Datenschutz an erster Stelle
Hochgeladene Dateien werden innerhalb von zwei Stunden automatisch und dauerhaft gelöscht.
Automatische Löschung
Sprache zu PDF
Diktieren Sie ein Diktat, eine Erzählung, Vorlesungsnotizen, Interviewantworten oder einen kurzen Sprechertext direkt im Browser, oder laden Sie eine Aufnahme hoch, und erhalten Sie den Text als PDF Dokument. Die Transkription erfolgt mit Whisper, dem Open-Source-Modell zur Spracherkennung, auf unseren eigenen Servern – in rund 100 automatisch erkannten Sprachen.
-
Aufnehmen: Sprechen Sie in den Browser-Rekorder – bis zu 30 Minuten pro Aufnahme – oder laden Sie MP3, WAV, M4A, AAC, OGG, FLAC oder WebM hoch.
-
Transkribieren: Whisper schreibt die Worte mit Satzzeichen; markieren Sie optional Sprecherwechsel für Interviews und Besprechungen. Ausgabe: ein PDF Dokument.
-
Privat: Es wird erst etwas hochgeladen, wenn Sie dies bestätigen. Audio und Transkript werden nach der Verarbeitung automatisch gelöscht, spätestens innerhalb weniger Stunden.
Transkription
So funktioniert die Umwandlung von Sprache in PDF
Die Seite kombiniert einen Recorder im Browser mit einem GPU gestützten Transkriptionssystem. Die Aufnahme erfolgt über die in Chrome, Firefox, Edge und Safari integrierte MediaRecorder-Schnittstelle; die Spracherkennung übernimmt Whisper, das von OpenAI veröffentlichte Open-Source-Modell, das auf unserer eigenen Hardware statt über eine Drittanbieter API ausgeführt wird.
Wie Sie Converter App verwenden
1
Aufnehmen oder hochladen
Klicken Sie auf „Mit Ihrem Mikrofon aufnehmen“, erlauben Sie einmal den Zugriff und sprechen Sie. Ein Timer und eine Pegelanzeige bestätigen, dass Audio empfangen wird. Oder laden Sie eine vorhandene Aufnahme hoch – Sprachmemos von jedem Smartphone sind geeignet.
2
Überprüfen und starten
Hören Sie sich die Aufnahme im Dialog an. Aktivieren Sie für Interviews und Besprechungen „Mehrere Sprecher erkennen“ (dabei wird markiert, wer spricht, es dauert jedoch deutlich länger). Starten Sie anschließend die Transkription.
3
Transkript herunterladen
Der Fortschritt wird angezeigt, während das Modell arbeitet; einige Minuten Sprache benötigen in der Regel deutlich weniger als eine Minute. Laden Sie auf der Ergebnisseite ein PDF Dokument herunter.
Wichtigste Funktionen
Whisper im Hintergrund
Whisper wurde mit 680.000 Stunden mehrsprachigem Audiomaterial trainiert und verarbeitet Akzente, Hintergrundgeräusche und Fachvokabular deutlich besser als die Diktier-Engines von vor einigen Jahren. Die Sprache wird automatisch erkannt.
Sprechererkennung auf Anfrage
Bei Gesprächen kennzeichnet die optionale Sprechererkennung Sprecherwechsel im Transkript. Sie verdoppelt die Verarbeitungszeit ungefähr und ist daher standardmäßig deaktiviert.
PDF Ausgabe, die zu Ihrem Workflow passt
Das Transkript wird zunächst als Text erstellt und anschließend mit LibreOffice als PDF formatiert – ein schlichtes, druckbares Dokument mit auswählbarem Text, ohne Scans oder Bilder.
Kostenlos und privat
Kein Konto, kein Wasserzeichen, kein Testlimit. Die Aufnahme verlässt Ihr Gerät erst nach Ihrer Bestätigung. Audio und Transkript werden nach der Verarbeitung automatisch gelöscht.
Erfahrung & Datenschutz
Für zuverlässige Transkriptions-Workflows entwickelt.
Entwickelt von Ingenieuren mit mehr als 10 Jahren Erfahrung in groß angelegter Infrastruktur, Datensystemen und wissenschaftlichem Rechnen. Entwickelt für reale Audio-Workflows, bei denen Privatsphäre, zuverlässige Verarbeitung und praktische Benutzerfreundlichkeit zählen.
Von Nutzern vertraut
Bewertet mit 5 Sternen auf Trustpilot für Geschwindigkeit, Zuverlässigkeit und einfache Bedienung.
Nutzervertrauen
Akademische Nutzung
In veröffentlichter Forschung erwähnt und für Interview-Transkription und qualitative Datenanalyse verwendet.
Verwendung für Forschungszwecke
So wird Sprache auf dieser Seite in PDF umgewandelt
Ihr Browser zeichnet das Mikrofon als Opus-Audio (Chrome, Firefox, Edge) oder AAC (Safari) auf und speichert die Aufnahme im Arbeitsspeicher. Nach Ihrer Bestätigung wird die Datei über HTTPS auf einen unserer Transkriptionsserver hochgeladen.
Dort dekodiert ffmpeg die Audiodatei, und Whisper – ein Open-Source-Modell zur Spracherkennung – wandelt sie in einem Durchgang in Text um, einschließlich Satzzeichen und Zeilenumbrüchen. Wenn die Sprechererkennung aktiviert ist, teilt ein Sprecherdiarisierungsmodell die Audiodatei zunächst nach Sprechern auf, und das Transkript wird entsprechend gekennzeichnet.
Das Transkript wird zunächst als Text erstellt und anschließend mit LibreOffice als PDF formatiert – ein schlichtes, druckbares Dokument mit auswählbarem Text, ohne Scans oder Bilder. Auf der Ergebnisseite können Sie es herunterladen; die Audiodatei und das Transkript werden danach automatisch gelöscht.
Aufnahmetipps, die wichtiger sind als jede Einstellung
Die Spracherkennung ist nur so gut wie die Audioqualität. Drei Faktoren machen den größten Unterschied: Abstand, Störgeräusche und Überlappungen. Halten Sie das Mikrofon 10–20 cm von Ihrem Mund entfernt; ein nah gehaltenes Smartphone ist besser als ein Laptop auf der anderen Seite des Tisches. Schalten Sie Ventilatoren aus, schließen Sie das Fenster und vermeiden Sie Räume mit starkem Hall.
Sprechen Sie in normalem Tempo und beenden Sie Ihre Sätze – das Modell nutzt den Kontext, daher führen halbe Sätze und Füllwörter zu schlechteren Texten als etwas langsameres, vollständiges Sprechen. Bitten Sie bei Interviews die Beteiligten, nicht gleichzeitig zu sprechen; überlappende Sprache ist für jede Spracherkennung der schwierigste Fall.
Hören Sie sich die Vorschau an, bevor Sie beginnen. Wenn sich die Pegelanzeige kaum bewegt oder ständig den Höchstwert erreicht, nehmen Sie die Aufnahme erneut auf, statt darauf zu hoffen, dass das Transkript korrekt wird.
Typische Anwendungen für die Umwandlung von Sprache in PDF
Dieses Tool wird von Lehrkräften, Podcastern, Journalisten und allen genutzt, die schneller laut denken als auf einer Tastatur schreiben: zum Verfassen einer E-Mail oder eines Artikels per Sprache, zum Festhalten von Sitzungsprotokollen, zum Umwandeln einer Vorlesung oder Sprachnotiz in durchsuchbare Notizen, zum Transkribieren von Interviewantworten für Recherchen und zum Erhalten einer lesbaren Version einer Sprachnachricht, die gerade nicht abgespielt werden kann.
Da Whisper die Sprache automatisch erkennt, funktioniert dieselbe Seite ohne Einstellung für ein deutsches Diktat, eine spanische Sprachnotiz oder eine englische Vorlesung. Das Transkript wird nicht übersetzt, sondern in der gesprochenen Sprache erstellt.
Für Audiodateien, die bereits als Datei vorliegen – Podcasts, Vorlesungen, Anrufe – verwenden die Audio-zu-Text- und MP3 zu Text Konverter auf dieser Website dieselbe Engine mit denselben Optionen.
Was dieses Tool nicht kann
Es übersetzt nicht: Transkripte werden in der gesprochenen Sprache erstellt. Es erzeugt keine Untertitel-Zeitmarken – für SRT- oder VTT Dateien verwenden Sie die Untertitel-Konverter auf dieser Website. Es erkennt Sprecher nicht anhand ihres Namens, sondern bei aktivierter Sprechererkennung nur Sprecherwechsel. Außerdem kann es keine Wörter wiederherstellen, die in der Aufnahme nicht hörbar sind.
Eigennamen, Produktnamen und seltene Abkürzungen sind die häufigsten Fehlerquellen; bei einer sauberen Aufnahme genügt meist ein kurzes Durchlesen des Ergebnisses mit Blick darauf.
FAQ
Häufig gestellte Fragen
Wie genau ist das Transkript?
Bei einer klaren Aufnahme mit nur einem Sprecher erkennt Whisper in wichtigen Sprachen, einschließlich der Zeichensetzung, in der Regel deutlich über 90 % der Wörter korrekt. Bei starken Hintergrundgeräuschen, mehreren gleichzeitig sprechenden Personen, sehr leisen Audiodateien oder ausgeprägten Dialekten sinkt die Genauigkeit – die folgenden Tipps zur Aufnahme helfen mehr als jede Einstellung.
Welche Sprachen werden unterstützt?
Whisper erkennt etwa 100 Sprachen und wählt die Sprache anhand der ersten Sekunden der Audiodatei automatisch aus, sodass Sie nichts einstellen müssen. Aufnahmen mit mehreren Sprachen werden in der vorherrschenden Sprache transkribiert. Das Transkript wird in der gesprochenen Sprache erstellt und nicht übersetzt.
Wird die Audiodatei während des Sprechens hochgeladen?
Nein. Der Rekorder speichert das Audio in Ihrem Browser, bis Sie die Schaltfläche im Dialog drücken. Wenn Sie abbrechen oder den Tab schließen, wird nichts gesendet. Hochgeladene Dateien und Transkripte werden nach der Verarbeitung automatisch gelöscht.
Wie lang darf die Aufnahme sein?
Der Recorder im Browser stoppt nach 30 Minuten; hochgeladene Dateien können länger sein. Die Verarbeitungszeit steigt mit der Länge der Audiodatei, und die Sprechererkennung benötigt zusätzlich etwa die gleiche Zeit.
Was bewirkt „Mehrere Sprecher erkennen“?
Vor der Transkription führt das Tool eine Sprechertrennung durch und fügt bei jedem Sprecherwechsel eine Markierung ein. Nutzen Sie diese Funktion für Interviews, Besprechungen und Podcasts; bei Diktaten und Sprachnotizen sollten Sie sie deaktiviert lassen, da sie dort nur die Wartezeit verlängert.
Wie sieht das PDF aus?
Ein schlichtes A4 Dokument mit dem Transkript als auswählbarem Text – ohne Kopfzeilengrafiken, ohne Wasserzeichen. Es eignet sich zum Ablegen, Drucken oder Anhängen an eine E-Mail. Wenn Sie den Text bearbeiten möchten, erhalten Sie mit dem Speech-to-Text-Tool auf dieser Website dasselbe Transkript als .txt-Datei.