Basiert auf fortschrittlicher KI auf dem Gerät und Hardwarebeschleunigung – für professionelle Leistung bei kompromissloser Privatsphäre.KI auf dem Gerät – professionell und privat.
Online-Transkription: Sprache zu Text
Sprache zu Text — aus einer Datei oder Ihrem Mikrofon
- Läuft auf Ihrem Gerät
- Audio und Video rein, Untertitel raus
- Kostenlos, ohne monatliches Minutenkontingent
Aufnahme hier ablegen
MP3, WAV, WAVE, OGG, OGA, OPUS, M4A, M4B, M4R, AAC, ADTS, FLAC, MKA, WEBA, MP4, MOV, WEBM, MKV, 3GP, 3GPP, 3G2
Die Sprache anzugeben ist genauer, als sie erkennen zu lassen.
Das genaue Modell ist ein größerer Download und deutlich besser außerhalb des Englischen.
Eine Zeitmarke pro Wort statt pro Abschnitt — für Karaoke-Untertitel und genaues Schneiden.
Untertitel sind hier kostenlos. Beide Werkzeuge, an denen wir gemessen werden, lassen sie bezahlen.
Kostenlos: eine Aufnahme auf einmal, bis 0 B und 0 Minuten.
Wozu Sprache-zu-Text?
Notizen diktieren, Nachrichten freihändig formulieren oder Roh-Transkripte erfassen, ohne separates Diktierprogramm zu installieren.
Vorteile
- Freihändig: sprechen statt tippen.
- Tempo: viele sprechen schneller als sie tippen.
- Barrierefreiheit: alternative Eingabemöglichkeit.
- Leichtgewicht: läuft in einer normalen Webseite.
- Export: TXT oder JSON zur Weiterverwendung.
Eine Audio- oder Videodatei transkribieren
Legen Sie eine Aufnahme ab, und sie wird vollständig auf Ihrem Gerät transkribiert — kein Upload, kein monatlicher Minutenzähler. Videos funktionieren ebenso: Der Ton wird direkt aus dem Container gelesen, ein in MP4 oder MOV aufgezeichnetes Interview braucht also keine Umwandlung vorab.
Was Sie ablegen können
MP3, WAV, OGG, OPUS, M4A, AAC, FLAC, MKA und WEBA für Audio sowie MP4, MOV, WEBM, MKV und 3GP für Video. Alles andere wird bereits im Dateidialog abgelehnt, mit einem Link zum Audio-Konverter — Sie warten nie auf einen Durchlauf, der ohnehin nicht geklappt hätte.
Was herauskommt
- Reiner Text — das Transkript in Absätzen, fertig zum Einfügen in ein Dokument.
- Text mit Zeitmarken — jeder Abschnitt mit seiner Position in der Aufnahme.
- SRT- und VTT-Untertitel — die beiden Formate, die Player und Plattformen wirklich lesen.
- JSON — jeder Abschnitt mit Start- und Endzeit, für alles, was Sie darauf aufbauen wollen.
- Ein Archiv für den Stapel — eine Warteschlange lädt als ein einziges ZIP herunter, nicht ein Dialog pro Datei.
Wohin Ihr Audio geht
Das ist wichtiger, als es klingt, denn die beiden Hälften dieser Seite verhalten sich unterschiedlich — und kaum ein Werkzeug sagt Ihnen, welche Sie gerade benutzen.
- Eine hier abgelegte Datei wird auf Ihrem Gerät verarbeitet, nicht auf unseren Servern. Das Erkennungsmodell wird einmal in Ihren Browser geladen und läuft dort. Die Aufnahme wird lokal gelesen, und nichts davon wird irgendwohin gesendet.
- Das Live-Diktat hängt von Ihrem Browser ab. Das Diktat nutzt die im Browser eingebaute Erkennung, und die meisten senden dieses Audio an die Server ihres Herstellers, um daraus Wörter zu machen.
- Neuere Browser können auch lokal diktieren. Wo Erkennung auf dem Gerät für Ihre Sprache verfügbar ist, fordert diese Seite sie an und bietet an, das Sprachpaket zu installieren.
- Die Seite sagt Ihnen, welcher Weg genommen wurde. Der Modus unter dem Mikrofon wird nach dem Start aus der Erkennung zurückgelesen, nicht aus der Anfrage geraten.
Funktionsweise
Ihr Mikrofon speist den Spracherkenner des Browsers; Wörter laufen in den Transkriptbereich.
Ablauf der Erkennung
- Audio: wird beim Zuhören erfasst.
- Zwischen: vorläufiger Text grau kursiv.
- Final: festgeschriebener Text wird ans Haupt-Transkript angehängt.
- Sprache: BCP-47-Tag auf der Erkennungsinstanz.
- Stopp: beendet die Erkennungssitzung.
Typischer Ablauf
- Sprache: zuerst wählen.
- Start: nach der Abfrage sprechen.
- Prüfen: Zwischen vs. final beobachten.
- Stopp: wenn fertig.
- Kopieren: oder exportieren.
Fakten
Qualität variiert nach Gerät; Chromium-Browser sind für diese API meist am zuverlässigsten.
Kernpunkte
- Kontinuierlicher Modus und Zwischenergebnisse sind im Code aktiv.
- Sprachwechsel während des Zuhörens stoppt zuerst die Sitzung.
- Wortzahl nutzt einfache Whitespace-Teilung.
- JSON-Export verwendet englische Schlüsselnamen für Kompatibilität.
- Safari/Firefox können sich anders verhalten als Chrome/Edge.
Best Practices
Fehler reduzieren, bevor Sie sich auf das Transkript verlassen.
Tipps
- Ruhiger Raum und ordentliches Mikrofon.
- Dropdown an Ihre tatsächliche Sprache anpassen.
- Namen, Zahlen und Fachbegriffe nachlesen.
- Neu starten, wenn die Erkennung nicht mehr reagiert.
Ideale Einsatzfälle
- Notizen: schnelle Erfassung.
- Entwürfe: erster Diktat-Durchgang.
- Barrierefreiheit: wenn Tippen schwerfällt.
Wann nicht darauf vertrauen
- Zertifizierte juristische oder medizinische Transkription ohne Prüfung.
- Garantiert nur offline, wenn Ihr Browser Cloud-Erkennung nutzt.
Einschränkungen
Browserabhängige API; Mikrofon nötig; nicht alle Sprachen überall gleich gut verfügbar.
- Kostenlos — eine Aufnahme auf einmal, bis 50 MB und zehn Minuten, mit allen Exportformaten und ohne Wasserzeichen.
- Pro — eine Warteschlange als ein Archiv, Aufnahmen so lang wie Ihr Gerät es schafft, das genauere Modell und Zeitmarken pro Wort.
Basiert auf optimierten Audio-Verarbeitungs-Algorithmen.
Häufige Fragen
Wie genau ist die Spracherkennung für die Transkription eines aufgezeichneten Interviews?
Die Genauigkeit hängt von der Audioklarheit, der Mikrofonqualität, dem Akzent und dem Sprechtempo ab. Bei klaren Nahaufnahmen in einem ruhigen Raum verarbeitet die moderne Browser-Spracherkennung gesprochenes Deutsch sehr gut. Hintergrundgeräusche, starke Akzente oder schnelles Sprechen verringern die Genauigkeit, daher wird die Nachbearbeitung des Transkripts für professionelle Zwecke immer empfohlen.
Kann ich eine bereits aufgezeichnete Audiodatei transkribieren, anstatt live ins Mikrofon zu sprechen?
Die Spracherkennung funktioniert mit Live-Mikrofoneingabe. Um eine bereits aufgezeichnete Datei zu transkribieren, spiele sie über die Gerätlautsprecher in der Nähe des Mikrofons ab oder nutze ein virtuelles Audiokabel, um das Audio direkt weiterzuleiten. Für reine Datei-zu-Text-Transkription ohne Neuaufnahme ist ein spezielles Transkriptions-Werkzeug mit Datei-Upload zuverlässiger.
Welche Sprachen werden für die Spracherkennungs-Transkription unterstützt?
Unterstützte Sprachen hängen von der Web-Speech-API-Implementierung deines Browsers ab. Die meisten gängigen Browser unterstützen Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Chinesisch, Japanisch und Dutzende anderer Sprachen. Wähle deine Sprache in den Tool-Einstellungen aus und sprich natürlich — die Erkennungs-Engine verarbeitet Dialekte und regionale Akzente mit unterschiedlicher Genauigkeit.
Werden meine Sprachdaten an einen Server gesendet, wenn ich dieses Sprache-zu-Text-Tool verwende?
Das Tool nutzt die integrierte Web-Speech-API deines Browsers. Je nach Browser kann das Audio lokal verarbeitet oder kurz an die Erkennungsserver des Browser-Anbieters gesendet werden (z. B. Google für Chrome). Auf dieser Website wird kein Audio gespeichert. Für vollständig offline arbeitende Transkription nutze eine Desktop-Anwendung mit geräteseitiger Erkennung.
Kann ich Sprache-zu-Text zum Diktieren langer Dokumente oder Besprechungsnotizen verwenden?
Ja. Das Tool unterstützt kontinuierliches Diktat und zeigt Text in Echtzeit an, während du sprichst. Bei langen Sitzungen pausiere regelmäßig, um das Transkript in deinen Dokumenteditor zu kopieren. Die automatische Zeichensetzung variiert je nach Browser — du musst Satzzeichen möglicherweise manuell einfügen oder Signalwörter wie „Punkt” oder „Komma” ansagen.
Warum stoppt oder setzt die Spracherkennung nach einigen Sekunden Stille zurück?
Die meisten Browser unterbrechen die Spracherkennung nach einer Phase der Stille, um Ressourcen zu sparen. Einige Implementierungen erfordern den kontinuierlichen Modus, um aktiv zu bleiben. Wenn die Transkription stoppt, setze das Sprechen fort oder klicke erneut auf den Mikrofon-Button. Für ununterbrochenes Langform-Diktat halte ein gleichmäßiges, moderates Sprechtempo ohne lange Pausen.
aus 753 Bewertungen
Dieses Tool bewerten
Auf einen Stern tippen — geht schnell