Eine VTT-Datei, kurz für Video Text Tracks, ist ein textbasiertes Dateiformat, das verwendet wird, um zeitgesteuerte Textspuren (wie Untertitel oder Bildunterschriften) in HTML5-Videoplayern anzuzeigen. Es handelt sich um eine einfache Textdatei, die sogenannte „Cues“ enthält – Textblöcke, die mit spezifischen Start- und Endzeiten verknüpft sind. Diese Cues werden während der Wiedergabe auf dem Videobildschirm eingeblendet, wodurch das Video für ein breiteres Publikum zugänglich gemacht wird, einschließlich gehörloser oder schwerhöriger Personen sowie Nutzern, die den Dialog gerne mitlesen möchten. VTT-Dateien unterstützen verschiedene Funktionen, darunter Styling-Optionen wie Schriftfarbe, -größe und -position, was eine individuelle Anpassung des angezeigten Textes ermöglicht. Sie sind entscheidend für die Barrierefreiheit und verbessern das Seherlebnis für Nutzer auf verschiedenen Plattformen und Geräten. Das Format ist so konzipiert, dass es relativ einfach und leicht zu parsen ist, was es zu einem weit verbreiteten Standard für webbasierte Videoplayer macht. Die Datei enthält typischerweise einen WEBVTT-Header, gefolgt von den Cues, die jeweils aus einer (optionalen) Cue-Kennung, einem Zeitbereich und dem anzuzeigenden Text bestehen.