Audio in Text umwandeln
Wavetotext ist ein kostenloser Audio-zu-Text-Konverter mit Sprechererkennung. Er führt Whisper, das Open-Source-Modell von OpenAI, in deinem Browser aus, deine Dateien verlassen dein Gerät also nie.
Wähle Dateien oder klicke auf Aufnehmen.
Transkript
Auf diesem Gerät gespeichert
Läuft auf deinem Gerät. Die Modelle werden beim ersten Mal geladen und dann vom Browser behalten. PDF öffnet das Druckfenster: wähle Als PDF speichern.
So wandelst du Audio in Text um
- Wähle eine oder mehrere Dateien, zieh sie in das Feld oder klicke auf Aufnehmen, um dein Mikrofon zu nutzen.
- Wähle die gesprochene Sprache oder lass Automatisch erkennen stehen. Schalte für Interviews und Meetings die Sprechererkennung ein.
- Klicke auf Transkribieren. Die Dateien laufen nacheinander, und der Text erscheint Stück für Stück.
- Hör dir das Audio an, korrigiere Fehler, benenne die Sprecher um und lade Word, PDF, TXT, SRT oder VTT herunter.
Das bekommst du
- Kostenlos, ohne Konto Keine Anmeldung, kein Bezahlabo und keine Minutengrenze von uns. Die einzige Grenze ist der Speicher deines Geräts.
- Kein Upload Whisper läuft auf deinem Gerät. Dein Audio geht nie an einen Server.
- Viele Dateien auf einmal Zieh einen ganzen Ordner mit Aufnahmen hinein. Sie laufen nacheinander.
- Sprechererkennung Sieh, wer was gesagt hat, und ersetze Sprecher 1 und 2 durch echte Namen.
- 99 Sprachen Wähle eine oder lass Whisper sie erkennen. Übersetzung ins Englische inklusive.
- Tempo der Grafikkarte In Browsern mit WebGPU führt deine Grafikkarte das Modell aus. Ist sie zu langsam, übernimmt der Prozessor.
- Mit dem Audio bearbeiten Klicke auf eine Zeile, um sie zu hören, und korrigiere die Wörter direkt dort.
- Word, PDF, Untertitel Lade DOCX, PDF, TXT, SRT oder VTT herunter, mit oder ohne Zeitmarken.
Welche Qualität passt
| Qualität | Modell | Download | Gut für |
|---|---|---|---|
| Schnell | Whisper tiny | Ca. 45 MB (80 MB mit Grafikkarte) | Klares Englisch, ältere Handys, einen schnellen Überblick |
| Ausgewogen | Whisper base | Ca. 80 MB (150 MB mit Grafikkarte) | Die meisten Aufnahmen auf einem Laptop oder neueren Handy |
| Beste | Whisper small | Ca. 250 MB (490 MB mit Grafikkarte) | Akzente, Hintergrundgeräusche, andere Sprachen als Englisch, Übersetzung |
Jedes Modell wird nur einmal geladen. Danach kommt es aus dem Speicher deines Browsers. Die Sprechererkennung braucht beim ersten Mal etwa 33 MB zusätzlich.
Gemacht für
Jedes Format umwandeln
Audio in deiner Sprache transkribieren
Fragen
Ist das wirklich kostenlos?
Ja. Kein Konto, keine Anmeldung, kein Bezahlabo. Die Arbeit erledigt dein eigenes Gerät, also gibt es keine Serverkosten, die wir weitergeben müssten. Die einzige Grenze ist der Speicher deines Geräts: Lange Dateien brauchen mehr davon.
Wird mein Audio hochgeladen?
Nein. Dein Browser öffnet die Datei und führt das Sprachmodell auf deinem Gerät aus. Nur die Modelle werden geladen, von Hugging Face. Dein Audio und deine Transkripte werden nirgendwohin geschickt.
Welche Dateien kann ich umwandeln?
MP3, WAV, M4A, OGG, Opus, FLAC, AAC, MP4 und WebM öffnen sich in den meisten Browsern sofort. AVI, MOV, MKV und andere Videos, die dein Browser nicht öffnen kann, laufen durch einen eingebauten Konverter, der beim ersten Mal etwa 10 MB lädt.
Kann ich viele Dateien auf einmal transkribieren?
Ja. Wähle oder zieh so viele Dateien hinein, wie du willst. Sie landen in einer Liste und laufen nacheinander, und du kannst jedes Transkript öffnen, sobald es startet.
Kann es Sprecher unterscheiden?
Ja. Stell Sprecher erkennen auf Sprecher erkennen oder auf die Zahl der Personen, wenn du sie kennst. Jeder Abschnitt bekommt ein Etikett wie Sprecher 1 oder Sprecher 2, das du umbenennen kannst. Ähnliche Stimmen können verwechselt werden, also prüf es vor dem Teilen.
Welche Sprachen versteht es?
Alle 99 Sprachen, mit denen Whisper trainiert wurde. Wähle die gesprochene Sprache oder lass sie erkennen. Am besten klappt es bei weit verbreiteten Sprachen, schwächer bei Sprachen mit weniger Trainingsdaten.
Funktioniert es auf dem Handy?
Ja, in aktuellen mobilen Browsern. Handys sind langsamer als Laptops, deshalb passen die Qualitäten Schnell oder Ausgewogen am besten. Lass die Seite offen und den Bildschirm an: Handys pausieren Seiten im Hintergrund oft.
Wie lange dauert es?
Das hängt von deinem Gerät, der Länge der Datei und der gewählten Qualität ab. Ein Laptop ist viel schneller als ein Handy, mit Grafikkarte geht es noch schneller. Die ersten Teile kannst du schon lesen, während der Rest läuft.
Gibt es eine Größenbeschränkung?
Es gibt kein festes Limit, aber die ganze Datei wird in den Arbeitsspeicher geladen. Lange Aufnahmen brauchen mehr Speicher, auf dem Handy sind kürzere Dateien und die Qualität Schnell daher sicherer. In unseren Tests lief eine Aufnahme von 1 Stunde auf einem Computer mit Grafikkarte komplett durch, und eine Datei von 2 Stunden wurde geladen und gestartet.
Wie gut ist das Transkript?
Klare Sprache in einem ruhigen Raum klappt gut. Akzente, Durcheinanderreden, Musik und Lärm führen zu Fehlern, ebenso Namen und seltene Wörter. Lies es immer durch, bevor du es verwendest.
Klappt es auch mit Hintergrundlärm?
Etwas Hintergrundgeräusch ist kein Problem. Laute Musik, Menschenmengen und Wind führen zu Fehlern. Wähle für laute Aufnahmen die Qualität Beste und nimm möglichst nah an der sprechenden Person auf.
Kann ich das Transkript bearbeiten?
Ja. Klicke auf eine Zeile, um sie zu korrigieren, und auf ihre Zeit, um die Stelle anzuhören. Deine Änderungen landen in jedem Download.
In welchen Formaten kann ich herunterladen?
Word (DOCX), PDF, reiner Text (TXT) und Untertitel als SRT oder VTT. Zeitmarken und Sprechernamen sind enthalten, wenn sie eingeschaltet sind.
Wo werden meine Transkripte gespeichert?
Nur in diesem Browser, unter Auf diesem Gerät gespeichert. Sie bleiben dort, bis du sie löschst oder die Website-Daten entfernst. Das Audio selbst wird nicht gespeichert.
Muss ich etwas installieren?
Nein. Alles läuft im Browser. Das Sprachmodell wird beim ersten Transkribieren geladen und bleibt dann im Speicher deines Browsers.
Ist das besser als abtippen?
Es ist viel schneller und kostenlos, aber ein sorgfältiger Mensch ist bei schwierigem Audio immer noch genauer. Eine gute Routine: hier transkribieren, dann beim Abspielen gegenlesen und Fehler korrigieren.