Eine Aufnahme ist unlesbar, bis sie ein Transkript ist, und die meisten Transkriptionsdienste wollen dafür die Aufnahme hochgeladen haben. Hier läuft die Erkennung auf Ihrem Gerät. Das Audio wird dekodiert und neu abgetastet, ein Sprachmodell läuft in einem Hintergrundprozess, und die Bruchstücke, die es liefert — alle paar Sekunden eines —, werden an Satzenden zu Absätzen verbunden statt als Mauer aus Einzelzeilen belassen. Zeitmarken können jeden Absatz anführen, und das Ergebnis geht als PDF, Klartext oder als SRT und VTT heraus.
Funktionen
Die Erkennung läuft auf Ihrem Gerät — die Aufnahme wird nie hochgeladen
Drei Modellgrößen, von schnell und nur Englisch bis langsamer und mehrsprachig
Bruchstücke werden an Satzenden zu Absätzen verbunden
Zeitmarken am Absatzanfang, bei Bedarf mit Stundenangabe
Export als PDF, Klartext, SRT oder VTT
Seitengröße, Ränder und Schriftart nach Ihrer Wahl
Funktioniert auch mit der Tonspur einer Videodatei
So verwendest du Audio zu PDF
Eine Audio- oder Videodatei ablegen
Ein Modell wählen und, falls mehrsprachig, die gesprochene Sprache
Warten — auf den meisten Rechnern etwa in Echtzeit
Einen Titel ergänzen und PDF oder Untertiteldateien exportieren
Beispiel
Eingabe
board-call.m4a — 34 minutes, base multilingual model
Ausgabe
412 paragraphs, 6,140 words, exported as board-call.pdf and board-call.srt
Die Zeitmarken wechseln automatisch zu Stunden, sobald eine Aufnahme sechzig Minuten überschreitet.
Häufige Fehler & Fehlerbehebung
Der Browser konnte das Audio nicht dekodieren. — Versuchen Sie MP3, WAV, M4A oder OGG. Manche Container und Codecs lassen sich im Browser gar nicht dekodieren; wandeln Sie die Datei vorher um.
Namen und Fachbegriffe sind falsch. — Dort ist die Erkennung am schwächsten, und kein Modell behebt das ganz. Ein größeres hilft; das Transkript gegen die Aufnahme zu lesen bleibt nötig.
Bei einer langen Aufnahme ging der Speicher aus. — Teilen Sie die Datei in kürzere Stücke oder wählen Sie ein kleineres Modell. Zwei Stunden beim kleinen Modell liegen jenseits der meisten Browser.
Die Sprache wurde falsch erkannt. — Geben Sie sie ausdrücklich an, statt die Erkennung laufen zu lassen. Das Modell nur für Englisch nimmt immer Englisch an, was auch immer es hört.
Häufig gestellte Fragen
Wie genau ist das Transkript?
Gut bei klarem Audio mit einer sprechenden Person, deutlich schlechter bei Durcheinanderreden, starken Akzenten, Hintergrundgeräusch und ungewohnten Namen. Behandeln Sie es als Entwurf zum Korrigieren.
Wird die Aufnahme hochgeladen?
Nein. Sie wird in einem Hintergrundprozess auf Ihrem Gerät dekodiert und erkannt. Die Modellgewichte kommen einmal von einem öffentlichen Modellhost und werden vom Browser zwischengespeichert.
Wie lange dauert das Transkribieren?
Auf einem üblichen Laptop mit dem kleinen Modell etwa in Echtzeit — eine halbe Stunde Aufnahme braucht rund eine halbe Stunde. Größere Modelle sind langsamer und genauer.
Welches Modell soll ich wählen?
Das nur für Englisch bei klarem Englisch, weil es am kleinsten und dort am genauesten ist. Das mehrsprachige Basismodell für andere Sprachen oder starke Akzente, und das kleine, wenn Genauigkeit vor Zeit geht.
Bekomme ich Untertitel statt eines Dokuments?
Ja — SRT und VTT werden beide exportiert, mit den Zeiten aus der Erkennung, sie lassen sich also direkt auf ein Video legen.
Verwandte Tools
PDF vorlesen — Hört ein PDF Abschnitt für Abschnitt vorgelesen.
Text zu PDF — Macht getippten oder eingefügten Text zu einem paginierten PDF.
PDF-Zusammenfassung — Fasst ein langes PDF abschnittsweise auf dem Gerät zusammen.
PDF zu Text — Extrahiere auswählbaren Text aus einem PDF als reinen Text oder Markdown.
Markdown zu PDF — Setzt Markdown — Überschriften, Listen, Tabellen, Code — als PDF.
PDF-OCR — Erkennt Text in einem gescannten PDF und macht ihn durchsuchbar.
Mit PDF chatten — Fragen zu einem Dokument an ein Modell auf dem eigenen Rechner stellen.
Weitere PDF-Tools
Bild zu PDF — Kombiniere Bilder zu einem einzigen PDF (automatisch / Hochformat / Querformat).
PDF zu Bildern — Konvertiere PDF-Seiten in herunterladbare PNG- oder JPG-Bilder.
PDF zusammenführen — Führe mehrere PDFs zu einem zusammen, mit Neuanordnung.
PDF teilen — Extrahiere Seiten oder Bereiche (z. B. 1-3,5,7-9) in ein neues PDF.
PDF drehen — Drehe alle Seiten oder eine Auswahl um 90/180/270°.
PDF organisieren — Ordne Seiten über die Miniaturansichten neu an, drehe und lösche sie und exportiere.