Video und Audio in Text umwandeln

Aufnahme hineinziehen und ein Transkript bekommen, das man wirklich lesen kann — Sprecher unterschieden, jede Zeile durchsuchbar und korrigierbar.

SayToType transkribiert Audio- und Videodateien auf Ihrem Windows-PC oder Mac. Lange Aufnahmen werden an natürlichen Pausen geteilt und Stück für Stück transkribiert, sodass ein zweistündiges Interview eine Datei bleibt und nicht zwölf.

SayToType herunterladen

Kostenlos starten, für Windows und macOS.

Von der Aufnahme zum Transkript

Vier Schritte, alle in der Desktop-App.

1

Datei hinzufügen

Jede Audio- oder Videodatei, die die App unterstützt — eine Besprechungsaufnahme, eine Vorlesung, ein Interview, eine Bildschirmaufzeichnung. Lange Dateien werden an natürlichen Pausen geteilt und Stück für Stück transkribiert, mit einem Fortschritt, den Sie sehen und jederzeit abbrechen können.

2

Als Gespräch lesen

Sprecher werden automatisch unterschieden und benannt, sodass sich ein Interview oder eine Besprechung wie ein Dialog liest statt wie eine Textwand. Benennen Sie einen Sprecher überall auf einmal um, oder ordnen Sie eine einzelne Zeile jemand anderem zu, wo die Aufnahme uneindeutig war.

3

Korrigieren, was zählt

Spielen Sie die Aufnahme ab, während die gesprochene Zeile mitläuft und hervorgehoben wird, und bearbeiten Sie jede Zeile von Hand. Namen, Fachbegriffe und halb verschluckte Wörter sind die Stellen, an denen ein Transkript einen Menschen braucht — und hier bringen Sie sie in Ordnung.

4

Behalten, durchsuchen, exportieren

Jedes Transkript bleibt in der Bibliothek. Suchen Sie über alle auf einmal, wenn Sie sich an einen Satz erinnern, aber nicht mehr an die Aufnahme, oder innerhalb einer einzelnen langen. Text herauskopieren oder als Datei exportieren.

Was Sie zurückbekommen

Ein Transkript, das sich zu lesen lohnt, nicht bloß ein Haufen Wörter.

47 Sprachen

Die Spracherkennung deckt dieselben 47 Sprachen ab wie der Rest der App und erkennt sie aus der Aufnahme selbst. Ein fertiges Transkript lässt sich anschließend in eine Sprache Ihrer Wahl übersetzen.

Sprechernamen

Wer was gesagt hat, automatisch ermittelt und nachträglich bearbeitbar. Genau das macht aus einer rohen Aufnahme etwas, aus dem man zitieren kann.

Zeitmarken durchgehend

Jede Zeile ist an ihren Moment in der Aufnahme geknüpft, sodass Sie für jeden Satz im Transkript zurück zum Ton springen können.

Suche über alles

Ein Suchfeld über jedes Transkript, das Sie je erstellt haben, und ein zweites innerhalb des Transkripts, das Sie gerade lesen.

Übersetzung eingebaut

Ein fertiges Transkript lässt sich auf einem Tab neben dem Original in eine andere Sprache übersetzen, Zeitmarken und Sprechernamen inklusive.

Eigener API-Schlüssel

Neben SayToType Cloud können Sie OpenAI, Mistral AI, Deepgram oder jeden OpenAI-kompatiblen Anbieter verbinden. Eine über Ihren eigenen Schlüssel transkribierte Datei verbraucht keine Minuten Ihres Tarifs — dafür zahlen Sie den Anbieter zu dessen eigenen Preisen.

Welche Formate hineingehen

Audio wie Video — was sich abspielen lässt, lässt sich meist auch transkribieren.

Audio

  • MP3
  • WAV
  • M4A
  • AAC
  • FLAC
  • OGG
  • OPUS

Video

  • MP4
  • MOV
  • WEBM

…und mehr. Ein Video wird über seinen Ton gelesen, eine Bildschirmaufzeichnung transkribiert also genauso wie eine Sprachnotiz.

Wer damit transkribiert

Dieselbe Funktion, vier verschiedene Gründe, sie zu wollen.

Journalismus und Forschung

Interviews kommen als benanntes Gespräch mit Zeitmarken zurück. Jemanden zu zitieren heißt dann, die Zeile zu finden, statt durch das Audio zu scrubben.

Studium und Lehre

Aus einer aufgezeichneten Vorlesung wird ein durchsuchbares Dokument. Schlagen Sie die zehn Minuten nach, auf die es ankam, statt neunzig noch einmal anzuhören.

Teams, die Besprechungen aufzeichnen

Aus einer Besprechungsaufnahme wird Text, den man überfliegen, durchsuchen und in Notizen einfügen kann — jede Person auf ihrer eigenen benannten Zeile.

Alle mit einem Stapel Aufnahmen

Sprachnotizen, alte Podcast-Folgen, Bildschirmaufzeichnungen — was auf der Platte liegt, wird zu Text, den Sie durchsuchen können.

Fragen zur Datei-Transkription

Welche Audio- und Videoformate kann SayToType transkribieren?

MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, MP4, MOV, WEBM und mehr. Audio und Video funktionieren gleichermaßen, und lange Aufnahmen werden an natürlichen Pausen geteilt und Stück für Stück transkribiert.

Wie lang darf eine Aufnahme sein?

Lange Aufnahmen werden an natürlichen Pausen geteilt und Stück für Stück transkribiert, mit einem Fortschritt, den Sie sehen und jederzeit abbrechen können. In der Praxis begrenzen Sie die Transkriptionsminuten Ihres Tarifs, nicht die Länge einer einzelnen Datei.

Werden Sprecher unterschieden?

Ja. Sprecher werden unterschieden und benannt, sodass sich ein Interview oder eine Besprechung wie ein Gespräch liest. Sie können einen Sprecher überall umbenennen oder eine einzelne Zeile jemand anderem zuordnen.

Wie viele Sprachen erkennt sie?

47, dieselben, die der Rest der App verwendet. Die gesprochene Sprache wird aus der Aufnahme ermittelt, und ein fertiges Transkript lässt sich anschließend Zeile für Zeile in eine Sprache Ihrer Wahl übersetzen — Zeitmarken und Sprechernamen funktionieren auf der Übersetzung weiter.

Wird meine Aufnahme irgendwo gespeichert?

Nicht bei uns. Die Aufnahme wird in Echtzeit verarbeitet, und nichts davon — weder Ton noch Text — bleibt auf unseren Servern, auch im kostenlosen Tarif nicht. Das Transkript, das Sie zurückbekommen, liegt ausschließlich auf Ihrem eigenen Gerät, in der Bibliothek der App.

Kann ich Dateien auf dem Handy transkribieren?

Noch nicht. Die Datei-Transkription läuft in der Desktop-App für Windows und macOS. Die Apps für iOS und Android sind reine Diktier-Apps und befinden sich in der Beta.

Machen Sie aus Ihren Aufnahmen Text

SayToType läuft unter Windows und macOS und transkribiert die Dateien, die Sie längst haben.

Kostenlos starten — jedes Konto bekommt 50 Minuten Cloud-Transkription pro Monat gratis, und für die Anmeldung ist keine Karte nötig.