Audio in Text umwandeln: kostenlos im Browser

So kannst du Audio in Text umwandeln

1. Wähle die gesprochene Sprache oder lass „Automatisch erkennen“ ausgewählt.
2. Drücke auf das Mikrofon, um die Aufnahme zu starten, und stoppe sie anschließend. Oder wähle eine Datei: MP3, M4A, WAV, OGG, FLAC, WebM oder ein Video (MP4, MOV, WebM). Du kannst die Datei auch auf die Seite ziehen.
3. Beim ersten Mal lädt dein Browser das Sprachmodell herunter (etwa 77 MB für Schnell, 249 MB für Genau). Danach startet es sofort.
4. Der Text erscheint während der Transkription. Bearbeite ihn bei Bedarf und kopiere ihn oder lade ihn als .txt bzw. als Untertitel mit Zeitstempeln im Format .srt / .vtt herunter.

Privatsphäre von Anfang an: Dein Audio bleibt auf deinem Gerät

Die meisten Transkriptionsdienste laden deine Aufnahme auf ihre Server hoch. Viele beschränken die Nutzung zudem auf wenige Minuten pro Tag, sofern du nicht zahlst. Dieses Tool führt das Spracherkennungsmodell Whisper von OpenAI direkt in deinem Browser aus. Dein Audio und das Transkript verlassen niemals deinen Computer oder dein Handy. Das Tool eignet sich daher für Interviews, Besprechungen, Vorlesungen, Sprachnotizen und andere Aufnahmen, die du lieber nicht hochladen möchtest.

Schnell oder Genau?

• Schnell (Whisper base, ~77 MB) ist zügig und funktioniert gut bei deutlicher Sprache in weit verbreiteten Sprachen. Auf einem durchschnittlichen Laptop wird eine Minute Audio in etwa 15 Sekunden transkribiert.
• Genau (Whisper small, ~249 MB) macht weniger Fehler bei Akzenten, Hintergrundgeräuschen, Namen und Sprachen wie Japanisch, Koreanisch oder Chinesisch. Es ist etwa dreimal langsamer. Auf älteren Handys empfiehlt sich Schnell.

Unterstützte Dateien und Sprachen

Du kannst jedes Audio- oder Videoformat verwenden, das dein Browser abspielen kann: MP3, M4A (iPhone-Sprachnotizen), WAV, OGG, Opus (WhatsApp-Sprachnachrichten), FLAC, AAC, WebM, MP4 und MOV. Bei Videodateien wird nur der Ton verwendet. Whisper erkennt 99 Sprachen, darunter Englisch, Spanisch, Portugiesisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Chinesisch, Russisch, Arabisch, Hindi und Türkisch. Aktiviere Ins Englische übersetzen, um gesprochene Inhalte aus einer dieser Sprachen auf Englisch auszugeben.

Untertitel erstellen (SRT und VTT)

Jedes Transkript enthält Zeitstempel. So kannst du es als Untertiteldatei im Format SRT oder WebVTT herunterladen und in YouTube, einem Videobearbeitungsprogramm oder einem Mediaplayer verwenden. Aktiviere Zeitstempel, um zu sehen, wann jeder Satz beginnt.

Häufig gestellte Fragen

Ist das wirklich kostenlos?

Ja. Du brauchst kein Konto, es gibt kein Wasserzeichen und keine Begrenzung der Anzahl an Dateien oder Minuten. Die Seite wird durch Werbung finanziert.

Wie genau ist die Transkription?

Bei deutlicher Sprache erkennt Whisper normalerweise mehr als 9 von 10 Wörtern richtig. Die Einstellung Genau liefert bei Geräuschen und starken Akzenten bessere Ergebnisse. Prüfe Namen, Zahlen und Fachbegriffe, bevor du den Text verwendest. Musik, sich überlagernde Stimmen und sehr leise Aufnahmen können die Genauigkeit verringern.

Wie lang darf eine Aufnahme sein?

Es gibt keine feste Grenze. Die Transkription läuft auf deinem Gerät, daher dauern längere Dateien entsprechend länger: Mit Schnell benötigt eine einstündige Aufnahme auf einem neueren Laptop ungefähr 15 Minuten. Lass den Tab geöffnet, bis die Transkription abgeschlossen ist.

Warum dauert die erste Transkription länger?

Dein Browser lädt zunächst das Sprachmodell herunter und speichert es. Danach wird das Modell aus dem Browserspeicher geladen, auch wenn du offline bist.

Funktioniert das auch auf meinem Handy?

Ja, in aktuellen Versionen von Chrome, Safari, Edge und Firefox auf Android und iPhone. Handys sind langsamer als Computer, deshalb ist dort die Einstellung Schnell die bessere Wahl.

Werden verschiedene Sprecher erkannt?

Nein. Das Transkript besteht aus einem Text mit Zeitstempeln; es wird nicht gekennzeichnet, wer spricht.

Kann ich erst aufnehmen und später transkribieren?

Ja. Nimm mit dem Diktiergerät auf, lade die MP3 herunter und ziehe die Datei hier auf die Seite, wann immer du den Text benötigst.