KI-Sprache zu Text – Audio mit Sprecherkennung online transkribieren
title
subtitle
audio_upload
audio_upload_tip
diarize_hint
tag_events_hint
keyterms_hint
advanced
public_hint
empty_title
empty_hint
Warum Speech to Text?
Verwandle jede Aufnahme in durchsuchbaren Text mit Zeitstempeln und Sprecherkennung
Präzise Transkription
Lade dein Audio hoch und erhalte ein sauberes, lesbares Transkript mit Zeitstempeln auf Wortebene für Zitate und Untertitel.
Sprecherkennung
Aktiviere die Diarisierung, um zu trennen, wer was gesagt hat – ideal für Interviews, Meetings und Podcasts mit mehreren Hosts.
Schlüsselbegriffe
Gib Produktnamen, Fachbegriffe und Eigennamen ein, damit das Transkript sie von Anfang an richtig schreibt.
Fertige Exporte
Kopiere den Text, lade eine .txt-Datei oder exportiere eine .srt-Untertiteldatei mit sauber getimten Cues.
So transkribierst du Audio
Drei einfache Schritte zum fertigen Transkript
Audio hochladen
Ziehe eine MP3-, WAV-, M4A-, FLAC- oder OGG-Datei bis zu 60 Minuten hinein. Die Dauer wird automatisch geprüft.
Sprache & Optionen wählen
Lege die Audiosprache fest oder lass sie automatisch erkennen, schalte Sprecherkennung ein und füge bei Bedarf Schlüsselbegriffe hinzu.
Lesen & exportieren
Sieh dir das Transkript nach Sprecher mit Zeitstempeln an, kopiere es oder lade .txt- und .srt-Dateien herunter.
Anwendungsfälle
Für Journalisten, Podcaster, Forschende und Teams, die mit Aufnahmen arbeiten
Technische Daten
Speech to Text verwandelt Audio in ein strukturiertes Transkript mit Zeitstempeln auf Wortebene, optionaler Sprecherkennung und Untertitel-Export.
- Akzeptiert MP3, WAV, M4A, AAC, FLAC, OGG, OPUS und WebM bis 300 MB
- Maximale Audiolänge: 60 Minuten
- Automatische Spracherkennung oder Auswahl aus 19+ Sprachen
- 2 Credits pro Minute – 2,4 mit Schlüsselbegriffen – abgerechnet nach geprüfter Dauer
- Export als Klartext oder getimte SRT-Untertitel
- Transkripte dürfen privat und kommerziell genutzt werden
Häufige Fragen
Alles, was du über Speech to Text wissen musst
Es wandelt Audio in ein lesbares Transkript mit Zeitstempeln auf Wortebene, optionaler Sprechertrennung und Klangereignis-Markierungen um – zum Kopieren oder Exportieren als .txt oder .srt.
MP3, WAV, M4A, AAC, FLAC, OGG, OPUS und WebM bis 300 MB und 60 Minuten. Die Sprache wird automatisch erkannt oder aus 19+ Sprachen gewählt, darunter Englisch, Chinesisch, Spanisch, Französisch, Deutsch, Japanisch und Koreanisch.
2 Credits pro Audiominute bzw. 2,4 Credits pro Minute mit Schlüsselbegriffen. Ein 30-Sekunden-Clip kostet 1 Credit. Der genaue Preis wird aus der geprüften Dauer berechnet und vor dem Start angezeigt.
Schlüsselbegriffe sind bis zu 100 Wörter oder kurze Phrasen – Produktnamen, Fachbegriffe, Eigennamen – damit das Transkript sie korrekt schreibt. Jeder Begriff darf bis zu fünf Wörter haben.
Wenn aktiviert, wird das Transkript nach Sprechern gruppiert, sodass du siehst, wer was gesagt hat – nützlich für Interviews und Meetings. Segmente tragen Zeitstempel wie 03:42.
Wir erzeugen Standard-Untertitel-Cues aus den Zeitstempeln auf Wortebene – mit Zeilenumbrüchen bei Sprecherwechsel, nach 7 Sekunden oder ~42 Zeichen – sodass die .srt direkt in die meisten Videobearbeitungen passt.
Bereit zum Transkribieren?
Lade eine Aufnahme hoch und erhalte in wenigen Momenten ein fertiges Transkript.
Audio jetzt transkribieren