Audio in Text umwandeln geht hier ohne Software: Datei hochladen, die Sprache wird automatisch erkannt, und nach etwa 2 Minuten pro Audiostunde liegt das Transkript mit Zeitstempel an jedem Wort vor. Die ersten Minuten jeder Aufnahme siehst du als kostenlose Vorschau. Ein Paket ab 4 US$ für 300 Minuten öffnet den Rest und alle Downloads, das Guthaben verfällt nie.
Das Upload-Feld spricht Deutsch; die Konto- und Zahlungsseiten sind vorerst auf Englisch. Das Transkript kommt in der Sprache der Aufnahme.
Auf Deutsch: Audio · Video · MP3 · YouTube · Untertitel · Kosten
So geht's
Wofür
Die meisten deutschen Aufnahmen, die zu uns kommen, sind eins von vier Dingen:
Zu jeder Aufnahme gibt es außerdem eine Zusammenfassung mit den wichtigsten Punkten, Kapiteln, Kernzitaten und den Fragen, die die Aufnahme beantwortet, dazu einen Chat über das Transkript.
Das Ergebnis
Du bekommst durchgehenden Text mit Satzzeichen und Absätzen. Jedes Wort ist an seine Stelle im Audio gebunden: Klick auf eine Zeile, und du hörst genau diesen Moment. So prüfst du einen Namen oder eine Zahl in Sekunden, statt die ganze Datei abzuspielen.
Sprecher werden in der Zusammenfassung, den Kernzitaten und den Kapiteln erkannt und benannt. Im Transkript selbst stehen keine Sprecherlabels pro Zeile; wer für eine Abschlussarbeit „I:“ und „B:“ braucht, setzt sie in Word nach.
Fertige Transkripte lassen sich in 99 Sprachen übersetzen, mit denselben Zeitstempeln. Das ist maschinelle Übersetzung, keine beglaubigte, und kostet nichts über die Minuten der Transkription hinaus.
Ehrlich zur Sprache
Gut: Standarddeutsch in Deutschland, Österreich und der Schweiz, auch mit deutlicher regionaler Färbung. Ein Wiener Interview oder ein Vortrag in Schweizer Hochdeutsch wird so verschriftet, wie es gesprochen wird.
Kein Abo
Die meisten Transkriptionsdienste verkaufen ein Monatsabo mit Minutenkontingent, das am Monatsende verfällt. Bei WhipScribe kaufst du ein Paket einmalig: 4 US$ für 300 Minuten (das sind 5 Std. Audio), 18 US$ für 3.000 oder 32 US$ für 6.000 Minuten. Pro Audiostunde sind das 0,80 US$, 0,36 US$ oder 0,32 US$.
Alle Preise und was die Pakete enthalten: Preise und Transkription Kosten.
Gemessen, nicht versprochen
Auf dem öffentlichen Testset FLEURS (vorgelesene deutsche Sprache) lag die mittlere Wortfehlerrate unserer Produktions-Engine bei 8,8 %, gemessen an 5 Dateien mit 25,8 Minuten Audio, 28,7-mal schneller als Echtzeit (Stand 25.09.2026). Vorgelesene Sprache ist der günstige Fall: Echte Aufnahmen mit Hall, Durcheinanderreden, Namen und Fachbegriffen schneiden schlechter ab. Methode und alle Sprachen.
Was es kostet
Jede Aufnahme beginnt mit einer kostenlosen Vorschau. Danach kaufst du einmalig ein Minutenpaket; eine einstündige Aufnahme verbraucht 60 Minuten davon.
| Option | Preis | Audio | Passt für |
|---|---|---|---|
| Paket 4 US$ | 300 min | 5 Std. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Paket 18 US$ | 3.000 min | 50 Std. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Paket 32 US$ | 6.000 min | 100 Std. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Workspace | 19 US$ pro Monat | Unbegrenzt, Fair-Use-Grenze 300 Std. pro Abrechnungszeitraum | Tägliche Aufnahmen oder ein ganzes Team |
Preise in US-Dollar, abgerechnet in US-Dollar; deine Bank rechnet in Euro oder Franken um. Pakete sind Einmalzahlungen, kein Abo, keine Gebühr pro Nutzer. Den Gesamtbetrag siehst du im Checkout, bevor du zahlst. Alle Preise.
Häufige Fragen
Jede Aufnahme startet mit einer kostenlosen Vorschau ihrer ersten Minuten, damit du die Qualität vor dem Kauf siehst. Ein komplettes Transkript gibt es nicht gratis: Ein Paket ab 4 US$ für 300 Minuten transkribiert den Rest und öffnet alle Exporte. Das Guthaben verfällt nie.
Ja. Speichere die Sprachnachricht über Teilen als Datei und lade sie hoch. WhatsApp nutzt OGG/Opus, das wir direkt lesen; du musst nichts konvertieren. Mehrere kurze Nachrichten lädst du einzeln hoch.
Ja. Neben TXT, SRT, VTT und JSON gibt es einen DOCX-Export, der sich in Word, Pages oder LibreOffice öffnen lässt. Dort kannst du korrigieren, kommentieren und Sprecherkürzel ergänzen.
Schweizer und österreichisches Hochdeutsch werden gut verschriftet. Echte Mundart wie Züritüütsch oder starkes Bairisch wird zu Hochdeutsch übertragen, dabei fehlen öfter Wörter. Teste solche Aufnahmen zuerst mit der kostenlosen Vorschau.
Ja, in der Zusammenfassung, den Kernzitaten und den Kapiteln: Dort werden Sprecher erkannt und benannt. Das Transkript selbst und die Downloads tragen keine Sprecherlabels pro Zeile. Jede Zeile hat aber ihren Zeitstempel, sodass du jede Zuordnung am Audio prüfen kannst.
Sie wird auf unseren eigenen Servern transkribiert und nicht an einen fremden KI-Dienst geschickt. Deine Audios werden nie zum Training eines Modells verwendet. Aufnahme und Transkript kannst du jederzeit löschen, mit dem Konto auch alles, was an deiner E-Mail-Adresse hängt.
Weiter auf Deutsch
Lade die Datei hoch, lies die Vorschau und entscheide dann, ob du freischaltest.