet per cue~0,3 s per ord (1,2 s for 4 ord)20 bilder, altså 4/5 sekund0,8–1 s
Lengste varighet per cueSetter ingen numerisk grense; ber om at underteksten ikke blir stående etter at talen er slutt, fordi den leses på nyttSetter ingen grense; ber om «godt skjønn» slik at den ikke drar ut4–6 s
Mellomrom mellom cuesHvis det er en pause, minst 1 s, helst 1,5 sMinst 2 bilder; mellomrom på 3 til 11 bilder lukkes til 2; altså 2 bilder, eller et halvt sekund eller mer0,05–0,1 s mellom sammenkjedede cues
Inngang i forhold til lydenSkal falle sammen med starten på talenPå første lydbilde eller 1–2 bilder fra detFørste lydbilde
Utgang i forhold til lydenFaller omtrent sammen med slutten på talesegmentetHelst minst et halvt sekund etter at lyden slutterSlutten på talen + kort margin

Den tilsynelatende motsigelsen om mellomrommet forstår du når du leser den lille skriften. Netflix regulerer det tekniske mellomrommet mellom sammenkjedede cues: to bilder, slik at øyet merker skiftet uten at skjermen flimrer; og de forbyr uttrykkelig mellomrom i mellomstørrelse (3–11 bilder), som er dem som gir den nervøse effekten. BBC regulerer det redaksjonelle mellomrommet: hvis det er en reell pause i talen og du velger å la skjermen være ren, må pausen vare minst ett sekund, fordi «alt kortere gir en veldig hakkete effekt».

Oversatt til din .srt: mellom cues som følger rett etter hverandre, la du et lite og konstant mellomrom (i størrelsesorden 50–100 ms). Hvis du skal la det være en synlig stillhet, må den være lang nok til å merkes.

BBC legger til en regel som ofte glemmes: hold varighetene konsistente. Hvis du gir en undertekst av en viss lengde 3 sekunder, ikke gi den neste, av tilsvarende lengde, 4. Uregelmessigheten sliter mer enn hastigheten.

I 9:16 hører underteksten hjemme i nedre tredjedel, ikke helt nederst

Plassering er den andre faktoren for lesbarhet, og i stående format er den annerledes enn i TV-standarden. BBCs veiledning anbefaler for 9:16 å flytte blokken litt opp fra nederste kant, men holde den i nedre tredjedel av skjermen: helt nederst blir den dekket av grensesnittet, og for høyt oppe dekker den ansiktet.

Stående bilde med markerte soner: i rødt den nederste stripen og høyre kant som dekkes av grensesnittet, i grønt båndet i nedre tredjedel der underteksten bør plasseres
Stående bilde med markerte soner: i rødt den nederste stripen og høyre kant som dekkes av grensesnittet, i grønt båndet i nedre tredjedel der underteksten bør plasseres

Størrelsen er også annerledes. BBC setter linjehøyden til 7–8 % av videoens høyde for 16:9, 4:3 og 1:1, og til 3,9–4,5 % for 9:16. Det er logisk: i stående format er høyden på bildet mye større i forhold, så en lavere prosentandel gir en sammenlignbar skriftstørrelse.

To praktiske konsekvenser:

  • La det være marg på sidene og nederst. BBCs nettveiledning snakker om å bruke opptil 90 % av bredden i 9:16; de resterende 10 % er bufferen din mot kantene.
  • Sjekk sonen som hver plattform dekker. Sideknappene, beskrivelsen og navigasjonslinjen i hver app tar ulike deler av bildet. Det som leses perfekt i forhåndsvisningen din, kan bli halvt skjult i feeden.

Slik kontrollerer og deler du opp en .srt på nytt før du importerer den

En .srt er ren tekst og kan revideres før du rører redigeringsprogrammet. Rekkefølgen som fungerer er: først gyldigheten til filen, så lesbarheten til hver cue, og til slutt stilen.

En velformet cue ser slik ut:

12
00:00:21,480 --> 00:00:24,120
Det KI-en ikke avgjør for deg
er hvor setningen skal deles.

Kontroll av format (det som ødelegger importen):

  1. Løpende nummerering fra 1, uten hopp.
  2. Millisekunder atskilt med komma, ikke punktum: 00:00:21,480. Punktum hører til WebVTT, ikke SRT.
  3. Konsekvente linjeskift (CRLF) og en tom linje mellom cues.
  4. Tider som strengt øker og uten overlapping: slutten på en cue kan aldri komme etter starten på den neste.

Kontroll av lesbarhet (det som ødelegger lesingen):

  1. Ingen cue over maksimum for tegn per linje.
  2. Ingen cue med mer enn 2 linjer.
  3. Ingen cue over taket ditt for CPS: tegn ÷ (slutt − start).
  4. Ingen cue under minste varighet eller over lengste varighet.
  5. Små og konstante mellomrom mellom sammenkjedede cues.
  6. Linjeskift på logiske steder, uten å skille artikkel og substantiv eller dele ord.

Redaksjonell kontroll (det som skiller en god undertekst):

  1. Helst én hel setning eller meningsenhet per cue.
  2. Rediger i stedet for å transkribere ordrett når det ikke er plass: bort med fyllord, gjentakelser og falske start.
  3. Kontroller egennavn, tall og fagtermer, som er akkurat der talegjenkjenningen tar feil.

Det operative trikset er å ikke skrive om for hånd: del opp på nytt. Hvis du beholder tidsmarkeringene ord for ord fra transkripsjonen, tar det sekunder å endre maksimum for tegn eller CPS og generere filen på nytt; å rette cue for cue tar en hel ettermiddag.

Hva som endrer seg (og ikke) med CapCuts KI i november 2026

Aktualiteten styrker argumentet i stedet for å svekke det: KI-en har automatisert transkripsjonen, ikke skjønnet. 11. november 2026 ble versjon 20.1.0 av CapCut for Android utgitt, og CapCuts egen side om den nyeste APK-versjonen beskriver et tale-til-tekst-verktøy med KI som «automatisk transkriberer tale til nøyaktige undertekster».

Samme dag presenterte ByteDance på México Tech Week 2026 CapCut PC med Omni Agent, en skrivebordsagent som koordinerer hele produksjonsløp ut fra en idé, med underagenter som Video Studio og Design Studio og en EditPilot som gjør instruksjoner på naturlig språk om til redigeringer i flere lag på tidslinjen, ifølge referatet fra arrangementet publisert av La Crónica de Hoy 11. november 2026. Selve presentasjonen rammet inn KI-en som «skaleringsmotor» og menneskelig vurdering som «strategisk kontroll».

Det er nøyaktig den oppgavefordelingen denne artikkelen beskriver. Maskinen gir deg ordene og tidsmarkeringene. Maksimum for tegn, antall linjer, CPS, minste varighet og mellomrom bestemmer du, fordi de avhenger av publikum, språk og bildeformat. Kort sagt: transkripsjonen er allerede gratis; oppdelingen er fortsatt din.

Undertekster er nå en juridisk plikt, ikke bare god praksis

Siden 28. juni 2025 gjelder direktiv (EU) 2019/882, det europeiske tilgjengelighetsdirektivet, som utvider kravene til tilgjengelighet til digitale produkter og tjenester for forbrukere. I Spania er det innlemmet gjennom lov 11/2023 av 8. mai, publisert i BOE, med forpliktelser som har vært gjeldende fra samme dato; mikrobedrifter er unntatt fra plikten.

Det tekniske referanserammeverket for å dokumentere samsvar er den harmoniserte standarden EN 301 549, som oversetter «tilgjengelig» til kontrollerbare krav.

I tillegg kommer argumentet om rekkevidde, som har vært dokumentert i årevis: i en studie fra Verizon Media og Publicis Media med 5 616 voksne amerikanere i alderen 18 til 54 år, gjennomført i april 2019 og gjengitt av Forbes 31. juli 2019, oppga 69 % at de ser video uten lyd på offentlige steder, og 80 % sa at de er mer tilbøyelige til å se en video til slutten hvis den har undertekster. Dette er data fra 2019 og fra USA, og de bør leses som en størrelsesorden, ikke som en måling av ditt publikum.

Konsekvensen er todelt: en uleselig undertekst er ikke bare irriterende, den bryter også med ånden i regelverket. Og lesbarhet erklæres ikke: den måles med parameterne i denne artikkelen.

Det finnes ingen offisiell standard for undertekster i stående video

I dag finnes det ingen egen standard for undertekster i 9:16 som kan sammenlignes med retningslinjene for kringkasting. Det nærmeste er tilpasningen av eksisterende standarder som BBC har gjort i versjon 1.2.5, og arbeidet i lokaliseringsbransjen.

Allerede i november 2019 påpekte Belén Agulló García i en analyse publisert av Nimdzi at «det finnes ennå ingen standard for tegn per linje i stående video», og foreslo å ta utgangspunkt i BBCs grense, holde seg til én eller to linjer som maksimum, etablere en sikker sone slik at teksten ikke kuttes på ulike skjermer, og redigere teksten — fjerne gjentakelser og fyllord — i stedet for å transkribere ordrett når plassen er trang.

Sju år senere gjelder diagnosen fortsatt, med én forskjell: BBC har nå en eksplisitt veiledning for 9:16 (størrelse, plassering og antall linjer). Så lenge det ikke finnes mer, er den fornuftige praksisen den som oppsummeres i denne tabellen:

ParameterArbeidsverdi i 9:16Opprinnelse
Tegn per linje28–34 (18–22 på én enkelt linje)BBCs ekvivalens fra 37 til 25 tegn, justert til skrift i sosiale medier
Linjer per cue2 som takBBC tillater 3 i 9:16; redusert til 2 på grunn av grensesnittet og ansiktet
Lesehastighet12–17 CPSUnder Netflix' 20 CPS for voksne
Minste varighet0,8–1 sBBC ~0,3 s/ord; Netflix 20 bilder
Lengste varighet4–6 sUnngå gjenlesingen som BBC advarer mot
Mellomrom mellom cues0,05–0,1 s sammenkjedet; ≥1 s ved reell pauseNetflix 2 bilder; BBC minst 1 s ved pause
PlasseringNedre tredjedel, hevet fra kantenBBC, avsnittet om plassering i stående format
Linjehøyde3,9–4,5 % av videoens høydeBBC, skriftstørrelse ved produksjon

Ofte stilte spørsmål

Hvor mange tegn per linje bør en undertekst ha i stående video?

Mellom 28 og 34 tegn fungerer godt i 9:16. Referansen er BBCs ekvivalens: 37 tegn i 16:9 tilsvarer omtrent 25 i 9:16 ved 90 % av bredden. Hvis du bruker store enlinjes undertekster, går du ned til 18–22.

Hva er CPS i undertekster, og hva er riktig verdi?

CPS er tegnene per sekund som seeren må lese: tegnene i cuen delt på varigheten. Netflix tillater opptil 20 CPS i innhold for voksne og 17 i barneinnhold; for stående video i sosiale medier er 12–17 CPS det komfortable området, med 15 som utgangspunkt.

Hvor lenge bør en undertekst minst vare?

Netflix krever minst 20 bilder, altså 4/5 sekund. BBC angir det per ord: omtrent 0,3 sekunder per ord, 1,2 sekunder for en undertekst på fire ord. I stående format er 0,8–1 sekund et fornuftig minimum.

Kan undertekster ha tre linjer i stående video?

BBC tillater det: de anbefaler maksimalt to linjer i 16:9, 4:3 og 1:1, og tre i 9:16. I sosiale medier dekker imidlertid den tredje linjen ofte ansiktet eller kolliderer med appens grensesnitt, så det praktiske taket er to linjer.

Hvilket mellomrom bør det være mellom to undertekster?

To ulike regler. For sammenkjedede cues ber Netflix om minst to bilder og forbyr mellomrom på 3 til 11 bilder; i praksis 50–100 millisekunder, konstant. Hvis det er en reell pause i talen, ber BBC om minst ett sekund, helst halvannet.

Hvorfor blir ikke .srt-filen min importert i redigeringsprogrammet?

Nesten alltid er det filformatet: millisekunder med punktum i stedet for komma, nummerering med hopp, overlappende cues eller inkonsekvente linjeskift. Kontroller nummerering fra 1, desimalskilletegnet (komma), tider som øker uten overlapping og den tomme linjen mellom cues.

Holder det med de automatiske undertekstene i redigeringsappen?

For ordene, vanligvis ja. For oppdelingen, nei: talegjenkjenningen kutter etter lydpauser, ikke etter bredden på boksen eller lesehastigheten. Det effektive er å beholde transkripsjonen og dele den opp på nytt med dine egne parametere.

Er undertekster lovpålagt?

For digitale produkter og tjenester som omfattes, ja, siden 28. juni 2025, gjennom det europeiske tilgjengelighetsdirektivet (direktiv (EU) 2019/882) og, i Spania, gjennom lov 11/2023. Mikrobedrifter er unntatt fra denne plikten. Det tekniske kriteriet for samsvar er standarden EN 301 549.

Sett reglene før du importerer, ikke etter

Underteksten som blir lest, er ikke den med de beste ordene: det er den med riktig oppdeling. Bestem verdiene dine — maksimum for tegn, to linjer, CPS, minste og lengste varighet, mellomrom — før du genererer filen, og kontroller .srt-filen som data, ikke som tekst.

Det er den delen aiCapCut, fra AiToolsForApps, gjør om til et skjema: du limer inn manuset ditt eller laster opp lyden, velger parameterne for oppdelingen og får en validert .srt, med variantene .vtt og .txt, klar til import. Den har forhåndsinnstillinger tilpasset stående format og lar deg dele opp det samme materialet på nytt med andre verdier uten å generere noe på nytt, som er akkurat det som sparer deg for ettermiddagen med rettinger. Den rendrer ikke video og rører ikke tidslinjen din: den gir deg filen. Du kan prøve verktøyet for SRT-undertekster og monteringsplan for stående video uten å registrere deg. aiCapCut er et uavhengig verktøy og er ikke tilknyttet CapCut eller ByteDance.

Lag din egen .srt med dine egne regler for oppdeling — tegn per linje, CPS, minste varighet og mellomrom — og last den ned validert som .srt, .vtt og .txt. Du trenger ikke registrere deg for å komme i gang.

Lag din egen .srt med dine egne regler for oppdeling — tegn per linje, CPS, minste varighet og mellomrom — og last den ned validert som .srt, .vtt og .txt. Du trenger ikke registrere deg for å komme i gang.

↑ Til toppen