Audio zu Text — Audiodateien per KI transkribieren

Ein kostenloser Konverter, der eine aufgenommene Audiodatei in Text verwandelt. Laden Sie eine MP3, WAV, M4A, FLAC, OGG oder WebM hoch — eine Vorlesung, ein Interview, eine Besprechungsaufnahme, eine Podcast-Folge oder eine Sprachnotiz — und Whisper-KI transkribiert sie in ein sauberes Dokument mit Zeitstempeln, das Sie lesen, bearbeiten und speichern können. Da jede Phrase ihren Timecode behält, lässt sich dasselbe Transkript direkt als SRT- oder VTT-Untertitel exportieren. Die Transkription läuft per WebAssembly in Ihrem Browser.

So transkribieren Sie Audio zu Text

1

Ziehen Sie eine aufgenommene Audiodatei auf die Seite oder klicken Sie, um eine von Ihrem Gerät zu wählen.

2

Wählen Sie das Modell — Schnell für einen raschen Entwurf, ein größeres für ein genaues Transkript einer langen oder lauten Datei.

3

Starten Sie die Transkription und verfolgen Sie den Fortschritt, während Whisper die Datei in Ihrem Browser liest.

4

Lesen Sie den Text durch, korrigieren Sie Namen und exportieren Sie ihn als TXT für ein Dokument oder als SRT/VTT für Untertitel.

Eine fertige Aufnahme hochladen und ein Transkript mit Zeitstempeln und Untertiteln erhalten

Wenn Sie umgekehrt Text in Stimme verwandeln möchten, nutzen Sie Text-to-Speech →
🎤 Mikrofon
📁 Audiodatei
00:00
0:00
0:00 / 0:00
Format
Audiodatei hier ablegen
MP4, WEBM, MOV, MP3, WAV, M4A, OGG, FLAC, AAC, M4B, WMA, AIFF, OPUS, CAF, MKV, AVI, WMV, FLV, M4V, 3GP, TS, MTS, M2TS, VOB, MPG, MPEG, OGV
📝 Namen & Begriffe (optional)
Nennen Sie Eigennamen, Markennamen und Fachbegriffe, damit die KI sie korrekt schreibt.
Verrauschte oder dumpfe Aufnahme? Bereinigen Sie zuerst den Ton →

Transkription

Ihr transkribierter Text erscheint hier.
0 Wörter 0 Zeichen 0 Sätze 0 Min. Lesezeit

📖 Verlauf

Noch keine Transkriptionen

☁ Wortwolke

Visuelle Karte Ihrer häufigsten Wörter — je größer das Wort, desto öfter haben Sie es gesagt.

Zuerst Text transkribieren, um eine Wortwolke zu erzeugen

🔖 Lesezeichen

Noch keine Lesezeichen. Lesezeichen-Taste während der Aufnahme drücken, um wichtige Momente zu markieren.
⌨ Tastaturkürzel
Aufnahme starten/stoppen CtrlShiftR
Pause/Fortsetzen CtrlShiftP
Transkript kopieren CtrlShiftC
TXT herunterladen CtrlS
Suchen & Ersetzen CtrlF
Lesezeichen hinzufügen CtrlShiftB
Fokus-Modus umschalten CtrlShiftD
Panels schließen Esc
00:00

Funktionen

Rund um Ihre Audiodatei gebaut
Legen Sie eine fertige Aufnahme ab — MP3, WAV, M4A, FLAC, OGG oder WebM, bis 500 MB — und erhalten Sie den gesamten gesprochenen Inhalt als Text zurück.
Timecodes in jeder Zeile
Jede Phrase ist mit ihrer Startzeit versehen, sodass Sie einen Satz anklicken können, um zu diesem Moment zu springen, oder die ganze Datei in Untertitel verwandeln.
Untertitel-Export
Speichern Sie das Transkript als SRT oder VTT für YouTube, einen Editor oder einen Mediaplayer — oder als reines TXT für Notizen und Artikel.
Tempo oder Genauigkeit wählen
Ein schnelles Modell für einen raschen Entwurf eines kurzen Clips oder größere Modelle für ein originalgetreues Transkript eines langen Interviews oder einer lauten Besprechung.

Warum unser Audio-zu-Text-Konverter

Wenn Sie bereits eine Aufnahme haben — eine aufgezeichnete Besprechung, eine mitgeschnittene Vorlesung, eine Podcast-Folge oder ein Interview — brauchen Sie sie präzise verschriftlicht, nicht nach Gehör abgetippt. Laden Sie die Datei hoch, und Whisper-KI transkribiert das Ganze in ein Dokument mit Zeitstempeln, das Sie durchsuchen, zitieren und bearbeiten können, und exportieren Sie es dann als TXT für Ihre Notizen oder als SRT/VTT-Untertitel für Video. Es ist das dateibasierte Gegenstück zur Live-Spracheingabe: Jener Modus ist zum lauten Sprechen, dieser für das Audio, das Sie bereits aufgenommen haben.

Häufige Fragen

Welche Audiodateien kann ich hochladen?

MP3, WAV, OGG, FLAC, M4A und WebM, bis 500 MB. Eine klare Aufnahme mit wenig Hintergrundgeräusch liefert das genaueste Transkript; bei einer langen Datei planen Sie Zeit ein, damit das Modell sie vollständig lesen kann.

Wie lange dauert die Transkription einer Datei?

Das hängt vom Modell und der Länge der Aufnahme ab — das schnelle Modell schafft etwa eine Minute Audio pro Minute, größere Modelle tauschen Tempo gegen Genauigkeit. Das Modell selbst wird beim ersten Lauf einmal heruntergeladen und danach wiederverwendet.

Kann ich aus einer Aufnahme Untertitel erstellen?

Ja. Jedes Transkript trägt Timecodes, sodass Sie SRT- oder VTT-Untertiteldateien für ein bereits vorhandenes Video exportieren können — kompatibel mit YouTube, Videoeditoren und den gängigen Mediaplayern.

Welche Sprachen kann es transkribieren?

Whisper bewältigt über 90 Sprachen, darunter Deutsch, Englisch, Spanisch, Französisch, Chinesisch, Japanisch, Koreanisch, Arabisch und Russisch. Die Sprache wird automatisch erkannt oder Sie legen sie vor der Transkription fest.

Wann sollte ich ein größeres Modell wählen?

Nutzen Sie das schnelle Modell für kurze, saubere Clips und schnelle Entwürfe. Wechseln Sie zu einem größeren Modell, wenn die Datei lang ist, das Audio laut ist oder Namen und Fachbegriffe korrekt geschrieben sein müssen.

Ich möchte live diktieren statt eine Datei hochzuladen — was nutze ich?

Wechseln Sie in den Mikrofon-Modus (Sprache zu Text / Spracheingabe), um zu sprechen und Wörter in Echtzeit erscheinen zu sehen. Diese Seite dient dem Transkribieren einer bereits vorhandenen Aufnahme.

Das könnte Ihnen auch gefallen

🎙️ Sprache zu Text ✂️ Audio zuschneiden 🔀 Audio konvertieren 🎤 Gesang aufnehmen 🎶 Gesangsharmonie-Generator 📢 Megafon-Effekt 🎙️ Online-Sprach-Recorder 🎚️ Re-Voice

Wie bewerten Sie dieses Tool?

3 (3 Bewertungen)
Danke für Ihre Bewertung!
Möchten Sie mehr sagen? Hinterlassen Sie einen Kommentar!
Danke! Ihr Kommentar erscheint nach der Moderation.
Für wen ist dieses Tool gedacht?
🎙️ Podcasterinnen & Podcaster ✨ Content Creator 🎓 Studierende 📚 Lehrende
Veröffentlicht Autoren: