Die kurze Antwort
Wähle die Aufnahme, stelle die gesprochene Sprache ein und gleiche die erkannten Sätze mit dem Ton ab. Prüfe Namen, Termine und Verneinungen noch einmal, bevor du das Transkript in ein Dokument übernimmst.
Kostenloses Tool öffnenSo sehen die Schritte aus
Eine kurze Aufnahme unseres Tools, ohne Ton. Schalte die Untertitel für Erklärungen in deiner Sprache ein. Dieselben Schritte stehen darunter als Text.
Video öffnen oder herunterladen · 0.2 MB · 24.58 s
Alle Schritte gibt es auch als Text.
- Wähle die gesprochene Sprache oder lass sie automatisch erkennen.
- Am Computer wähle „Genau“ für den saubersten Text.
- Wähle die Beispielaufnahme. Das Sprachmodell läuft in deinem Browser.
- Die Wörter erscheinen als Text mit Zeitmarken.
- Kopiere den Text oder lade ihn als Dokument oder Untertitel herunter.
Welche Aufnahmen funktionieren
Transcript Studio öffnet Audio- und Videodateien: MP3, M4A, WAV, OGG, OPUS, FLAC, WebM, MP4, MOV und MKV. Das deckt Handyaufnahmen, Zoom- und Teams-Downloads, Podcast-Folgen und Sprachnachrichten ab. Mit „Mit dem Mikrofon aufnehmen“ kannst du auch direkt diktieren.
Je klarer die Aufnahme, desto besser der Text. Eine Person spricht zur Zeit, wenig Hintergrundlärm und ein Handy nah am Sprecher bringen am meisten – mehr als jede Einstellung.
Den Text in vier Schritten erhalten
Sprache wählen
Wähle bei „Gesprochene Sprache“ die Sprache der Aufnahme. „Automatisch erkennen“ klappt bei einer Sprache gut; selbst gewählt vermeidest du Überraschungen bei kurzen Clips.
Modell wählen
„Schnell“ lädt etwa 80–210 MB Modelldateien und passt fürs Handy. Am Computer kommt „Genau“ (etwa 250–590 MB) besser mit Akzenten und Lärm zurecht. Die Dateien werden einmal geladen und wiederverwendet.
Aufnahme hinzufügen
„Datei auswählen“ öffnet eine vorhandene Aufnahme; „Mit dem Mikrofon aufnehmen“ erstellt eine neue. Beides sind alternative Wege zur Spracheingabe. Erlaube den Mikrofonzugriff erst zum Aufnehmen und nutze danach „Stoppen und abtippen“. Die Aufnahme und das Erkennen der Wörter sind getrennte Phasen. Die Verarbeitungszeit hängt von Aufnahme, Modell, Browser und Gerät ab. Die Anzeige zeigt den Fortschritt dieser Aufgabe und ist keine Geschwindigkeitszusage. Beginne mit einem typischen Ausschnitt und lass die Seite bis zum Abschluss offen.
Prüfen und exportieren
Lies den Text mit Zeitmarken, korrigiere Namen und Fachbegriffe und wähle dann „Text kopieren“, „Text (.txt)“, „Word (.docx)“ oder „Untertitel (.srt)“.
WhatsApp-Sprachnachrichten abtippen
Gespeicherte Sprachnachrichten sind ganz normale Tondateien. Drück in WhatsApp lange auf die Sprachnachricht und speichere sie über die Teilen-Funktion in den Dateien deines Handys; am Computer lädst du sie in WhatsApp Web oder Desktop herunter. Dann wählst du die Datei in Transcript Studio. In Chrome und Edge öffnen sich die .opus-Dateien von WhatsApp direkt.
Eine Sprachnachricht enthält die Worte eines anderen Menschen. Tippe nur Nachrichten ab, die du selbst bekommen hast, und behandle den Text so vertraulich wie die Aufnahme.
Den passenden Export wählen
Für Untertitel legt „Zeichen pro Untertitelzeile“ fest, wie viele Zeichen in eine Zeile passen – so bleiben sie auch auf dem Handy lesbar.
| Für | Export |
|---|---|
| Notizen, Zitate, eine E-Mail | Text kopieren oder Text (.txt) |
| Ein Interview mit Zeitangaben | Text mit Zeiten |
| Bearbeiten und Teilen als Dokument | Word (.docx) |
| Untertitel für ein Video | Untertitel (.srt) oder (.vtt) |
| Weiterverarbeitung in eigenen Tools | JSON |
Datenschutz und Genauigkeit
Transcript Studio verarbeitet Aufnahme und Transkript auf diesem Gerät. Das Erkennungsmodell kommt von Hugging Face, die Laufzeit von jsDelivr. Heruntergeladene Modelle können im Browsercache bleiben; Einstellungen liegen im lokalen Speicher. Exportiere den tatsächlichen Text vor dem Verlassen der Seite.
Kein Sprachmodell ist perfekt. Namen, seltene Wörter und Menschen, die durcheinander reden, sind die üblichen Fehler. Such im Text nach wichtigen Namen und hör dir die entscheidenden Stellen an, bevor du sie zitierst.
Aus einer Sprachnotiz brauchbare schriftliche Notizen machen
Eine Sprachnotiz beginnt oft mitten im Gedanken. Prüfe vor dem Übernehmen als fertige Nachricht, was der Empfänger wissen muss und welche Bezüge nur aus dem ursprünglichen Gespräch verständlich werden. „Bring das am Dienstag mit“ kann korrekt erkannt und ohne Gegenstand sowie konkretes Datum trotzdem unbrauchbar sein. Löse solche Bezüge in deiner eigenen bearbeiteten Notiz auf und behalte das Transkript als Wiedergabe der gesprochenen Wörter. Setze eine erklärende Ergänzung nicht in Anführungszeichen, als hätte die Person sie tatsächlich gesagt. Ob eine lesbare Zusammenfassung oder eine wortnahe Abschrift gebraucht wird, bestimmt die weitere Bearbeitung.
Erstelle für eine beispielhafte Besprechungserinnerung nach dem Anhören eine getrennte Liste vereinbarter Aufgaben. Nenne die zuständige Person nur, wenn die Aufnahme diese Zuordnung wirklich hergibt. Die bloße Erwähnung eines Kollegen weist ihm noch keine Aufgabe zu. Eine unbeantwortete Frage bleibt eine Frage. Wurden zwei Möglichkeiten diskutiert und keine ausgewählt, macht das letzte genannte Beispiel daraus keine Entscheidung. Vergleiche Anfang und Ende der Aufnahme miteinander, um eine spätere Korrektur einer früheren Zahl zu bemerken. Speichere anschließend kontrolliertes Transkript und bearbeitete Notizen unter unterscheidbaren Namen. Wer nur die Notizen erhält, sollte nicht jeden Satz als unmittelbares Zitat verstehen. Der erkannte Text spart damit Tipparbeit, während die eigene Interpretation nachvollziehbar bleibt. Schreibe offene Punkte am besten in eine eigene Zeile, statt sie beim Glätten der Sprache aus dem Protokoll verschwinden zu lassen.
Noch Fragen?
Wie behandle ich einen unklaren Nachnamen?
Höre den betreffenden Satz erneut und gleiche die Schreibweise mit einer Angabe der sprechenden Person oder einer passenden Quelle ab. Bleibt sie unklar, kennzeichne das. Eine plausibel erkannte Schreibweise bestätigt noch keine Identität.
Erkennt das Tool die Personen hinter den Stimmen?
Eine zuverlässige automatische Zuordnung von Sprecheridentitäten gibt es nicht. Ergänze eigene Namen erst nach dem Anhören und Bestätigen eines Sprecherwechsels. Bei überlappenden Stimmen können sowohl Wortlaut als auch Zuordnung unsicher bleiben; halte das im Entwurf fest.
Was mache ich mit Text während einer stillen Stelle?
Vergleiche ihn mit der Aufnahme. Ohne Sprache kann es nichts Sinnvolles zu erkennen geben, trotzdem kann eine irreführende Vermutung erscheinen. Grammatik bestätigt keinen gesprochenen Satz. Auch eine nur im Bild gezeigte Handlung braucht eine gesonderte Beschreibung.
Welcher Export eignet sich zum Weiterbearbeiten?
Für gewöhnliche Notizen passt eine Textdatei. SRT oder VTT ist sinnvoll, wenn das Zielprogramm zeitbezogene Untertitel braucht. Bewahre zu einem Zitat den Bezug zur Aufnahme auf, denn allein die Textdatei belegt den tatsächlich gesprochenen Wortlaut nicht.
Soll ich zuerst die Zeichensetzung verschönern?
Prüfe zuerst Bedeutung, fehlende Verneinungen, Zahlen und Fachwörter. Eine gesetzte Interpunktion kann einen falschen Satz überzeugender wirken lassen. Teile erst danach den kontrollierten Wortlaut in lesbare Sätze und entferne Wiederholungen nur, wenn die gewünschte Transkriptform das erlaubt.
Bleibt der fertige Text nach dem Schließen erhalten?
Exportiere die korrigierte Fassung vor dem Verlassen. Eine offen gebliebene Seite und ein geladenes Sprachmodell sind kein Ersatz für eine Textsicherung. Öffne den Export und kontrolliere, dass auch der letzte Absatz enthalten ist.
Quellen & hilfreiche Details
- OpenAI Whisper: Modelle zur Spracherkennung
- Hugging Face: Transformers.js
- MDN: WebGPU API
- OpenAI Whisper: Modelldokumentation und Grenzen; geprüft am 2026-10-22
Die Bildschirmaufnahmen zeigen LoschaZ-Tools mit eigens erstellten Beispieldateien. Sie dienen zur Erklärung und sind keine Tests auf jedem Handy oder Zusagen für ein identisches Ergebnis. Es sind keine Kundendateien.
