Datenschutz im FokusIhre Dateien werden nie hochgeladen
KI Kostenlos · Läuft auf Ihrem Gerät
Audio in Text umwandeln
Transkribieren Sie Interviews, Vorlesungen, Sprachmemos und Videos mit Whisper, einem KI-Sprachmodell, das direkt in Ihrem Browser läuft. Ihre Aufnahme verlässt nie Ihr Gerät.
oder eine von Ihrem Gerät auswählen
Dateien bleiben auf Ihrem Gerät · Kostenlos, ohne Anmeldung · Keine Größenbegrenzung
So transkribieren Sie Audio
- Öffnen Sie eine Audio- oder Videodatei oder ziehen Sie sie auf die Seite.
- Laden Sie das Sprachmodell einmal herunter und wählen Sie die gesprochene Sprache oder lassen Sie sie automatisch erkennen.
- Wählen Sie Transkribieren, dann kopieren Sie den Text oder laden ihn als TXT oder als SRT- oder VTT-Untertitel herunter.
Spracherkennung auf Ihrem Gerät
Whisper ist ein offenes Spracherkennungsmodell von OpenAI, trainiert mit 680.000 Stunden Audio in rund hundert Sprachen. Scissor Audio führt Whisper base, etwa 80 MB, mit WebAssembly in Ihrem Browser aus, sodass die Aufnahme nie an einen Transkriptionsdienst gesendet wird.
Untertitel mit Zeitstempeln
Jeder Satz hat seine Start- und Endzeit. Laden Sie das Transkript als SRT- oder WebVTT-Untertitel für YouTube, Videoschnittprogramme und Mediaplayer herunter, oder als reinen Text für Notizen und Dokumente.
Sprache ins Englische übersetzen
Wählen Sie Ins Englische übersetzen, und Whisper schreibt ein englisches Transkript von Gesprochenem in jeder seiner Sprachen, in einem Schritt.
Fragen zu Audio zu Text
Wird mein Audio hochgeladen?
Nein. Das Audio wird von Ihrem Browser dekodiert und von einem Modell in Ihrem Tab transkribiert. Nichts wird an einen Server gesendet; Sie können die Verbindung trennen, sobald das Modell geladen ist.
Ist es wirklich kostenlos und ohne Limit?
Ja. Das Modell läuft auf Ihrem eigenen Gerät, es kostet uns also nichts pro Minute: keine Anmeldung, kein Minutenkontingent und keine Größenbegrenzung.
Welche Sprachen versteht es?
Whisper erkennt rund hundert Sprachen, darunter Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Italienisch, Niederländisch, Russisch, Arabisch, Persisch, Türkisch, Hindi, Chinesisch und Japanisch. Am genauesten ist es auf Englisch und in anderen weit verbreiteten Sprachen.
Wie genau ist es?
Bei deutlicher Sprache kommt es einem aufmerksamen Zuhörer nahe, auch wenn Namen und Fachbegriffe manchmal korrigiert werden müssen. Hintergrundmusik, durcheinander sprechende Personen und weit entfernte Mikrofone verringern die Genauigkeit.
Wie lange dauert es?
Auf einem aktuellen Laptop dauert eine Minute Audio etwa zehn bis zwanzig Sekunden. Smartphones und ältere Computer sind langsamer. Der Text erscheint, sobald er erkannt wird, Sie können also sofort mitlesen.
Kann ich ein Video transkribieren?
Ja. Öffnen Sie eine MP4-, MOV- oder WebM-Datei, und ihr Ton wird transkribiert. Laden Sie das Ergebnis als SRT oder VTT herunter, um es als Untertitel zu verwenden.