MP3 in Text umwandeln

Q: Kann ich nur einen Teil einer langen MP3 transkribieren?

Ja. Geben Sie unter **Erweiterte Einstellungen** bei **Beginn bei** und **Ende bei** Sekunden oder Minuten:Sekunden ein, zum Beispiel 12:30 bis 18:00. Nur dieser Abschnitt wird transkribiert, was schneller geht, wenn Sie aus einem langen Interview nur eine Antwort brauchen.

Q: Erkennt das Tool, wer spricht?

Mit aktivierter **Sprecherkennzeichnung** markiert das Transkript Stimmwechsel als Sprecher 1, Sprecher 2 usw. Namen kennt es nicht, ersetzen Sie die Kennzeichnungen daher anschließend in Word durch die echten Namen.

Laden Sie eine MP3 einer Vorlesung, eines Interviews, Meetings oder Podcasts hoch und erhalten Sie das Gesprochene als Text, den Sie durchsuchen, bearbeiten und zitieren können. Wählen Sie reinen Text für Notizen, Word zum Bearbeiten oder SRT und VTT, wenn der Text synchron zu einem Video laufen soll.

oder MP3, WAV, M4A …-Dateien hierher ziehen ·

Max. 95 MB pro Datei· Bis zu 20 Dateien· Gelöscht nach 30 Minuten

Transkription

Gesprochene Sprache

Ausgabe

Dateien werden auf unseren Servern verarbeitet und nach 30 Minuten gelöscht.

So verwenden Sie dieses Tool

1
MP3 hochladen
Ziehen Sie eine oder mehrere MP3-Dateien hinein, bis zu 20 gleichzeitig mit je 95 MB. Auch andere Audio- und Videodateien wie M4A, WAV und MP4 funktionieren.
2
Sprache und Ausgabeformat festlegen
Gesprochene Sprache steht auf Automatisch erkennen, dabei werden die ersten 30 Sekunden analysiert. Wählen Sie die Sprache selbst, wenn die Aufnahme mit Musik beginnt. Ausgabe startet bei reinem Text; wechseln Sie bei Bedarf zu Word, PDF, SRT oder VTT.
3
Transkribieren und herunterladen
Klicken Sie auf Transkribieren und laden Sie das Transkript herunter. Aktivieren Sie vorher unter Erweiterte Einstellungen die Zeitstempel oder die Sprecherkennzeichnung, wenn Sie Passagen finden oder Stimmen unterscheiden möchten.

Wer eine MP3 transkribiert, macht aus Minuten des Zuhörens Sekunden des Lesens: Sie suchen nach einem Wort, kopieren ein Zitat oder geben den Text an jemanden weiter, der kein Audio abspielen kann.

Warum eine MP3 in Text umwandeln?

MP3 ist das Format, das die meisten Diktiergeräte, Aufnahme-Apps und Podcast-Tools exportieren, daher haben Sie meist genau diese Datei. Studierende transkribieren aufgezeichnete Vorlesungen, um mit Notizen zu lernen, Journalisten ziehen wörtliche Zitate aus Interviews, Forschende kodieren Fokusgruppen, und Podcaster veröffentlichen Transkripte, damit die Folge über Suchmaschinen gefunden und auch von gehörlosen und schwerhörigen Menschen gelesen werden kann.

Die Ausgabe bestimmt, was Sie danach tun können. Nur Text (TXT) lässt sich überall einfügen. Word (DOCX) eignet sich zum Bearbeiten und Kommentieren. PDF passt für ein Transkript, das nicht verändert werden soll. SRT und VTT sind Untertiteldateien mit Zeitangaben, und JSON listet für Entwickler jedes Wort mit seiner Zeit auf.

Steckt die Aufnahme in einem Video, können Sie das Video direkt hochladen; die Tonspur wird transkribiert. Oder extrahieren Sie den Ton vorher mit MP4 in MP3, wenn das Video zu groß zum Hochladen ist.

Dateien pro Durchgang: 20
pro Datei: 95 MB
Sprachen plus automatische Erkennung: 33
bis Uploads gelöscht werden: 30 Min.

Was die Genauigkeit bei MP3 in Text beeinflusst

Sich überlappende Sprecher: Zwei Stimmen gleichzeitig sind der schwierigste Fall. Bei Podiumsdiskussionen und Aufnahmen am Esstisch gehen dort die meisten Wörter verloren, wo sich Personen unterbrechen.
Hintergrundgeräusche: Musik, Verkehr und Klimaanlagen konkurrieren mit der Sprache. Ein ruhiger Raum ist wichtiger als ein teures Mikrofon.
Telefon- und Anrufaufnahmen: Herkömmliche Telefonleitungen übertragen nur ein schmales Frequenzband, daher verschwimmen Konsonanten. Bei Anrufaufnahmen müssen Sie mit mehr Korrekturen rechnen.
Falsche Spracheinstellung: Die automatische Erkennung kann sich bei einer Datei irren, die mit Musik beginnt oder die Sprache wechselt. Stellen Sie Gesprochene Sprache selbst ein, dann klappt es.

MP3 in SRT-Untertitel mit Zeitstempeln umwandeln

Zwei Untertitel aus einer SRT-Datei

1
00:00:01,200 --> 00:00:04,050
Willkommen zurück zur Sendung.

2
00:00:04,300 --> 00:00:07,900
Heute sprechen wir über Aufnahmen zu Hause.

SRT stammt von SubRip, einem Untertitel-Tool für Windows, und ist das am weitesten akzeptierte Untertitelformat: eine Nummer, Start- und Endzeit mit einem Komma vor den Millisekunden und der Untertiteltext. VTT, auch WebVTT, ist die Version des W3C für Web-Videoplayer und verwendet statt des Kommas einen Punkt. Beide sind reiner Text, sodass Sie ein falsch verstandenes Wort in jedem Editor korrigieren können.

Untertitelzeilen werden standardmäßig bei 42 Zeichen umbrochen, dem Limit, das professionelle Untertitel-Styleguides wie der von Netflix für die meisten Sprachen mit lateinischer Schrift nutzen. Wenn Sie Zeitmarken in einem Dokument statt in einer Untertiteldatei möchten, bleiben Sie bei TXT, Word oder PDF und aktivieren Sie Zeitstempel, die vor jedem Absatz eine Markierung wie [01:15] setzen. Sie haben schon Untertitel und brauchen reinen Text? SRT in TXT entfernt Nummern und Zeitangaben.

Fragen zu MP3 in Text

Wie genau ist die Transkription einer MP3?

Das hängt weit mehr von der Aufnahme ab als vom Dateiformat. Eine klare Stimme nah am Mikrofon wird sehr gut transkribiert; ein Telefonat, ein lautes Café oder mehrere Personen, die durcheinanderreden, führen zu mehr Fehlern. Lesen Sie das Transkript immer einmal durch, bevor Sie daraus zitieren.

Kann ich nur einen Teil einer langen MP3 transkribieren?

Ja. Geben Sie unter Erweiterte Einstellungen bei Beginn bei und Ende bei Sekunden oder Minuten:Sekunden ein, zum Beispiel 12:30 bis 18:00. Nur dieser Abschnitt wird transkribiert, was schneller geht, wenn Sie aus einem langen Interview nur eine Antwort brauchen.

Welches Ausgabeformat eignet sich für YouTube-Untertitel?

SRT oder VTT. Beide enthalten für jede Zeile Start- und Endzeit, und YouTube Studio akzeptiert beide beim Hochladen einer Untertiteldatei. Lassen Sie Zeichen pro Zeile bei 42, damit jeder Untertitel in zwei kurze Zeilen auf dem Bildschirm passt.

Was enthält die JSON-Ausgabe?

Jedes Wort mit Start- und Endzeit. Entwickler nutzen das für interaktive Transkripte, die Suche in Audio oder das Schneiden von Clips an exakten Wörtern. Zum Lesen sind TXT oder Word besser geeignet.

Meine MP3 ist größer als 95 MB. Was kann ich tun?

Sprache braucht keine hohe Bitrate. Kodieren Sie die Datei mit Audio komprimieren neu mit 64 kbit/s in Mono, das verkleinert eine lange Aufnahme um ein Vielfaches, ohne die Transkription zu beeinträchtigen. Laden Sie dann die kleinere Datei hoch.

Erkennt das Tool, wer spricht?

Mit aktivierter Sprecherkennzeichnung markiert das Transkript Stimmwechsel als Sprecher 1, Sprecher 2 usw. Namen kennt es nicht, ersetzen Sie die Kennzeichnungen daher anschließend in Word durch die echten Namen.