Eine VTT-Datei, kurz für Video Text Tracks, ist ein textbasiertes Dateiformat, das zur Anzeige von zeitgesteuerten Textspuren (wie Untertiteln oder Bildunterschriften) in HTML5-Videoplayern verwendet wird. Es handelt sich um eine reine Textdatei, die sogenannte „Cues“ (Hinweise) enthält, welche Textblöcke sind, die mit spezifischen Start- und Endzeiten verknüpft sind. Diese Cues werden während der Wiedergabe auf dem Videobildschirm angezeigt, wodurch das Video einem breiteren Publikum zugänglich gemacht wird, einschließlich Personen, die gehörlos oder schwerhörig sind, oder solchen, die es vorziehen, den Dialog mitzulesen. VTT-Dateien unterstützen verschiedene Funktionen, einschließlich Styling-Optionen wie Schriftfarbe, -größe und -position, was eine Anpassung des angezeigten Textes ermöglicht. Sie sind entscheidend für die Bereitstellung von Barrierefreiheit und die Verbesserung des Seherlebnisses für Benutzer auf verschiedenen Plattformen und Geräten. Das Format ist darauf ausgelegt, relativ einfach und leicht zu parsen zu sein, was es zu einem weithin unterstützten Standard für webbasierte Videoplayer macht. Die Datei enthält typischerweise einen WEBVTT-Header, gefolgt von den Cues, von denen jeder eine Cue-Kennung (optional), einen Zeitbereich und den anzuzeigenden Text umfasst.