Datenschutz an erster Stelle
Hochgeladene Dateien werden innerhalb von zwei Stunden automatisch und dauerhaft gelöscht.
Automatische Löschung
Sprache in TXT umwandeln
Diktieren Sie Diktate, Erzählungen, Vorlesungsnotizen, Interviewantworten oder einen kurzen Kommentar direkt im Browser, oder laden Sie eine Aufnahme hoch, und erhalten Sie die gesprochenen Worte als Klartextdatei (.txt, UTF 8). 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 Wörter mit Satzzeichen; Sprecherwechsel können optional für Interviews und Besprechungen markiert werden. Ausgabe: eine reine Textdatei (.txt, UTF 8).
-
Privat: Erst nach Ihrer Bestätigung wird etwas hochgeladen. Audio und Transkript werden nach der Verarbeitung automatisch gelöscht, spätestens innerhalb weniger Stunden.
Transkription
So funktioniert die Umwandlung von Sprache in TXT
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 läuft.
Wie Sie Converter App verwenden
1
Aufnehmen oder hochladen
Klicken Sie auf „Mit Ihrem Mikrofon aufnehmen“, erlauben Sie einmalig den Zugriff und sprechen Sie. Ein Timer und eine Pegelanzeige bestätigen, dass Audio empfangen wird. Oder laden Sie eine vorhandene Aufnahme hoch – Sprachnotizen von jedem Smartphone sind geeignet.
2
Prüfen und starten
Hören Sie sich die Aufnahme im Dialog an. Aktivieren Sie für Interviews und Besprechungen „Mehrere Sprecher erkennen“ (markiert, wer spricht, dauert jedoch deutlich länger). Starten Sie anschließend die Transkription.
3
Transkript herunterladen
Der Fortschritt wird angezeigt, während das Modell arbeitet; einige Minuten Sprache sind in der Regel in deutlich unter einer Minute verarbeitet. Laden Sie auf der Ergebnisseite eine Klartextdatei (.txt, UTF 8) 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.
TXT Ausgabe, die zu Ihrem Workflow passt
Das Transkript wird als einfache UTF 8 Textdatei mit normaler Zeichensetzung und Absatzumbrüchen gespeichert. Es lässt sich daher in jedem Editor, Textverarbeitungsprogramm oder jeder Notiz-App öffnen und überall einfügen.
Kostenlos und privat
Kein Konto, kein Wasserzeichen, kein Testlimit. Die Aufnahme verlässt Ihr Gerät erst, wenn Sie dies bestätigen, und Audio sowie 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
Wie Sprache auf dieser Seite zu TXT wird
Ihr Browser zeichnet das Mikrofon als Opus-Audio (Chrome, Firefox, Edge) oder AAC (Safari) auf und hält die Aufnahme im Speicher. Wenn Sie bestätigen, wird die Datei per HTTPS an einen unserer Transkriptionsserver hochgeladen.
Dort dekodiert ffmpeg das Audio, und Whisper – ein Open-Source-Modell zur Spracherkennung – wandelt es in einem Durchgang in Text um, einschließlich Zeichensetzung und Satzumbrüchen. Wenn die Sprechererkennung aktiviert ist, teilt ein Diarisierungsmodell das Audio zunächst nach Sprechern auf und das Transkript wird entsprechend gekennzeichnet.
Das Transkript wird als einfache UTF 8 Textdatei mit normaler Zeichensetzung und Absatzumbrüchen gespeichert, sodass es in jedem Editor, Textverarbeitungsprogramm oder jeder Notiz-App geöffnet und überall eingefügt werden kann. Auf der Ergebnisseite können Sie es herunterladen; die Audiodatei und das Transkript werden anschließend 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 Überschneidungen. Halten Sie das Mikrofon 10–20 cm von Ihrem Mund entfernt; ein nah gehaltenes Smartphone ist besser als ein Laptop auf der anderen Tischseite. 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. Unvollständige Sätze und Füllwörter führen daher zu schlechteren Texten als etwas langsameres, vollständiges Sprechen. Bitten Sie bei Interviews darum, 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 dauerhaft den Höchstwert erreicht, nehmen Sie die Aufnahme besser erneut auf, statt darauf zu hoffen, dass die Transkription korrekt wird.
Typische Einsatzmöglichkeiten für Sprache zu TXT
Dieses Tool wird von Lehrkräften, Podcastern, Journalisten und allen genutzt, die ihre Gedanken schneller laut formulieren als auf einer Tastatur: um eine E-Mail oder einen Artikel per Sprache zu entwerfen, Besprechungsprotokolle festzuhalten, eine Vorlesung oder Sprachnotiz in durchsuchbare Notizen umzuwandeln, Interviewantworten für Recherchen zu transkribieren und eine lesbare Version einer Sprachnachricht zu erhalten, die gerade nicht abgespielt werden kann.
Da Whisper die Sprache automatisch erkennt, funktioniert dieselbe Seite ohne Einstellungen 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 vorhanden sind – Podcasts, Vorlesungen oder 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-Zeitangaben – für SRT- oder VTT Dateien verwenden Sie die Untertitel-Konverter auf dieser Website. Es erkennt Sprecher nicht anhand ihres Namens, sondern nur anhand eines Sprecherwechsels, wenn die Sprechererkennung aktiviert ist. Außerdem kann es keine Wörter wiederherstellen, die in der Aufnahme nicht hörbar sind.
Eigennamen, Produktnamen und seltene Abkürzungen sind die häufigsten Fehlerquellen; bei einer klaren Aufnahme genügt in der Regel ein kurzes Durchlesen des Ergebnisses mit Blick auf diese Punkte.
FAQ
Häufig gestellte Fragen
Wie genau ist die Transkription?
Bei einer klaren Aufnahme mit nur einer sprechenden Person erkennt Whisper in wichtigen Sprachen einschließlich Zeichensetzung in der Regel deutlich über 90 % der Wörter korrekt. Bei starken Hintergrundgeräuschen, mehreren gleichzeitig sprechenden Personen, sehr leiser Audioqualität oder ausgeprägtem Dialekt 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 das Audio hochgeladen, während ich spreche?
Nein. Der Rekorder speichert das Audio in Ihrem Browser, bis Sie im Dialog auf die Schaltfläche klicken. 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 genauso viel Zeit.
Was bewirkt „Mehrere Sprecher erkennen“?
Vor der Transkription wird eine Sprechererkennung durchgeführt und bei jedem Sprecherwechsel eine Markierung eingefügt. Nutzen Sie dies für Interviews, Besprechungen und Podcasts; bei Diktaten und Sprachnotizen sollten Sie es deaktiviert lassen, da es dort nur die Wartezeit verlängert.
Warum eine .txt-Datei und kein Word-Dokument?
Reiner Text ist das am einfachsten nutzbare Ergebnis: Er lässt sich auf jedem Gerät öffnen, problemlos in Notizen, E-Mails, CMS Editoren und Chats einfügen und benötigt kaum Speicherplatz. Wenn Sie ein formatiertes Dokument benötigen, fügen Sie den Text in Ihre Textverarbeitung ein oder nutzen Sie das Sprache zu PDF Tool auf dieser Website.