Spracherkennung wie Whisper versteht ruhig gesprochenes Deutsch inzwischen sehr gut. Die Arbeit steckt in dem, was danach kommt: Wer spricht wann, wo beginnt ein neuer Beitrag, wie sieht der Text aus, damit man ihn zitieren, auswerten oder veröffentlichen kann. Genau das macht unser Programm für Sie.
Was Sie bekommen
- eine Word-Datei, in der jeder Redebeitrag ein eigener Absatz mit Kürzel ist, mit Zeilennummern am Rand
- auf Wunsch eine Zeitmarke am Ende jedes Absatzes, damit Sie die Stelle in der Aufnahme schnell finden
- dieselbe Fassung als RTF und als reinen Text
- einen Prüfbericht mit allen Stellen, an denen die Erkennung unsicher war, mit Zeitangabe
- auf Wunsch Untertitel als SRT und VTT, ohne Aufpreis
Sie wählen, wie geglättet der Text sein soll: nach den Regeln von Dresing/Pehl ohne äh und ähm, wörtlich mit allen Füllwörtern oder als gut lesbare Fassung für Vorträge und Podcasts.
Für welche Aufnahmen es gut passt
Am besten funktioniert es bei Gesprächen mit wenigen Personen in einem ruhigen Raum, bei Vorträgen mit Mikrofon und bei Sprachnotizen. Schwieriger sind Telefonate über den Lautsprecher, Gespräche im Café, starker Dialekt und Diskussionen, in denen alle durcheinander reden. Die Software rät dort nicht, sie markiert unsichere Stellen. Ist eine Aufnahme so schlecht, dass die Prüfung anschlägt, melden wir uns, bevor Sie etwas bekommen.
Ob Interview, Fokusgruppe, Vorlesung oder Sprachmemo: Der Ablauf ist derselbe. Für Videos gibt es eine eigene Seite zu Video transkribieren.
So läuft es ab
Sie wählen die Datei aus. Der Browser misst die Länge, ohne die Aufnahme dabei zu verschicken, und zeigt den Festpreis. Dann geben Sie an, wie viele Personen sprechen, welche Regeln Sie wollen und ob Fachbegriffe vorkommen. Nach der Zahlung beginnt die Erkennung. Eine Stunde Aufnahme ist meist nach etwa einer Stunde fertig, garantiert innerhalb von 12 Stunden. Den Download-Link bekommen Sie per Mail. Wer eine Aufnahme gerade bereit hat: Audio hochladen und den Preis sehen, bevor Sie etwas bezahlen.
Wo die Aufnahme bleibt
Viele Online-Dienste verarbeiten Audio auf Servern in den USA oder geben es an große Sprachmodelle weiter. Bei uns läuft die Erkennung auf einem eigenen Rechner in Deutschland, und weder Aufnahme noch Text gehen an einen KI-Anbieter. Sieben Tage nach der Lieferung löschen wir alles automatisch. Die Dateien kommen als Link, nicht als Mailanhang. Mehr dazu unter Transkription und DSGVO.
Was die einzelnen Stufen kosten und wie das im Vergleich zu Schreibbüros aussieht, steht unter Transkription Kosten.
Das Bestellformular wird geladen.
Häufige Fragen
Welche Audioformate gehen?
MP3, M4A, WAV, OGG, Opus, FLAC, AAC, WMA und AMR. Das deckt Handyaufnahmen, Sprachmemos vom iPhone, WhatsApp-Sprachnachrichten und Diktiergeräte ab. Videos gehen auch, dann nutzen wir nur die Tonspur.
Wie lang darf die Aufnahme sein?
Bis vier Stunden und 2 GB je Datei. Der Preis richtet sich nach der Länge, von 9,90 € bis 15 Minuten bis 159,90 € für vier Stunden.
Gibt es das auch kostenlos?
Ja, es gibt kostenlose Werkzeuge, etwa die Diktierfunktion in Word oder Programme, die Whisper auf dem eigenen Rechner ausführen. Dafür formatieren Sie selbst, und bei Online-Diensten landet die Aufnahme oft auf fremden Servern. Einen Vergleich finden Sie unter Interview kostenlos transkribieren.