Audio in Text umwandeln
Aus jeder Aufnahme Text machen, den du kopieren kannst, mit Untertiteln als Bonus.
Interviews, Vorlesungen, Podcasts, Meetings, Sprachnotizen: Datei ablegen und den ganzen Text bekommen. Die Zeitmarken kommen mit, darum kannst du auch SRT- oder VTT-Untertitel speichern.
Die Transkription läuft in deinem Browser mit Whisper, dem offenen Spracherkennungsmodell von OpenAI. Dein Audio wird nie hochgeladen: Nur das Modell selbst wird einmal geladen, danach behält es dein Browser, die nächsten Dateien starten also sofort.
Sprachmodell: Whisper von OpenAI (MIT). Läuft mit Transformers.js (Apache-2.0).
So geht's
- Datei ablegen Audio oder Video: MP3, M4A, WAV, MP4, MOV, WebM, OGG und mehr.
- Sprache wählen Die Sprache, die gesprochen wird. Bei Rauschen oder starkem Dialekt Genauer wählen.
- Transkribieren und speichern Text kopieren oder als TXT, SRT oder VTT speichern.
Häufige Fragen
Wie genau ist es?
Bei klarer Sprache erkennt Whisper meist weit über 90 % der Wörter richtig. Musik im Hintergrund, Durcheinanderreden und starker Dialekt senken das. Dort hilft das genauere Modell.
Wird meine Aufnahme hochgeladen?
Nein. Sie wird auf deinem Gerät transkribiert. Geladen wird nur das Sprachmodell, nie dein Audio.
Gibt es eine Längenbegrenzung?
Wir setzen keine. Lange Dateien dauern länger: Auf einem aktuellen Computer mit Chrome oder Edge braucht eine Stunde Audio etwa 10 Minuten. Handys und ältere Computer sind langsamer.
Welche Sprachen gehen?
Whisper versteht rund 100 Sprachen, darunter Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Arabisch, Japanisch und Indonesisch. Am genauesten ist es bei verbreiteten Sprachen. Schweizerdeutsch wird meist als Hochdeutsch geschrieben.
Ist es gratis?
Ja. Kein Konto, keine Minutenbegrenzung, kein Wasserzeichen.