Audio in Text umwandeln – Aufnahmen transkribieren
Eine Aufnahme oder den Ton eines Videos in ein bearbeitbares Transkript und in SRT- oder VTT-Untertitel umwandeln. Die Spracherkennung läuft auf Ihrem Gerät, und die Datei wird nie hochgeladen.
Audio in Text umwandeln – Aufnahmen transkribieren
Eine Aufnahme oder den Ton eines Videos in ein bearbeitbares Transkript und in SRT- oder VTT-Untertitel umwandeln. Die Spracherkennung läuft auf Ihrem Gerät, und die Datei wird nie hochgeladen.
Aufnahmen sind oft Interviews, Gespräche und Besprechungen. Das Audio wird auf diesem Gerät dekodiert und erkannt und nie hochgeladen; nur das Modell selbst wird einmalig heruntergeladen.
Audio in Text umwandeln macht aus einer Aufnahme oder der Tonspur eines Videos Text, den Sie bearbeiten können, und Untertitel, die Sie verwenden können. Die Spracherkennung läuft auf Ihrem Gerät in einem Hintergrund-Worker: Die Datei wird dekodiert, ein Modell wird geladen, und das Ergebnis kommt als Segmente mit Zeitangaben zurück. Daraus erstellt das Tool ein bearbeitbares Transkript mit Suche, Absätze mit Zeitmarken, JSON und Untertitel-Einträge, die an Satzenden getrennt werden und die von Ihnen gesetzten Grenzen für Zeichen pro Zeile, Zeilenzahl und Anzeigedauer in Sekunden einhalten. Sie können den Wortlaut jedes Eintrags korrigieren, alle Zeiten um Sekundenbruchteile verschieben und SRT oder WebVTT herunterladen. Das Modell wird einmal geladen und von Ihrem Browser zwischengespeichert; die Aufnahme selbst verlässt Ihren Computer nie.
Funktionen
Liest Audiodateien und die Tonspur von Videodateien
Drei Modellgrößen auf dem Gerät, von einem schnellen nur für Englisch bis zu einem langsameren mehrsprachigen
Bearbeitbares Transkript mit einer Suche, die jeden Treffer hervorhebt
Untertitel-Einträge, begrenzt nach Zeichen pro Zeile, Zeilenzahl und Anzeigedauer in Sekunden und bevorzugt an Satzenden getrennt
Den Wortlaut jedes Eintrags bearbeiten und alle Zeiten nach früher oder später verschieben
Download als SRT oder WebVTT, als reiner Text, als Absätze mit Zeitmarken oder als JSON
Wortzahl, Dauer, Sprechgeschwindigkeit und Zahl der Untertitel-Einträge
Fortschrittsanzeige für jeden Schritt: Dekodieren, einmaliger Modell-Download und Erkennung
So verwendest du Audio in Text umwandeln
Eine Audio- oder Videodatei auf der Seite ablegen
Ein Modell und die gesprochene Sprache wählen
Transcribe drücken und warten, während die Datei dekodiert wird, das Modell lädt und die Sprache erkannt wird
Den Text oder die Einträge korrigieren, dann den Text kopieren oder die SRT- oder VTT-Datei herunterladen
Beispiel
Eingabe
interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue
Ausgabe
1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.
2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.
3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.
Einträge werden bevorzugt an Satzenden getrennt, und keine Zeile überschreitet die gewählte Grenze.
Häufige Fehler & Fehlerbehebung
Der Browser meldet, dass er die Datei nicht dekodieren konnte. — Versuchen Sie MP3, WAV, M4A oder OGG. Manche Video-Container wie MKV und AVI kann ein Browser gar nicht lesen; extrahieren Sie zuerst die Tonspur als MP3 oder WAV und transkribieren Sie diese.
Namen, Zahlen oder Fachbegriffe sind falsch. — Hier ist die Erkennung am schwächsten. Ein größeres Modell hilft ein wenig, und die ausdrückliche Wahl der gesprochenen Sprache hilft mehr; prüfen Sie das Ergebnis in jedem Fall anhand der Aufnahme.
Die Untertitelzeilen sind zu lang, oder jeder Eintrag bleibt zu lange stehen. — Öffnen Sie den Tab Subtitles und senken Sie die Zeichen pro Zeile (Max characters per line) oder die maximale Länge eines Eintrags (Max cue length). Die Einträge werden sofort neu aufgebaut, und die neuen Grenzen gelten überall.
Die Untertitel erscheinen im Videoplayer etwas zu früh oder zu spät. — Verwenden Sie Shift all timings, um alle Einträge um Sekundenbruchteile zu verschieben. Ein negativer Wert verschiebt sie nach vorn und stoppt am Anfang des Videos.
Häufig gestellte Fragen
Wie genau ist die Transkription mit Audio in Text umwandeln, und was verschlechtert ein Transkript?
Bei klarer Sprache einer einzelnen Person funktioniert es gut, bei Hintergrundgeräuschen, durcheinandersprechenden Personen, starken Akzenten sowie bei Namen oder Fachwörtern, die es noch nicht kennt, spürbar schlechter. Behandeln Sie die Ausgabe als Entwurf, den Sie korrigieren; der Tab Text ist genau deshalb bearbeitbar.
Welche Sprachen lassen sich mit Audio in Text umwandeln transkribieren?
Das Modell nur für Englisch verarbeitet Englisch. Die mehrsprachigen Modelle decken außerdem Spanisch, Französisch, Deutsch, Portugiesisch, Hindi, Japanisch, Chinesisch und Russisch ab und können die Sprache automatisch erkennen, wobei die ausdrückliche Angabe bessere Ergebnisse liefert.
Wie lange braucht Audio in Text umwandeln für eine Stunde Audio?
Auf einem typischen Laptop ungefähr die Länge der Aufnahme mit dem Modell Small, mit den kleineren weniger. Beim ersten Durchlauf wird außerdem einmalig das Modell heruntergeladen. Die Seite zeigt jeden Schritt, während er läuft: Dekodieren, Herunterladen und Zuhören.
Wie bekomme ich mit Audio in Text umwandeln Untertitel für ein Video als SRT oder VTT?
Legen Sie die Videodatei auf der Seite ab, transkribieren Sie sie, öffnen Sie den Tab Subtitles, stellen Sie die gewünschte Zeilen- und Eintragslänge ein und laden Sie SRT oder VTT herunter. Laden Sie die Datei in einem Player oder Editor zusammen mit Ihrem Video; sitzt das Timing nicht ganz, verschieben Sie zuerst alle Zeiten.
Wird meine Aufnahme von Audio in Text umwandeln hochgeladen, und was wird einmalig heruntergeladen?
Die Aufnahme wird auf Ihrem Gerät dekodiert und erkannt und nie hochgeladen. Einmalig heruntergeladen wird das Erkennungsmodell selbst, von einem öffentlichen Modell-Host; Ihr Browser speichert es zwischen, sodass spätere Durchläufe sofort starten und auch offline funktionieren können.
Gibt es bei Audio in Text umwandeln eine maximale Dateilänge?
Ein festes Limit gibt es nicht, aber das Dekodieren braucht die ganze Datei im Arbeitsspeicher, sodass sehr große Videodateien scheitern können. Extrahieren Sie bei langen Videos zuerst die Tonspur und transkribieren Sie diese, oder teilen Sie die Aufnahme in Teile.
Verwandte Tools
Audio zu PDF — Eine Aufnahme auf dem Gerät transkribieren und als PDF, SRT oder VTT ausgeben.