Tools › Audio
Audio in Text umwandeln
Mach aus Interviews, Vorlesungen, Podcasts und Sprachnachrichten Text mit Zeitstempeln. Whisper läuft in deinem Browser, deine Aufnahme verlässt das Gerät also nie. Lade TXT, SRT oder VTT herunter.
Das Sprachmodell wird einmal auf dein Gerät geladen; deine Aufnahme verlässt es nie. Es startet nichts, bevor du eine Datei auswählst.
So funktioniert es
- Leg eine MP3-, M4A-, WAV-, OGG-Datei oder ein Video ab. Der Ton wird auf diesem Gerät dekodiert und für Whisper in 16 kHz Mono umgewandelt.
- Lange Aufnahmen werden an Pausen in Teile von bis zu 30 Sekunden geschnitten, auch ein einstündiges Interview ist also kein Problem. Der Text erscheint Teil für Teil, mit einer Schätzung der Restzeit.
- Korrigiere jedes Wort und jeden Zeitstempel direkt an Ort und Stelle, dann kopiere den Text oder lade ihn als TXT herunter, mit oder ohne Zeiten.
Fragen
Welche Sprachen funktionieren?
Alle 99 Sprachen, die Whisper kennt, von Englisch, Spanisch und Hindi bis Japanisch, Arabisch und Türkisch. Die Sprache wird automatisch erkannt, oder du wählst sie aus.
Ist das wirklich privat?
Ja. Das Modell wird einmal geladen und läuft in diesem Tab. Von deiner Aufnahme wird nichts irgendwohin gesendet.
Erkennt es, wer spricht?
Noch nicht. Du bekommst die Wörter mit Zeitstempeln, aber ohne Sprecherangaben.
Wie genau ist es?
Klare Sprache wird fast Wort für Wort erkannt. Hintergrundmusik, durcheinander sprechende Personen und starke Akzente führen zu mehr Fehlern; das Modell Genau hilft.