Video in Text umwandeln heißt hier: MP4, MOV, MKV oder WEBM hochladen, fertig. Wir lesen die Tonspur selbst aus, du konvertierst nichts. Nach etwa 2 Minuten pro Stunde Video steht das Transkript mit Zeitstempeln da, die ersten Minuten als kostenlose Vorschau. Ein Paket ab 4 US$ für 500 Minuten öffnet den Rest, Untertitel als SRT und VTT inklusive.
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
Woher die Videos kommen
Das Bild spielt keine Rolle, nur der Ton zählt. Ein Webinar mit klarem Mikrofon wird besser als ein Handyvideo vom Messestand mit Musik im Hintergrund.
Gemessen
In den 30 Tagen bis 27.10.2026 kamen 231 MP4-Dateien zu uns, in allen Sprachen. Das mittlere Video war 80,4 Minuten lang und 268 MB groß; die mittlere Verarbeitungszeit lag bei 132 Sekunden. Als Faustregel gilt etwa 2 Minuten pro Stunde Video.
Aus demselben Durchlauf entstehen Transkript, Zusammenfassung mit Kapiteln und Zeitmarken und die Untertitel. Jedes Wort ist zeitlich an das Video gebunden; daraus werden SRT und VTT gebaut, die du in YouTube Studio, Premiere Pro, DaVinci Resolve oder CapCut lädst. Willst du die Untertitel in einer anderen Sprache, übersetzt du das fertige Transkript in eine von 99 Sprachen, die Zeitstempel bleiben gleich.
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 500 Minuten (das sind 8 Std. 20 Min. Audio), 12 US$ für 2.000 oder 24 US$ für 5.000 Minuten. Pro Audiostunde sind das 0,48 US$, 0,36 US$ oder 0,29 US$.
Alle Preise und was die Pakete enthalten: Preise und Transkription Kosten.
Gemessen, nicht versprochen
Auf dem öffentlichen Testset FLEURS (vorgelesene deutsche Sprache) lag die mittlere Wortfehlerrate unserer Produktions-Engine bei 8,8 %, gemessen an 5 Dateien mit 25,8 Minuten Audio, 28,7-mal schneller als Echtzeit (Stand 25.09.2026). Vorgelesene Sprache ist der günstige Fall: Echte Aufnahmen mit Hall, Durcheinanderreden, Namen und Fachbegriffen schneiden schlechter ab. Methode und alle Sprachen.
Was es kostet
Jede Aufnahme beginnt mit einer kostenlosen Vorschau. Danach kaufst du einmalig ein Minutenpaket; eine einstündige Aufnahme verbraucht 60 Minuten davon.
| Option | Preis | Audio | Passt für |
|---|---|---|---|
| Paket 4 US$ | 500 min | 8 Std. 20 Min. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Paket 12 US$ | 2.000 min | 33 Std. 20 Min. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Paket 24 US$ | 5.000 min | 83 Std. 20 Min. | Einzelne Aufnahmen; Guthaben verfällt nie |
| Workspace | 19 US$ pro Monat | Unbegrenzt, Fair-Use-Grenze 150 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 500 Minuten transkribiert den Rest und öffnet alle Exporte. Das Guthaben verfällt nie.
Nein. Lade MP4, MOV, MKV oder WEBM direkt hoch, wir lesen die Tonspur selbst aus. Hast du von Zoom zusätzlich eine M4A-Datei, kannst du auch die nehmen; sie ist kleiner und lädt schneller.
Bis 10 Stunden oder 5 GB pro Datei. Das Feld auf dieser Seite nimmt Dateien bis 500 MB; größere Videos werden automatisch auf der Upload-Seite weitergeladen, du musst nichts teilen.
Ja. Aus demselben Transkript entstehen SRT- und VTT-Dateien, deren Zeiten aus den Wort-Zeitstempeln stammen. Du lädst sie in YouTube Studio, Premiere Pro, DaVinci Resolve oder VLC.
Ja, als Aufnahme: Lade die MP4 aus OneDrive, SharePoint oder dem Zoom-Ordner herunter und lege sie hier ab. Einen Bot, der live an der Besprechung teilnimmt, gibt es nicht.
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.
Weiter auf Deutsch
Lade das Video hoch und lies zuerst die kostenlose Vorschau.