Wörter & Sprache · Kostenlos
Audio in Text umwandeln – kostenlos
Audio und Video kostenlos in Text umwandeln – Interviews, Vorlesungen, Meetings, Podcasts oder Diktate. Die KI-Spracherkennung läuft direkt im Browser: ohne Upload, ohne Anmeldung, ohne Minutenlimit, mit Untertiteln (SRT, VTT) und Word-Export.
- Ohne Konto
- Läuft auf deinem Gerät
- Handy & Desktop
Audio in Text umwandeln
Bleibt auf deinem Gerät
Audio- oder Videodatei hier ablegen
MP3, M4A, WAV, OGG, OPUS, FLAC, MP4, MOV, WEBM und mehr · auch lange Dateien
Aufnahme läuft…
0:00Dein Transkript entsteht
·
- Datei wird gelesen
- Sprachmodell wird geladen
- Wird abgetippt
Bisheriger Text
Dein Transkript
Klick auf einen Satz, um ihn zu korrigieren.
Privat von Grund auf. Die Aufnahme wird auf deinem Gerät verarbeitet und nie hochgeladen. Nur das Sprachmodell wird einmal von Hugging Face geladen.
Am Computer am schnellsten. Mit aktuellem Grafikchip (WebGPU) dauert eine Stunde Audio nur wenige Minuten. Handys gehen auch, etwas langsamer.
So wandelst du Audio kostenlos in Text um
Aufnahme hinzufügen
Leg eine Audio- oder Videodatei ab oder nimm direkt mit dem Mikrofon auf. MP3, M4A, WAV, OGG und Videos wie MP4 funktionieren.
Sprache und Qualität wählen
Lass die Sprache automatisch erkennen oder wähle sie. „Schnell“ passt fürs Handy und klare Aufnahmen; „Genau“ kommt besser mit Akzenten, Dialekten und Störgeräuschen zurecht.
Prüfen, korrigieren, exportieren
Der Text erscheint, während er entsteht. Klick auf eine Zeit, um die Stelle zu hören, korrigiere einzelne Sätze und speichere als Text, Word oder Untertitel.
Wofür Leute das Transcript Studio nutzen
- Interviews und Forschung – eine Stunde Interview abzutippen dauert vier bis sechs Stunden; hier sind es Minuten.
- Vorlesungen und Unterricht – Aufnahmen werden zu Notizen, die du durchsuchen und zitieren kannst.
- Meetings und Telefonate – ein Protokoll statt Hin- und Herspulen.
- Videos und Social Media – Untertitel für YouTube, TikTok und Instagram, wo die meisten ohne Ton schauen.
- Diktieren – E-Mails, Berichte und Ideen sprechen statt tippen.
- Barrierefreiheit – Audio lesbar machen für Menschen, die schlecht oder nicht hören.
Warum „ohne Upload“ wichtig ist
Die meisten Online-Transkriptionsdienste laden deine Aufnahme auf ihre Server und begrenzen die Gratis-Nutzung auf wenige Minuten. Das Transcript Studio nutzt stattdessen das offene Whisper-Modell von OpenAI direkt in deinem Browser. Die Aufnahme verlässt dein Gerät nie – wichtig bei vertraulichen Interviews, ärztlichen oder juristischen Diktaten und Firmenmeetings – und es gibt kein Minutenlimit.
Untertitel als SRT und VTT
Jeder Satz hat seine Zeitmarke. Der SRT- und VTT-Export teilt ihn in gut lesbare Untertitelzeilen (Zeilenlänge wählbar), die YouTube, Vimeo, TikTok, Premiere und DaVinci Resolve verstehen. Bei Videos siehst du die Untertitel vor dem Speichern direkt im Bild.
Wie genau ist das?
Whisper versteht rund 99 Sprachen und ist bei klarer Sprache sehr gut. Bei Musik, starken Störgeräuschen oder mehreren Leuten gleichzeitig sinkt die Genauigkeit. Nimm „Genau“ für schwierige Aufnahmen, stell die Sprache fest ein statt automatisch und prüfe Namen und Zahlen vor dem Veröffentlichen.
Sprachen und Übersetzung
Deutsch, Englisch, Französisch, Spanisch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Türkisch, Arabisch, Chinesisch, Japanisch und viele mehr werden erkannt. Mit „Ins Englische übersetzen“ bekommst du von einer fremdsprachigen Aufnahme gleich ein englisches Transkript.
Weitere Seiten des Transcript Studios
Häufige Fragen
Ist das Transcript Studio wirklich kostenlos?
Ja. Kein Konto, kein Abo, kein Wasserzeichen und keine Grenze bei Minuten oder Dateien. Finanziert wird es von der Website, nicht von deinen Aufnahmen.
Werden meine Aufnahmen hochgeladen?
Nein. Dekodieren und Spracherkennung laufen in deinem Browser. Nur das Sprachmodell wird einmal von Hugging Face geladen; deine Aufnahme wird nirgendwohin geschickt.
Welche Dateiformate funktionieren?
Alles, was dein Browser abspielen kann: MP3, M4A, AAC, WAV, OGG, OPUS, FLAC, WEBM und Videos wie MP4 und MOV. Sehr große Dateien begrenzt der Speicher deines Geräts.
Wie lange dauert das?
Am Laptop mit WebGPU braucht eine Stunde Audio mit „Schnell“ meist nur wenige Minuten. Ohne WebGPU und am Handy dauert es länger; du siehst den Text entstehen und eine Zeitschätzung.
Kann ich Untertitel für YouTube oder TikTok erstellen?
Ja. Exportiere SRT oder VTT und lade die Datei mit deinem Video hoch oder importiere sie in dein Schnittprogramm. Die Zeichen pro Untertitelzeile kannst du einstellen.
Erkennt es verschiedene Sprecher?
Noch nicht. Das Transkript ist in Sätze mit Zeitmarken geteilt, ohne Sprechernamen; die kannst du beim Korrigieren ergänzen.
Kleine Pause
