Spielen Sie automatisch generierte Untertitel von Youtube offline, um Wort für Wort genau wie der YouTube-Player anzuzeigen

Wie spielt man automatisch automatisch generierte wortweise Untertitel von YouTube, so dass sie Wort für Wort und nicht Satz für Satz angezeigt werden ?

Ich kann automatisch generierte Untertitel mit youtube-dl herunterladen:
youtube-dl https://www.youtube.com/playlist?list=PLhpuT8UNWCyDZsF-ePrHuTW4vP3egLNPe --skip-download --write-auto-sub --sub-lang en -o "%(playlist_index)s - %(title)s.%(ext)s

Ich bekomme .vtt-Untertitel mit Wörtern, die mit einem Zeitstempel versehen sind. Hier ein Ausschnitt:

WEBVTT Kind: captions Language: en Style: ::cue(c.colorCCCCCC) { color: rgb(204,204,204); } ::cue(c.colorE5E5E5) { color: rgb(229,229,229); } ##  00:00:00.740 --> 00:00:06.180 align:start position:19% hey<00:00:01.740><c> everybody</c><c.colorCCCCCC><00:00:02.159><c> today</c><00:00:02.460><c> we're</c></c><c.colorE5E5E5><00:00:02.970><c> gonna</c><00:00:03.090><c> make</c><00:00:04.020><c> a</c></c>  00:00:04.080 --> 00:00:08.400 align:start position:19% brief<c.colorE5E5E5><00:00:04.410><c> introduction</c><00:00:05.069><c> and</c><00:00:05.400><c> look</c><00:00:05.879><c> at</c><00:00:05.970><c> some</c><00:00:06.120><c> of</c></c>  00:00:06.180 --> 00:00:09.660 align:start position:19% the<00:00:06.270><c> fundamental</c><c.colorE5E5E5><00:00:06.450><c> concepts</c><00:00:07.200><c> moving</c><00:00:08.040><c> forward</c></c>  00:00:08.400 --> 00:00:11.580 align:start position:19% that<c.colorE5E5E5><00:00:08.490><c> we're</c></c><c.colorCCCCCC><00:00:08.639><c> gonna</c><00:00:08.730><c> cover</c><00:00:08.940><c> in</c><00:00:09.090><c> the</c><00:00:09.150><c> course</c><00:00:09.300><c> I'm</c></c>  00:00:09.660 --> 00:00:15.299 align:start position:19% Michele<00:00:10.320><c> Behar</c><c.colorCCCCCC><00:00:10.559><c> B's</c></c><c.colorE5E5E5><00:00:10.710><c> and</c><00:00:11.070><c> I'm</c></c><c.colorCCCCCC><00:00:11.250><c> Vivek</c></c> 

Die nächste Software-Nutzung, nach der ich suche, ist Potplayer . Aber es ist ein Problem für mich, dass zuerst der gesamte Satz angezeigt wird und dann Wort für Wort weitergebildet wird, was großartig ist. Aber ich brauche es Wort für Wort wie auf dem Youtube-Player.

Ein weiteres Problem von PotPlayer ist, dass Wörter mit sehr geringen Farbunterschieden formatiert werden, so dass die gesprochenen oder nicht speziell auf weißem Hintergrund gesprochenen Wörter schwer zu erkennen sind. Ich habe versucht, die Farben der .vtt-Datei selbst zu ändern, aber es ändert sich nichts, es scheint, dass die PotPlayer-Stileinstellungen überschrieben werden.