Datenschutz an erster Stelle
Hochgeladene Dateien werden innerhalb von zwei Stunden automatisch und dauerhaft gelöscht.
Automatische Löschung
Sprache zu TXT
Diktieren Sie eine Sprachnotiz, eine Erinnerung, eine Nachricht für einen Kollegen oder ein kurzes Memo direkt im Browser oder laden Sie eine Aufnahme hoch und erhalten Sie die 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-Dateien hoch.
-
Transkribieren: Whisper schreibt die gesprochenen Worte mit Satzzeichen; Sprecherwechsel lassen sich optional für Interviews und Besprechungen markieren. Ausgabe: eine Klartextdatei (.txt, UTF 8).
-
Privat: Es wird nichts hochgeladen, bis Sie dies bestätigen. 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 API eines Drittanbieters läuft.
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“ (dadurch wird markiert, wer spricht, aber die Verarbeitung dauert deutlich länger). Starten Sie anschließend die Transkription.
3
Transkript herunterladen
Der Fortschritt wird angezeigt, während das Modell arbeitet; einige Minuten Sprache werden 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 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 nach Ihrer Bestätigung, 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
So wird Sprache auf dieser Seite zu TXT
Ihr Browser zeichnet das Mikrofon als Opus-Audio (Chrome, Firefox, Edge) oder AAC (Safari) auf und speichert die Aufnahme im Arbeitsspeicher. Wenn Sie bestätigen, 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 Satzumbrüchen. Wenn die Sprechererkennung aktiviert ist, teilt ein Modell zur Sprechertrennung die Audiodatei zunächst nach Sprechern auf und das Transkript wird entsprechend gekennzeichnet.
Das Transkript wird als einfache UTF 8 Textdatei mit normalen Satzzeichen 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 Dinge 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 am anderen Ende 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 Sätze – das Modell nutzt den Kontext. Halbe 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 jedes Erkennungssystem der schwierigste Fall.
Hören Sie sich die Vorschau an, bevor Sie beginnen. Wenn die Pegelanzeige sich kaum bewegt oder ständig den Höchstwert erreicht, nehmen Sie lieber erneut auf, statt zu hoffen, dass das Transkript korrekt wird.
Typische Anwendungsbereiche für Sprache zu TXT
Dieses Tool wird von Menschen genutzt, die lieber sprechen als tippen oder eine Sprachnachricht außerhalb einer Chat-App benötigen: um durch Sprechen eine E-Mail oder einen Artikel zu verfassen, Besprechungsprotokolle festzuhalten, eine Vorlesung oder Sprachnotiz in durchsuchbare Notizen umzuwandeln, Interviewantworten für Forschungszwecke zu transkribieren oder 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 – es wird in der Sprache erstellt, die gesprochen wurde.
Für Audio, das bereits als Datei vorliegt – 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 nur anhand eines Sprecherwechsels, wenn die Sprechererkennung aktiviert ist. Außerdem kann es Wörter nicht wiederherstellen, die in der Aufnahme nicht hörbar sind.
Eigennamen, Produktnamen und seltene Abkürzungen sind die häufigsten Fehlerquellen; meist genügt es, das Ergebnis kurz daraufhin zu prüfen, um eine saubere Aufnahme nachzubearbeiten.
FAQ
Häufig gestellte Fragen
Wie genau ist das Transkript?
Bei einer klaren Aufnahme mit nur einer sprechenden Person erkennt Whisper in den wichtigsten Sprachen einschließlich Zeichensetzung in der Regel deutlich über 90 % der Wörter korrekt. Bei starken Hintergrundgeräuschen, mehreren gleichzeitig sprechenden Personen, sehr leisem Ton oder starkem Dialekt sinkt die Genauigkeit – die folgenden Tipps zur Aufnahme helfen mehr als jede Einstellung.
Welche Sprachen werden unterstützt?
Whisper erkennt rund 100 Sprachen und wählt die Sprache automatisch anhand der ersten Sekunden der Audiodatei 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 während des Sprechens hochgeladen?
Nein. Der Rekorder speichert die Audiodaten 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 ungefähr dieselbe Zeit.
Was bewirkt „Mehrere Sprecher erkennen“?
Vor der Transkription führt das Tool eine Sprechererkennung durch und fügt bei jedem Sprecherwechsel eine Markierung ein. Verwenden Sie diese Option für Interviews, Besprechungen und Podcasts; bei Diktaten und Sprachnotizen sollten Sie sie deaktiviert lassen, da sie nur die Wartezeit verlängert.
Warum eine .txt-Datei und kein Word-Dokument?
Reiner Text ist das vielseitigste Ergebnis: Er lässt sich auf jedem Gerät öffnen, problemlos in Notizen, E-Mails, CMS Editoren und Chats einfügen und benötigt nur wenig Speicherplatz. Wenn Sie ein formatiertes Dokument benötigen, fügen Sie den Text in Ihre Textverarbeitung ein oder verwenden Sie das Sprache zu PDF Tool auf dieser Website.