Audio in Text umwandeln
Legen Sie eine Aufnahme, eine Sprachnotiz oder ein Video ab und erhalten Sie den Text in Ihrer Sprache. Die Spracherkennung läuft auf Ihrem Gerät.
Auf diesem Gerät versiegelt
Läuft in Ihrem Browser. Nichts wird hochgeladen.
Versiegelt
Ihre Aufnahme
So funktioniert es
-
Aufnahme hinzufügen
Legen Sie eine Audio- oder Videodatei ab oder wählen Sie sie aus. Sie wird auf Ihrem Gerät gelesen und nie hochgeladen.
-
Sprache wählen
Lassen Sie „Automatisch erkennen“ eingestellt oder wählen Sie die gesprochene Sprache, und starten Sie. Beim ersten Mal wird das Sprachmodell einmalig heruntergeladen.
-
Kopieren oder herunterladen
Der Text erscheint, während er geschrieben wird. Korrigieren Sie ihn bei Bedarf und kopieren Sie ihn oder speichern Sie ihn als .txt-Datei.
Häufige Fragen
Wird meine Aufnahme auf einen Server hochgeladen?
Nein. Die Datei wird in Ihrem Browser auf Ihrem Gerät dekodiert und transkribiert. Nur das Sprachmodell wird von dieser Website heruntergeladen, und der Browser speichert es für das nächste Mal. Ihr Audio und der Text werden nie irgendwohin gesendet.
Wie genau ist die Transkription?
Bei deutlicher Sprache gut, aber nicht perfekt. Hintergrundgeräusche, Musik, starke Akzente, Personen, die durcheinandersprechen, Namen und Fachbegriffe führen zu Fehlern. Lesen Sie den Text vor der Verwendung und korrigieren Sie ihn direkt. Das Tool unterscheidet nicht zwischen Sprechern.
Welche Sprachen kann es transkribieren?
Mehr als 50, darunter Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Italienisch, Niederländisch, Polnisch, Russisch, Ukrainisch, Türkisch, Arabisch, Hindi, Chinesisch, Japanisch, Koreanisch, Indonesisch, Vietnamesisch und Thai. Am genauesten ist es bei weit verbreiteten Sprachen. Die automatische Erkennung hört die ersten 30 Sekunden an.
Wie lange dauert es?
Das hängt von Ihrem Gerät und der Länge der Aufnahme ab. Die Spracherkennung läuft auf Ihrem Prozessor, daher ist ein aktueller Computer viel schneller als ein älteres Smartphone. Beim ersten Durchlauf kommt der einmalige Download des Modells hinzu, nachdem Sie ihm zugestimmt haben. Sie können jederzeit abbrechen und behalten, was bereits transkribiert wurde.
Welche Dateien werden unterstützt?
Die meisten Audio- und Videodateien: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM und MOV. Kann der Browser eine Datei nicht selbst lesen, versucht es das Tool mit einem integrierten Konverter. Dateien bis 2 GB lassen sich öffnen, sehr lange Aufnahmen brauchen aber viel Arbeitsspeicher.
Welche Open-Source-Komponenten werden genutzt?
Die Spracherkennung ist Whisper (Modell „base“), von OpenAI unter der MIT-Lizenz veröffentlicht, in der ONNX-Version der ONNX Community. Sie läuft mit Transformers.js von Hugging Face (Apache-2.0-Lizenz) und ONNX Runtime Web von Microsoft (MIT-Lizenz). Dateien, die Ihr Browser nicht selbst dekodieren kann, werden mit FFmpeg umgewandelt, das zu WebAssembly kompiliert ist (ffmpeg.wasm) und dessen Kern unter der GPL steht.