Audio-zu-Text-Konverter

Audio zu Text, das weiß, wer was gesagt hat

Ein rohes Transkript ist nur halb nützlich. Haben Sie jemanden für einen Artikel interviewt, müssen Sie wissen, welche Sätze von ihm stammen. Schneiden Sie einen Podcast, brauchen Sie Zeitstempel, um die Stelle zu finden. Geht die Aufnahme auf YouTube, brauchen Sie passende Untertitel. Dieser Konverter für Audio zu Text liefert alle drei aus einem einzigen Upload: die Wörter, den Startzeitpunkt jeder Zeile und eine Sprecherkennung, die Moderator und Gast trennt.

Im Hintergrund wird die Aufnahme zuerst in Ihrem Browser in sprachtaugliches Audio umgewandelt – mono, 16 kHz –, mehr braucht eine Spracherkennung nicht, und es ist nur ein Bruchteil der Originalgröße. Ein einstündiges Video kann auf ein paar Dutzend Megabyte schrumpfen, bevor irgendetwas Ihren Computer verlässt, und die Videospur selbst wird nie hochgeladen. Aufnahmen über etwa acht Minuten werden an leisen Stellen statt mitten im Wort geteilt, Stück für Stück transkribiert und mit korrekten Zeitstempeln wieder zusammengesetzt.

MP3 zu Text, Video zu Text, Sprachmemos zu Notizen

Jedes Format, das Ihr Browser abspielen kann, funktioniert: MP3, M4A aus iPhone-Sprachmemos, WAV, AAC, OGG und FLAC für Audio; MP4, MOV und WEBM für Video. Das deckt die meisten Meeting-Rekorder, Diktier-Apps, Zoom- und Teams-Downloads, Kameraaufnahmen und Bildschirmaufzeichnungen ab. MP3 zu Text kostet so viel wie jedes andere Format – einen Credit pro fünf Minuten Audio: Ein 30-minütiges Interview kostet sechs Credits, ein dreiminütiges Sprachmemo einen.

Sprecherkennung und ihre Grenzen

Die Erkennung achtet auf Stimmwechsel und kennzeichnet jedes Segment als S1, S2 und so weiter. Benennen Sie sie in Ihrem Editor um, sobald Sie wissen, wer wer ist. Die Diarisierung funktioniert am besten, wenn abwechselnd gesprochen wird; starkes Durcheinanderreden kann zwei Sprecher unter einem Kennzeichen zusammenfassen. Bei Dateien, die in Abschnitte geteilt wurden, bleiben die Kennzeichen pro Abschnitt getrennt (S1, S1·2), damit ein Sprecher nie stillschweigend über eine Trennstelle hinweg falsch zugeordnet wird – mit Suchen und Ersetzen schnell bereinigt.

Untertitel aus demselben Upload

Jeder Auftrag für Audio zu Text erzeugt außerdem eine SRT- und eine VTT-Datei. Lange Sätze werden in gut lesbare Untertitellängen umbrochen und jede Zeile auf die Sprache getimt, sodass sich die Dateien direkt in YouTube Studio, Premiere Pro, DaVinci Resolve, CapCut oder eine Lernplattform laden lassen. Brauchen Sie nur Untertitel für einen kurzen Clip, ist das auch der schnellste Weg zu einem verlässlichen Ergebnis, weil Sie das Transkript vor der Veröffentlichung lesen können.

Suchen Sie Songtexte statt Sprache? Der Songtext-Transkribierer ist auf Gesang abgestimmt und exportiert synchronisierte LRC-Dateien. Um ein Transkript wieder in ein neues Voiceover mit anderer Stimme oder Sprache zu verwandeln, nutzen Sie den KI-Stimmengenerator oder die KI-Synchronisation.

So wird das Transkript sauberer

• Nehmen Sie mit dem Mikrofon nah am Sprecher auf; Abstand schadet der Genauigkeit mehr als Hintergrundmusik.
• Wählen Sie die Sprache bei kurzen Clips, starken Akzenten oder vielen Fachbegriffen manuell.
• Vermeiden Sie, dass Personen durcheinanderreden, wenn Sie eine verlässliche Sprecherkennung brauchen.
• Nehmen Sie bei Telefonaten beide Seiten auf getrennten Spuren auf, wenn Ihre App das erlaubt, und transkribieren Sie jede einzeln.
• Schneiden Sie lange Stille und Musik-Intros vor dem Upload weg, um Credits zu sparen.
• Prüfen Sie Namen und Zahlen vor der Veröffentlichung – sie sind die häufigsten Fehler jedes Tools für Audio zu Text.

Grenzen, Datenschutz und Erstattungen

Länge und Größe

Bis zu 30 Minuten pro Datei. Sehr lange Dateien brauchen eventuell mehr Speicher im Browser; auf dem Handy teilen Sie Dateien über 20 Minuten besser vorher auf.

Sprachen

Achtzehn Sprachen: Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Japanisch, Koreanisch, Chinesisch, Arabisch, Hindi, Russisch, Türkisch, Indonesisch, Polnisch, Niederländisch, Thailändisch und Vietnamesisch – oder lassen Sie die Erkennung automatisch.

Datenschutz

Nur komprimiertes Audio wird hochgeladen; das Video bleibt auf Ihrem Gerät. Transkripte sind nur in Ihrem Konto sichtbar.

Fehlgeschlagene Aufträge

Schlägt die Transkription fehl, werden die Credits automatisch zurückgebucht, und ein unterbrochener Auftrag wird fortgesetzt, wenn Sie zur Seite zurückkehren.