Audio in Text

Über dieses Tool

Dieses kostenlose Tool transkribiert eine Audiodatei in Text — lade eine Aufnahme hoch, und es schreibt aus, was gesagt wurde. Praktisch, um Sprachnotizen, Interviews, Vorlesungen, Meetings oder Podcasts in Text zu verwandeln, den du durchsuchen, bearbeiten und kopieren kannst.

Über ein einfaches Transkript hinaus kannst du Zeitstempel einschalten und das Ergebnis als SRT- oder VTT-Untertiteldateien herunterladen — die Untertitelformate von Videoeditoren und YouTube. Damit ist dies eine schnelle, kostenlose Möglichkeit, Untertitel aus Audio zu erstellen, ganz ohne separate Untertitel-Software.

Das Clevere daran: Es läuft komplett in deinem Browser. Das Spracherkennungsmodell (eine kompakte Version von OpenAIs Whisper) wird einmalig geladen, etwa 40 MB, und läuft dann mit WebAssembly auf deinem eigenen Gerät. Deine Audiodatei wird nie auf einen Server hochgeladen, also völlig privat — ein echter Vorteil gegenüber Transkriptionsseiten, die deine Aufnahme in die Cloud senden.

Da alles lokal passiert, hängt die Geschwindigkeit von deinem Gerät ab, und längere Aufnahmen dauern länger. Nach dem ersten Mal ist das Modell zwischengespeichert, sodass das Tool sogar offline funktioniert. Für Live-Diktat direkt vom Mikrofon nutze stattdessen das Tool „Sprache in Text“.

Funktionen

• Transkription auf dem Gerät — deine Audiodatei verlässt nie dein Gerät
• Funktioniert mit MP3, WAV, M4A und OGG
• Zeitstempel — Zeitmarken einblenden, um zu sehen, wann jede Zeile gesprochen wurde
• Vier Speicheroptionen — reiner Text, Text mit Zeitstempeln, SRT- oder VTT-Untertitel
• Untertitelfertig — SRT/VTT-Dateien passen direkt in Videoeditoren oder YouTube
• Bearbeitbares Transkript — Text korrigieren und kopieren, bevor du herunterlädst
• Funktioniert offline nach dem ersten Mal
• Kostenlos — keine Anmeldung, kein Upload, kein Wasserzeichen

So funktioniert's

• Audiodatei hochladen — auf den Bereich klicken oder eine Datei hineinziehen (MP3, WAV, M4A oder OGG)
• Auf „Transkribieren“ klicken — beim ersten Mal wird die Sprach-Engine geladen (ca. 40 MB)
• Warten, bis es fertig ist — längere Aufnahmen brauchen länger
• Überprüfe und bearbeite das Transkript und aktiviere Zeitstempel anzeigen, wenn du Zeitmarken möchtest
• Herunterladen als reinen Text (.txt) oder als SRT- oder VTT-Untertitel — oder Text kopieren

Häufig gestellte Fragen

Wird meine Audiodatei irgendwohin hochgeladen?

Nein. Die Aufnahme wird in deinem Browser auf deinem eigenen Gerät transkribiert — sie wird nie an einen Server gesendet.

Kann ich Untertitel (SRT oder VTT) herunterladen?

Ja. Nach dem Transkribieren kannst du das Ergebnis als SRT- oder VTT-Untertiteldatei, als Text mit Zeitstempeln oder als reines .txt-Transkript herunterladen. SRT und VTT enthalten die Anfangs- und Endzeit jeder Zeile.

Kann ich dem Transkript Zeitstempel hinzufügen?

Ja — aktiviere Zeitstempel anzeigen, und jeder Zeile wird die Sprechzeit vorangestellt. Die Zeitstempel stecken auch in den SRT- und VTT-Downloads.

Kann ich damit ein Video untertiteln?

Ja. Exportiere das Transkript als SRT oder VTT und lade es in deinen Videoeditor oder als Untertitelspur bei YouTube hoch.

Warum werden beim ersten Mal 40 MB geladen?

Das ist das Spracherkennungsmodell. Es wird einmal geladen und dann von deinem Browser zwischengespeichert, sodass spätere Durchläufe schneller sind und sogar offline funktionieren.

Wie genau ist es?

Es nutzt ein kompaktes Whisper-Modell, das bei klarer Sprache gut ist. Die Genauigkeit sinkt bei starken Hintergrundgeräuschen, starkem Akzent oder sich überlagernden Stimmen — und du kannst das Transkript vor dem Herunterladen jederzeit bearbeiten.

Was ist der Unterschied zu „Sprache in Text“?

„Sprache in Text“ hört live auf dein Mikrofon; „Audio in Text“ transkribiert eine Audiodatei, die du schon hast.