WebVTT machte aus Web-Untertiteln eine Textdatei, die Browser selbst verwalten konnten

Als Video in HTML einzog, konnten Untertitel nicht als playerspezifische Beidateien bestehen bleiben. WebVTT gab dem Web eine Untertiteldatei, die wie Text aussah, Cue-Zeitangaben in Millisekunden verwendete und direkt in das Medienmodell des Browsers passte.

Der W3C-Entwurf definiert WebVTT als das Web Video Text Tracks Format für externe Textspur-Ressourcen, die mit dem HTML-track-Element verbunden sind. MDN beschreibt das Format als reinen Text in UTF-8 mit dem MIME-Typ text/vtt und der Endung .vtt.

Der entscheidende Schritt zur Verbreitung war die Verbindung von Format und Element. Ein Video kann mehrere track-Dateien für Untertitel, Beschriftungen, Kapitel oder Metadaten referenzieren, und MDN kennzeichnet sowohl WebVTT als auch track seit Juli 2015 als breit verfügbar in Browsern.

Zeitgesteuerten Text nativ und lesbar machen

Reiner Text machte Untertitel leicht zu erstellen, zu prüfen und zu diffen.

Die native track-Unterstützung gab jedem video-Element einen gemeinsamen Ort, an dem zeitgesteuerter Text angehängt werden konnte.

Cues deckten zuerst Untertitel ab, aber auch Kapitel und synchronisierte Metadaten.

CSS- und JavaScript-Schnittstellen ermöglichten es Browsern, die Darstellung zu standardisieren, ohne jede Präsentationsentscheidung festzuschreiben.

Ein Webformat verbreitet sich, wenn Autoren es von Hand bearbeiten können, Server es als Text ausliefern können und Browser es dennoch in eine programmierbare native Funktion verwandeln können.

Bis Mitte 2015 waren WebVTT und das HTML-track-Element in Browsern breit verfügbar. Das Format wurde zur Standard-Web-Untertitel-Beidatei für natives Audio und Video, für Barrierefreiheits-Werkzeuge und für Experimente mit Medienmetadaten.