Audio-zu-Text-Konverter & Transkription online
Machen Sie aus der Sprache in jeder Aufnahme ein bearbeitbares Transkript in 90+ Sprachen – zum Download als TXT, DOCX, SRT oder VTT.
Klicken Sie oder ziehen Sie Ihre Audio-/Videodatei hierher
Unterstützt MP3·MP4·WAV·M4A·AAC·OGG·FLAC·WebM·AMR·OPUS·WMA·AIFF·CAF·3GP und 20+ Formate
So wandeln Sie Audio in 3 Schritten in Text um
Audio hochladen
Ziehen Sie eine MP3-, M4A-, WAV-, FLAC-, OGG- oder andere Audiodatei hinein. Aufnahmen jeder Länge werden akzeptiert – Sie müssen vorher nichts kürzen.
KI transkribiert die Sprache
Die gesprochene Sprache wird automatisch erkannt und der Text mit Zeitstempeln ausgegeben – in einer von 90+ Sprachen.
TXT, DOCX, SRT oder VTT herunterladen
Kopieren Sie den Text, öffnen Sie ihn in Word oder Google Docs oder laden Sie Untertitel mit Zeitstempeln für einen Videoeditor oder Webplayer herunter.
Was ist Audio-Transkription?
Audio-Transkription, auch Audio zu Text oder Speech-to-Text genannt, wandelt die gesprochenen Worte einer Aufnahme in geschriebenen Text um. Sie beginnen mit einer vorhandenen Datei, etwa einer Podcast-Folge, einem aufgezeichneten Interview oder einer Sprachnotiz, und erhalten ein Transkript, das Sie lesen, durchsuchen, bearbeiten und teilen können.
Das ist nicht dasselbe wie Diktieren oder Spracheingabe. Beim Diktieren wird aufgeschrieben, was Sie in ein Mikrofon sprechen; die Audio-Transkription arbeitet mit einer bereits vorhandenen Aufnahme und eignet sich daher für Material, das früher, von anderen oder auf einem anderen Gerät entstanden ist.
Um Audio online zu transkribieren, laden Sie die Aufnahme hoch und erhalten ein einziges Transkript mit einem Zeitstempel in jeder Zeile, in einer von 90+ Sprachen. Das Transkript kennzeichnet nicht, wer spricht: Bei einem Gespräch erhalten Sie die Worte in der richtigen Reihenfolge, nicht ein Skript mit Namen. Wenn Sie statt einer Audiodatei von einem Video ausgehen, gilt derselbe Ablauf: siehe Video zu Text.
Audioformate, die Sie umwandeln können
Jedes gängige Audioformat lässt sich unverändert hochladen. Sie müssen Audio nicht erst in MP3 umwandeln, und das Format ändert den Preis nicht: Sie zahlen nach Audiominuten, nicht nach Dateigröße.
| Format | Woher es meist stammt | Umwandeln |
|---|---|---|
| MP3 | Podcasts, Musikplayer, die meisten Rekorder und Download-Seiten | MP3 in Text |
| M4A | iPhone-Sprachmemos, Apple-Geräte, iTunes | M4A in Text |
| WAV | Unkomprimierte Aufnahmen von Feldrekordern und Audiosoftware | WAV in Text |
| FLAC | Verlustfreie Musik und Archivaufnahmen | FLAC in Text |
| OGG | WhatsApp- und Telegram-Sprachnachrichten, Open-Source-Apps | OGG in Text |
| OPUS | WhatsApp-Sprachnachrichten, WebRTC- und VoIP-Anrufe | OPUS in Text |
| AAC | Aufnahmen von Apple und Android, aus Videos gewonnenes Audio | AAC in Text |
| WMA | Ältere Windows-Rekorder und Windows-Media-Archive | WMA in Text |
| AIFF | Mac-Audiosoftware und Studioaufnahmen | AIFF in Text |
| AMR | Ältere Handys, Anrufaufzeichnungen und Voicemails | AMR in Text |
| MP2 | Radiosendungen und ältere digitale Archive | MP2 in Text |
CAF-Dateien von Apple-Geräten lassen sich ebenfalls hochladen. Die vollständige Liste der Audio- und Videoformate finden Sie unter Unterstützte Formate.
Welche Audioaufnahmen lassen sich transkribieren?
Jede Aufnahme mit klarer Sprache lässt sich mit einem Online-Konverter von Audio zu Text in Text umwandeln. Hier die häufigsten Arten und worauf Sie jeweils achten sollten.
Podcasts
Aus einer ganzen Folge wird ein durchsuchbares Transkript, das Sie neben dem Audio veröffentlichen oder für Show Notes wiederverwenden können. Selbst eine zweistündige Sendung muss vorher nicht geschnitten werden.
Interviews
Aufgezeichnete Interviews kommen als Text in der Reihenfolge des Gesagten zurück, mit Zeitstempel in jeder Zeile – so lässt sich ein Zitat schnell finden und mit der Aufnahme abgleichen.
Vorlesungen und Kurse
Aus einer aufgezeichneten Vorlesung werden Notizen, die Sie durchsuchen und markieren können. Aufnahmen aus der letzten Reihe funktionieren, aber ein Handy näher am Sprecher liefert ein deutlich besseres Transkript.
Telefonate
Anrufaufzeichnungen liegen oft als AMR, M4A oder WAV vor und lassen sich unverändert hochladen. Telefonaudio hat einen engen Klangbereich, daher ist die Genauigkeit meist etwas geringer als bei einer Studioaufnahme.
Voicemail
Machen Sie aus einer Voicemail Text, den Sie auf einen Blick lesen können, statt die ganze Nachricht anzuhören, und behalten Sie eine schriftliche Kopie dessen, was der Anrufer gesagt hat.
Sprachaufnahmen und Memos
Sprachmemos, Besprechungsaufnahmen und Notizen an sich selbst aus jedem Rekorder oder jeder Handy-App werden zu bearbeitbarem Text, bereit zum Kopieren in ein Dokument oder eine E-Mail.
Audio in 90+ Sprachen transkribieren
Die Spracherkennung funktioniert in 90+ Sprachen, und die Sprache wird automatisch erkannt – Sie müssen sie vor dem Hochladen nicht auswählen. Zu den meistgenutzten Sprachen gehören Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Italienisch, Russisch, Chinesisch (Mandarin und Kantonesisch), Japanisch, Koreanisch, Arabisch und Hindi. Die Genauigkeit hängt von der Sprache und der Aufnahme ab: weit verbreitete Sprachen und klare Sprache liefern die besten Ergebnisse.
Sobald das Transkript fertig ist, können Sie es oder die daraus erstellten Untertitel in 29 Sprachen übersetzen und die Übersetzung in denselben Formaten herunterladen. Für Videodateien gibt es dieselbe Option im Video-Übersetzer. Chinesisches Audio kommt in vereinfachtem Chinesisch und mit vollständiger Zeichensetzung zurück.
KI-Transkription oder selbst tippen
Ein Transkript von Hand zu tippen gibt Ihnen volle Kontrolle, erfordert aber viel Zuhören und Pausieren. Das ändert sich, wenn der erste Entwurf von der Spracherkennung kommt.
| TextifyALL | Selbst tippen | |
|---|---|---|
| Zeitstempel | Automatisch in jeder Zeile | Von Hand, wenn überhaupt |
| Sprachen | 90+ Sprachen, automatisch erkannt | Nur die Sprachen, die Sie beherrschen |
| Ausgabe | TXT, SRT, VTT, DOCX, zum Download bereit | Das, was Sie selbst formatieren |
| Kosten | Pro Minute, siehe den Preis weiter unten | Ihre eigene Zeit |
| Am besten für | Einen vollständigen ersten Entwurf, den Sie anschließend durchlesen und korrigieren | Kurze Clips oder rechtssicheren Wortlaut, den Sie Wort für Wort prüfen müssen |
Egal, wie Sie sich entscheiden: Lesen Sie das Transkript vor der Veröffentlichung durch. Namen, Zahlen und Fachbegriffe werden am häufigsten falsch verstanden.
So erhalten Sie ein genaueres Transkript
Die Genauigkeit liegt bei klaren Aufnahmen bei bis zu 98 %. Der Unterschied zwischen einem sauberen und einem unbrauchbaren Transkript liegt meist an der Aufnahme selbst – diese Gewohnheiten zahlen sich aus.
Nah am Sprecher aufnehmen
Die Entfernung zählt mehr als das Mikrofon. Ein Handy nahe an der sprechenden Person schlägt meist ein teures Mikrofon am anderen Ende des Raums.
Hintergrundgeräusche gering halten
Musik, Verkehr und andere Gespräche konkurrieren mit der Stimme. Gleichmäßige Geräusche wie ein Ventilator stören weniger als Geräusche, die an- und abschwellen.
Eine Stimme nach der anderen
Wenn Menschen durcheinanderreden, werden beide Stimmen schwerer erkennbar. In Besprechungen und Interviews helfen kurze Pausen zwischen den Sprechern.
Die Originaldatei hochladen
Die Umwandlung in ein anderes Format kann nur Details entfernen. Laden Sie die Datei hoch, die Ihr Rekorder oder Ihre App erzeugt hat – egal in welchem Format.
Namen und Zahlen prüfen
Namen, Zahlen und Fachbegriffe werden am häufigsten falsch verstanden. Suchen Sie im Transkript danach und vergleichen Sie sie vor der Veröffentlichung mit der Aufnahme.
Zuerst die Gratisminuten testen
Die ersten 15 Minuten sind kostenlos, so sehen Sie, wie gut Ihre eigene Aufnahme transkribiert wird, bevor Sie für eine lange Datei bezahlen.
Was kostet die Audio-Transkription?
Die ersten 15 Minuten sind kostenlos, ganz ohne Anmeldung. Mit einem kostenlosen Konto erhalten Sie 20 weitere Gratisminuten. Danach kostet es $0.035 pro Minute, ab $1.99. Alle Tarife finden Sie auf der Preisseite.
Transkript als TXT, Word oder Untertitel exportieren
Jeder Tarif, auch die Gratisminuten, kann das Transkript in allen vier Formaten herunterladen.
| Format | Am besten für |
|---|---|
| TXT | Lesen, Durchsuchen und Einfügen des Textes an beliebiger Stelle |
| DOCX | Bearbeiten in Microsoft Word oder Google Docs, siehe MP3 in DOCX |
| SRT | Untertitel für Videoeditoren und YouTube, siehe MP3 in SRT |
| VTT | Untertitel für HTML5- und Podcast-Player im Web, siehe MP3 in VTT |
Jede Untertitelzeile ist so kurz gehalten, dass sie sich auf dem Bildschirm bequem lesen lässt.
Ist mein Audio privat?
Ihr Audio wird nicht dauerhaft gespeichert: Es wird gelöscht, sobald es verarbeitet wurde. Die erzeugten Transkripte, Untertitel und übersetzten Dateien bleiben 24 Stunden zum Download verfügbar und werden dann endgültig gelöscht.
Die Dateien werden verschlüsselt übertragen, und Ihre Inhalte werden weder verkauft noch zum Training von KI-Modellen verwendet. Zur Texterstellung werden Audio und Transkript von Spracherkennungs- und KI-Sprachdiensten Dritter verarbeitet. Details finden Sie in der Datenschutzerklärung.
Wer Audio zu Text nutzt
Podcaster
Veröffentlichen Sie zu jeder Folge ein Transkript, damit Hörer darin suchen können, und übernehmen Sie Zitate für Social-Media-Beiträge und Show Notes, ohne das Audio erneut abzuspielen.
Journalisten und Forschende
Transkribieren Sie Interviews, um Zitate zu prüfen, Antworten für eine Studie zu kodieren oder neben der Originalaufnahme ein schriftliches Protokoll zu führen.
Studierende
Machen Sie aus aufgezeichneten Vorlesungen und Seminaren Text und suchen Sie dann gezielt die Stelle, die Sie brauchen, statt den ganzen Kurs erneut anzuhören.
Teams
Transkribieren Sie Besprechungsaufnahmen, um Notizen mit Personen zu teilen, die nicht dabei waren, und festzuhalten, was beschlossen wurde.
Preise
Transparente Preise. Riesige Kontingente. Pure Produktivität.
Wähle einen Plan, der zu deinem Workflow passt, und genieße unübertroffene Transkriptionsgeschwindigkeit bei absoluter Privatsphäre.
Pay-As-You-Go
Kaufe Credits nach Bedarf. Kein Abo, keine Verpflichtung.
Noch $8 mehr für +10% Bonus
Sichere Zahlung · Dateien werden nach 24 Std. gelöscht
Starter
Perfekt zum Ausprobieren
Für immer kostenlos
Kostenlos testen- 15 Gratisminuten ohne Anmeldung, 20 weitere mit kostenlosem Konto
- Cloud-API-Verarbeitung
- Alle Exportformate (TXT, SRT, VTT, DOCX)
Pro
Für tägliche Profis
Enthält 4.000 Credits/Monat (~66 Stunden)
Registriere dich für 25% Extra-Bonus
- Priorisierte Cloud-Turbo-Engine
- Verschlüsselte Übertragung · Dateien nach 24 Std. automatisch gelöscht
- Alle Exportformate (TXT, SRT, VTT, DOCX)
Max
Für Power-User & Teams
Enthält 15.000 Credits/Monat (~250 Stunden)
Registriere dich für 25% Extra-Bonus
- Alles aus Pro
- Höchste Priorität in der Warteschlange
- Kommerzielle Lizenz
- API-Zugang (Demnächst)
Häufig gestellte Fragen
Ja. Die ersten 15 Minuten einer Datei werden kostenlos transkribiert, ganz ohne Anmeldung. Mit einem kostenlosen Konto erhalten Sie 20 weitere Gratisminuten und behalten Ihren Verlauf.
Die meisten Dateien sind in wenigen Minuten fertig, und auch eine lange Aufnahme kommt als ein vollständiges Transkript zurück.
Nein, nicht langfristig. Ihr hochgeladenes Audio wird gelöscht, sobald es verarbeitet wurde. Die von uns erzeugten Transkripte, Untertitel und übersetzten Dateien bleiben 24 Stunden zum Herunterladen erhalten und werden dann endgültig gelöscht. Ihre Inhalte werden weder verkauft noch zum Training von KI-Modellen verwendet.
Laden Sie die Audiodatei auf dieser Seite hoch, und die Transkription startet von selbst: Die Sprache wird automatisch erkannt und der Text mit Zeitstempeln ausgegeben. Anschließend können Sie das Transkript im Browser lesen oder als TXT, DOCX, SRT oder VTT herunterladen. Es muss keine Software installiert werden.
In der Praxis gibt es keinen: Beides bedeutet, aufgezeichnete Sprache in geschriebenen Text umzuwandeln, und Speech-to-Text ist ein dritter Name für dasselbe. „Audio zu Text“ ist die übliche Bezeichnung für das Werkzeug, „Audio-Transkription“ für den Vorgang und sein Ergebnis, das Transkript.
Das, das Sie bereits haben. Die Spracherkennung braucht kein besonderes Format, und eine erneute Umwandlung kann nur Qualität kosten. Wenn Sie etwas Neues aufnehmen, bewahrt ein unkomprimiertes oder leicht komprimiertes Format wie WAV, FLAC oder ein hochwertiges M4A die meisten Details, aber auch ein normales MP3 lässt sich gut transkribieren.
Ja. Sprachmemos, Diktate und Aufnahmen aus jeder Handy-App oder jedem Rekorder lassen sich unverändert hochladen, in Formaten wie M4A, MP3, WAV oder AMR. Sie erhalten den Text mit Zeitstempeln und können ihn als TXT oder Word herunterladen.
Ja, aber die Genauigkeit sinkt, je lauter die Geräusche werden. Gleichmäßige Geräusche wie eine Klimaanlage stören weniger als Musik, überlagerte Stimmen oder ein Sprecher weit vom Mikrofon entfernt. Nehmen Sie, wenn möglich, nah am Sprecher auf; prüfen Sie bei einer vorhandenen Aufnahme die Stellen mit den lautesten Geräuschen.
Es gibt keine feste Grenze für Länge oder Dateigröße. Lange Aufnahmen kommen als ein vollständiges Transkript zurück, und abgerechnet wird nach Audiominuten (1 Credit = 1 Minute).
Ja. Nach der Transkription können Sie den Text oder die Untertitel in 29 Sprachen übersetzen und die Übersetzung als TXT, DOCX, SRT oder VTT herunterladen. Für Video siehe den Video-Übersetzer.