Audio in Text umwandeln

Mit Audio in Text umwandeln machen Sie aus gesprochener Sprache ein Transkript: aus einer Sprachnotiz, einem Interview, einem Vortrag, einer Besprechungsaufnahme, einer Podcast-Folge, einem Telefonat oder der Tonspur eines Videos. Wählen Sie eine Datei aus oder nehmen Sie mit dem Mikrofon auf. Der Text erscheint Zeile für Zeile, jeweils mit dem passenden Zeitstempel.

Zwei Wege zum Transkript

So nutzen Sie Ihr Transkript

• Mit der Aufnahme abgleichen: Klicken Sie auf einen Zeitstempel, um die Stelle anzuhören, und auf eine Zeile, um sie zu korrigieren.
• Kopieren oder herunterladen als reinen Text, mit oder ohne Zeitstempel und Sprechernamen.
• Untertitel erstellen: Laden Sie SRT- oder VTT-Untertitel herunter, passend zur Sprache getaktet und in gut lesbare Zeilen aufgeteilt.
• Weiterverarbeiten: Übersetzen Sie den Text, lassen Sie die Kernaussagen zusammenfassen oder brennen Sie die Untertitel ins Video ein.

Tipps für ein gutes Transkript

• Platzieren Sie das Mikrofon nah an der sprechenden Person und fern von Musik oder Lüftern. Störgeräusche beeinträchtigen die Genauigkeit am stärksten.
• Nutzen Sie für Interviews und Besprechungen den KI-Modus. So sehen Sie in jeder Zeile, wer gesprochen hat.
• Lässt sich ein Video nicht öffnen, extrahieren Sie die Tonspur mit dem Audio-Extraktor und transkribieren Sie die MP3-Datei.

Häufig gestellte Fragen

Wie kann ich Audio in Text umwandeln?

Wählen Sie eine Audiodatei aus oder nehmen Sie mit dem Mikrofon auf. Klicken Sie dann auf „Kostenlos transkribieren“ oder „Mit KI transkribieren“. Der Text erscheint Zeile für Zeile mit Zeitstempeln. Sie können ihn kopieren oder als TXT-Datei bzw. SRT- oder VTT-Untertitel herunterladen.

Ist das wirklich kostenlos?

Ja. Im kostenlosen Modus läuft das Spracherkennungsmodell Whisper von OpenAI direkt in Ihrem Browser. Jeder Besucher erhält täglich 10 kostenlose Minuten (jede Datei zählt als mindestens 1 Minute), mit Pro oder Premium ist die Nutzung unbegrenzt. Der KI-Modus kostet 3 Credits pro Minute mit Sprache. Jeder Besucher erhält täglich 3 kostenlose KI-Credits. Damit ist die erste Minute KI-Transkription jeden Tag kostenlos.

Was unterscheidet den kostenlosen Modus vom KI-Modus?

Der kostenlose Modus verarbeitet Ihre Aufnahmen lokal (10 Minuten pro Tag kostenlos, unbegrenzt mit Pro). Er eignet sich für klare Aufnahmen in einer Sprache, ist aber bei Akzenten, Störgeräuschen und anderen Sprachen als Englisch weniger genau. Außerdem unterscheidet er die Sprecher nicht. Der KI-Modus setzt passende Satzzeichen, erkennt die Sprache automatisch und kommt besser mit Akzenten und Hintergrundgeräuschen zurecht. Er kennzeichnet jeden Sprecher als „Sprecher 1“, „Sprecher 2“ usw. Diese Bezeichnungen können Sie durch Namen ersetzen.

Kann ich ein Video in Text umwandeln?

Ja. Wählen Sie eine Videodatei aus, etwa MP4, MOV, WebM oder MKV. Das Tool liest die Tonspur aus. Im KI-Modus wird nur der Ton als kleine, komprimierte Audiodatei übertragen. Das Video selbst bleibt auf Ihrem Computer.

Kann ich daraus Untertitel erstellen?

Ja. Laden Sie das Transkript als SRT oder VTT herunter. Jede Zeile wird zu einem Untertitel mit Start- und Endzeit. Lange Zeilen werden in gut lesbare, zweizeilige Untertitel aufgeteilt. Sie können die Datei in YouTube, Premiere, CapCut oder VLC öffnen oder die Untertitel mit unserem Tool „Untertitel zum Video hinzufügen“ ins Video einbrennen.

Welche Sprachen werden unterstützt?

Der KI-Modus transkribiert mehr als 100 Sprachen und erkennt sie automatisch, darunter Englisch, Spanisch, Portugiesisch, Französisch, Deutsch, Chinesisch, Japanisch, Koreanisch, Russisch, Arabisch und Hindi. Der kostenlose Modus unterstützt dieselben wichtigsten Sprachen. Hier wählen Sie die gesprochene Sprache vorab aus.

Wie lang darf die Aufnahme sein?

Bis zu 3 Stunden oder 500 MB. Im kostenlosen Modus können Besucher ohne Abo 10 Minuten pro Tag transkribieren; mit Pro oder Premium gibt es keine tägliche Begrenzung. Lange Aufnahmen werden in Abschnitten von bis zu zwei Minuten verarbeitet. Die Trennung erfolgt in Sprechpausen, damit keine Wörter abgeschnitten werden. Sobald ein Abschnitt fertig ist, erscheint sein Text auf dem Bildschirm. Sie können jederzeit stoppen und später fortsetzen.

Bleibt meine Aufnahme privat?

Im kostenlosen Modus verlässt nichts Ihren Computer. Im KI-Modus wird die Tonspur abschnittsweise zur Transkription übertragen und nicht gespeichert. Das Transkript wird nur Ihnen angezeigt und ebenfalls nicht gespeichert.

Wie genau ist die Transkription?

Bei klarer Sprache erkennt der KI-Modus in der Regel deutlich über 90 % der Wörter korrekt. Die Zeitstempel sind bis auf Sekundenbruchteile genau. Fehler treten vor allem bei Namen, Fachbegriffen sowie leiser oder gleichzeitig gesprochener Sprache auf. Deshalb können Sie jede Zeile vor dem Download direkt auf der Seite korrigieren.