Video zu Text schreibt auf, was in einem Video gesagt wird — ein Interview, eine Vorlesung, eine Besprechungsaufnahme, eine Sprachnachricht — als einfachen Text zum Durchsuchen, Zitieren, Bearbeiten oder Zusammenfassen. Audiodateien funktionieren genauso wie Videos.
Die Tonspur wird zuerst im Browser herausgelöst; nur der Ton geht an ein Spracherkennungsmodell in der Cloud. Du bekommst einen durchgehenden Text ohne Zeitmarken und ohne Sprechernamen — für zeitlich passende Zeilen nimm Auto-Untertitel. Das Werkzeug braucht ein Konto und verbraucht KI-Credits: derzeit 1 pro Durchlauf, von den 30, die ein kostenloses Konto jeden Monat erhält.
So funktioniert es
Melde dich an und füge die Video- oder Audiodatei hinzu.
Starte — der Ton wird auf deinem Gerät herausgelöst und dann transkribiert.
Kopiere den Text oder lade ihn herunter und prüfe Namen, Zahlen und Fachbegriffe anhand der Aufnahme.
Häufige Fragen
Zeigt das Transkript, wer wann spricht?
Nein. Du bekommst die gesprochenen Worte als durchgehenden Text, ohne Sprecherzuordnung und ohne Zeitmarken. Zeilen mit Zeitmarken liefert Auto-Untertitel als SRT-Datei.
Welche Sprachen werden erkannt?
Die Sprache wird automatisch erkannt; unterstützt werden die meisten großen Sprachen — Deutsch, Englisch, Persisch, Arabisch, Französisch und viele mehr. Der Text bleibt in der gesprochenen Sprache, übersetzt wird nicht.
Wie genau ist es, und wie lang darf die Aufnahme sein?
Klare Sprache mit wenig Hintergrundgeräusch wird sehr gut erkannt; Musik, Durcheinanderreden und starke Akzente führen zu Fehlern. Der Ton muss in eine Anfrage von etwa 25 MB passen — ungefähr eine Viertelstunde Video —, längere Aufnahmen teilst du vorher mit Video zuschneiden.
Was passiert mit meinem Video?
Im Normalfall verlässt nur die herausgelöste Tonspur dein Gerät, verschlüsselt an den Spracherkennungsdienst; das Bild bleibt im Browser. Credits für einen fehlgeschlagenen Durchlauf werden automatisch erstattet.