Sprache zu Text macht aus einer Aufnahme geschriebenen Text — eine Sprachnachricht, die du lieber liest als abspielst, ein Interview zum Zitieren, eine Vorlesung oder Besprechung zum späteren Durchsuchen. Ein KI-Spracherkennungsmodell in der Cloud (standardmäßig Whisper) erkennt die gesprochene Sprache selbst und beherrscht Deutsch, Persisch und Englisch ebenso wie Dutzende weitere Sprachen.
Weil die Aufnahme in der Cloud verarbeitet wird, brauchst du ein Konto, und jede Datei kostet 1 Credit. Aufnahmen über 4 MB werden vorher im Browser in eine MP3 mit 96 kbit/s umgewandelt, damit der Upload klein bleibt. Du bekommst reinen Text — ohne Zeitstempel und ohne Sprechernamen; für Untertitel mit Timing nimm Auto-Untertitel.
So funktioniert es
Melde dich an und wähle eine Audiodatei — eine Sprachnachricht, eine Vorlesungsaufnahme, eine MP3 oder WAV.
Starte die Transkription und lass den Tab offen, bis der Text erscheint.
Lies den Text durch, korrigiere Namen und Fachbegriffe und kopiere ihn oder lade ihn als .txt-Datei herunter.
Häufige Fragen
Welche Sprachen versteht es?
Das Modell erkennt die gesprochene Sprache automatisch — Deutsch, Persisch, Englisch, Arabisch, Türkisch und viele mehr. Am besten klappt es, wenn durchgehend eine Sprache gesprochen wird; wechselt die Sprache mitten im Satz, sinkt die Genauigkeit.
Wie genau ist das Ergebnis?
Bei klarer Sprache nah am Mikrofon sehr gut. Hintergrundmusik, mehrere Leute gleichzeitig, starke Akzente und Telefonqualität erhöhen die Fehlerquote, und Namen sowie Fachjargon sind die typischen Ausrutscher — lies den Text, bevor du dich darauf verlässt.
Gibt es Zeitstempel oder Sprechernamen?
Nein. Das Ergebnis ist durchlaufender Text. Für Untertitel mit Timing nimm Auto-Untertitel, und um eine Videodatei direkt zu transkribieren, Video zu Text.
Wie lang darf eine Aufnahme sein?
Jede Anfrage hat eine Größenobergrenze. Große Dateien werden zuerst in eine MP3 mit 96 kbit/s umgewandelt, damit passt etwa eine halbe Stunde Sprache hinein. Längere Aufnahmen teilst du mit Audio zuschneiden in Abschnitte und transkribierst sie einzeln.