Ihre Aufnahmen bleiben auf Ihrem Rechner

Es gibt keinen Upload-Schritt. Die Datei wird im Browser-Tab gelesen und transkribiert, der Text landet direkt im Editor. Interviews, Praxisnotizen und Kundengespräche verlassen das Gerät nicht.

Was Sie mit der Taste Aufnehmen aufzeichnen, liegt nur im Arbeitsspeicher und ist weg, wenn Sie den Tab schließen. Der Text des Transkripts wird im Browser gespeichert, ein Neuladen löscht ihn also nicht.

Beim Zuhören korrigieren

Jede Zeile beginnt mit einer kleinen Zeitmarke. Ein Klick darauf spielt das Original ab diesem Satz ab; einen Namen oder eine Zahl zu prüfen kostet also einen Klick. Während das Audio läuft, ist die gerade gesprochene Zeile im Editor markiert.

Bearbeiten Sie den Text wie jedes Dokument. Die Zeiten bleiben an ihren Zeilen, sodass die SRT- und VTT-Dateien, die Sie danach herunterladen, Ihre Korrekturen mit dem ursprünglichen Timing enthalten.

Schnell oder Genau

Schnell ist voreingestellt. Für Englisch nutzt es eine Engine nur für Englisch, die mit der tatsächlichen Länge jedes Stücks rechnet, statt jedes Stück auf 30 Sekunden aufzufüllen; kurze Aufnahmen sind deshalb schnell fertig. Andere Sprachen nutzen eine kompakte mehrsprachige Engine.

Genau nutzt eine größere mehrsprachige Engine und einen größeren einmaligen Download. In unseren Tests auf einem Laptop, nur mit dem Prozessor, brauchte eine 22-sekündige englische Aufnahme in Schnell etwa 1 Sekunde und in Genau 13 Sekunden, und beide erkannten Namen, Daten und den Dollarbetrag richtig. Wenn ein Name oder ein Akzent in Schnell immer wieder falsch herauskommt, versuchen Sie Genau, bevor Sie von Hand korrigieren.

Aus Stille werden keine Wörter

Sprach-Engines neigen dazu, Text zu erfinden, wo niemand spricht. In unseren Tests wurde aus einem 32-sekündigen Clip mit Wind und Verkehr „Thank you.“ Lange Stille wird deshalb nie an die Engine geschickt, und kurze Zeilen wie „Thank you“ oder „Thanks for watching“ werden nur entfernt, wenn der Ton darunter nicht nach Sprache aussieht. Ein echtes „Danke“ am Ende eines Vortrags bleibt.

Was Sie herunterladen können

TXT liefert schlichte Absätze: Sätze werden verbunden, und nach Pausen ab 1,5 Sekunden beginnt ein neuer Absatz. SRT und VTT sind Untertiteldateien mit höchstens zwei Zeilen zu 42 Zeichen pro Untertitel, bereit für YouTube, Premiere, DaVinci Resolve oder CapCut. Word (DOCX) öffnet sich in Word, Pages und Google Docs.

Um den Text vorgelesen zu hören, wählen Sie Vorlesen im Download-Menü. Es öffnet TextToSpeech.tools mit dem bereits eingefügten Transkript.

Grenzen

Eine Datei darf bis zu 3 Stunden lang sein. Bei 16 kHz mono braucht eine Stunde Audio etwa 115 MB Arbeitsspeicher; sehr lange Dateien können auf einem Handy daher vor dem Ende den Speicher aufbrauchen. Teilen Sie die Datei dann und transkribieren Sie sie in Teilen.

Videodateien funktionieren, wenn der Browser ihre Tonspur dekodieren kann. Am häufigsten sind MP4 mit AAC-Ton, MOV sowie WebM und MKV mit Opus. Eine Datei ohne Tonspur bekommt eine klare Meldung statt eines leeren Transkripts.