Kostenlos · Ohne Anmeldung · Ohne Upload
Audio in Text umwandeln, kostenlos und ohne Upload.
Wandle eine Aufnahme, ein Interview, eine Vorlesung, eine Sprachnachricht oder ein Video in Text um. Die Datei wird hier in deinem Browser transkribiert, und du bekommst Text zum Bearbeiten und Untertitel als SRT oder VTT mit echten Zeitangaben.
Audio- oder Videodatei hierher ziehen
MP3, M4A, WAV, OGG, FLAC, MP4, MOV oder WebM. Bis zu 60 Minuten und 300 MB.
Wähle eine Audio- oder Videodatei. Sie bleibt auf diesem Computer.
Mehrsprachiges Modell: Die Sprache der Datei wird an den ersten gesprochenen Worten erkannt. Untertiteldateien enthalten den Text so, wie er erkannt wurde; Änderungen im Feld gelten für die .txt-Datei und das Kopieren. Datei und Text bleiben in diesem Tab.
So geht’s
Drei Schritte, alles in diesem Tab.
1
Datei auswählen.
Zieh sie in das Feld oder wähle sie auf deinem Computer aus. Dein Browser liest die Tonspur; nichts wird irgendwohin gesendet.
2
Transkribieren lassen.
Beim ersten Mal lädt der Browser ein Whisper-Modell herunter (etwa 80 MB, oder etwa 165 MB, wenn dein Browser den Grafikchip nutzt). Dann wird die Datei Stück für Stück erkannt, und der Text wächst mit.
3
Bearbeiten und speichern.
Korrigiere Namen oder Fachbegriffe im Text, dann kopiere ihn oder speichere ihn als .txt-Datei. Für dein Video speicherst du Untertitel als .srt oder .vtt.
Was anders ist
Transkription, die nie einen Server sieht.
Die meisten kostenlosen Transkriptionsseiten laden deine Datei hoch und begrenzen die Minuten. Diese Seite führt Whisper, das offene Spracherkennungsmodell von OpenAI, auf deinem eigenen Computer aus. So bleibt ein Interview, ein Meeting oder eine Sprachnachricht bei dir.
Datenschutz von Anfang an.
Die Datei und ihr Transkript bleiben in diesem Tab. Kein Konto, kein Upload, und wir behalten keine Kopie.
Untertitel mit echten Zeiten.
Die Datei wird an natürlichen Pausen in Abschnitte von wenigen Sekunden geteilt. So beginnt und endet jeder Untertitel dort, wo er gesprochen wurde.
Deutsch, Englisch und fast jede Sprache.
Im Modus „Alle Sprachen“ erkennt das mehrsprachige Modell 99 Sprachen, darunter Deutsch, und bestimmt selbst, in welcher Sprache deine Datei ist. Für Englisch ist der Modus „Englisch“ am genauesten.
Ehrlich bei den Grenzen.
Ein Modell, das klein genug für den Browser ist, macht mehr Fehler als große Modelle, vor allem bei Namen, wenn mehrere gleichzeitig sprechen, bei Musik und in lauten Räumen. Sprecher unterscheidet es nicht.
Häufige Fragen
- Ist das wirklich kostenlos und ohne Anmeldung?
- Ja. Es gibt kein Konto, keine Testphase und keine Begrenzung, wie viele Dateien du transkribierst. Jede Datei darf bis zu 60 Minuten lang und 300 MB groß sein. Das kostenpflichtige Produkt von Yap ist die Diktier-App für den Computer; diese Seite ist für sich kostenlos.
- Wird meine Datei hochgeladen?
- Nein. Die Datei wird in diesem Browser-Tab auf deinem Computer gelesen und transkribiert. Audio und Transkript werden nicht an einen Server gesendet und nicht von uns gespeichert. Die Seite zählt Nutzungsereignisse, etwa dass eine Transkription fertig ist, aber nie die Datei, ihren Namen oder ihre Wörter.
- Kann ich eine WhatsApp-Sprachnachricht in Text umwandeln?
- Ja, wenn du sie als Datei gespeichert hast. WhatsApp speichert Sprachnachrichten im Format Opus (als OGG-Datei), und das liest diese Seite. Wähle die Datei aus oder zieh sie in das Feld; im Modus „Alle Sprachen“ wird die Sprache, etwa Deutsch, von selbst erkannt. Mit WhatsApp verbunden ist die Seite nicht: Sie liest nur die Datei, die du auswählst.
- Kann ich ein Interview transkribieren?
- Ja. Ein Interview mit bis zu 60 Minuten und 300 MB passt in eine Datei, längere Aufnahmen teilst du in Abschnitte. Sprecher unterscheidet das Modell nicht: Wer was sagt, trägst du beim Bearbeiten selbst ein. Prüf außerdem Namen und Fachbegriffe, denn ein kleines Modell im Browser macht dabei mehr Fehler als große.
- Welche Dateien funktionieren?
- Alles, was dein Browser abspielen kann: MP3, M4A, WAV, OGG, Opus, FLAC und AAC als Audio sowie die Tonspur von MP4-, MOV- und WebM-Videos. Chrome und Edge lesen die meisten Formate.
- Wie lange dauert es?
- Das hängt von deinem Computer ab. Wenn der Browser das Modell auf dem Grafikchip laufen lässt (aktuelles Chrome und Edge), dauert eine Stunde Audio meist ein paar Minuten. Nur mit dem Prozessor kann es etwa so lange dauern wie die Aufnahme selbst. Der Text erscheint, sobald ein Abschnitt fertig ist, und du kannst jederzeit stoppen.
- Kann ich Untertitel erstellen?
- Ja. Die Datei wird an natürlichen Pausen in kurze Abschnitte geteilt, und jeder Abschnitt wird ein Untertitel mit seiner echten Start- und Endzeit. Lade sie als .srt- oder .vtt-Datei herunter, für YouTube, Schnittprogramme und Player.
- Welche Sprachen versteht es?
- Der Modus „Englisch“ nutzt das englische Whisper-Modell, die genaueste Wahl für Englisch. Der Modus „Alle Sprachen“, mit dem diese Seite startet, nutzt das mehrsprachige Modell: Es erkennt 99 Sprachen, darunter Deutsch, und bestimmt die Sprache der Datei an den ersten gesprochenen Worten. Es transkribiert in der gesprochenen Sprache und übersetzt nie.
- Warum wird zuerst ein Modell heruntergeladen?
- Um Sprache auf deinem Gerät zu erkennen, braucht dein Gerät ein Sprachmodell. Beim ersten Mal lädt dein Browser ein Whisper-Modell herunter (etwa 80 MB, oder etwa 165 MB, wenn er den Grafikchip nutzt) und behält es für das nächste Mal im Cache, auch für die kostenlose Online-Diktierseite.