Text-Transkription: Audioaufnahmen in Text umwandeln
Füge eine Audiodatei, ein Video, eine Aufnahme oder einen Link hinzu. VocaLingo erstellt das Transkript mit Sprechern und Zeitstempeln sowie eine kurze Zusammenfassung.
Aktualisiert am 2. November 20264 Min. Lesezeit
Im Tab Tools heißt das Werkzeug Text-Transkription, und der Bildschirm, der sich öffnet, trägt den Titel Speech to Text. Es eignet sich für Sprachnachrichten, Interviews, Vorträge, Podcasts und jede andere Aufnahme, bei der du die gesprochenen Worte als Text benötigst.
Was du hinzufügen kannst
Die Text-Transkription funktioniert mit Audio. Ein Video wird ebenfalls akzeptiert: Die App extrahiert den Ton direkt auf deinem Gerät und lädt nur die Audiodatei hoch.
| Quelle | Limit | Details |
|---|---|---|
| Audiodatei | bis zu 100 MB | MP3, M4A, AAC, WAV, FLAC, OGG, OPUS, WebM, 3GP |
| Videodatei | extrahierte Audiodatei bis zu 100 MB | das eigentliche Video wird nicht hochgeladen |
| Aufnahme in der App | kein Zeitlimit, Datei bis zu 100 MB | Button Audio aufnehmen, siehe Audioaufnahmen in der App |
| Link | bis zu 2 GB | YouTube, TikTok, Instagram, X, Facebook, Pinterest, direkte Links zu Mediendateien; andere Websites funktionieren eventuell auch. Siehe Import über einen Link |
| Teilen-Menü (iOS und Android) | wie bei einer Datei | Audio-Zusammenfassung in VocaLingo öffnet das Tool direkt im Tab Kernaussagen |
So erstellst du ein Transkript
Öffne den Tab Tools und tippe auf Text-Transkription.
Füge das Audio hinzu: Auswählen für eine Datei, Audio aufnehmen für eine Direktaufnahme oder Link einfügen.
Warte kurz. Die Erkennung startet automatisch, sobald die Datei hinzugefügt wurde; es gibt keinen Transkribieren-Button. Der Text erscheint im Tab Text.
Öffne den Tab Kernaussagen für die Kurzfassung. Sie wird automatisch nach dem Transkript erstellt.
Die gesprochene Sprache wird automatisch erkannt. Du kannst sie nicht manuell auswählen.
Was du in den Tabs Text und Kernaussagen findest
Der Tab Text enthält das vollständige Transkript. Bei der Standard-Erkennungs-Engine wird der Text bei mehreren Personen nach Sprechern aufgeteilt (Sprecher 1, Sprecher 2 usw.), inklusive Zeitstempel für jeden Abschnitt. Tippe auf einen Zeitstempel, um die Aufnahme ab diesem Moment abzuspielen. Deaktiviere Zeitstempel anzeigen, um reinen Text zu sehen. Der Text kann kopiert oder geteilt werden.
Der Tab Kernaussagen enthält eine kurze Zusammenfassung in der Sprache der App, unabhängig von der Sprache der Aufnahme. Er besteht aus drei Teilen:
Kurzüberblick: ein Titel, eine Zusammenfassung, Zitate und die wichtigste Erkenntnis.
Wichtige Punkte: die Hauptpunkte mit Zeitstempeln. Je nach Aufnahme erhältst du auch Schritte, Fragen und Antworten, Begriffe oder To-do-Punkte.
Kapitel: die Aufnahme unterteilt in Abschnitte mit Zeitstempeln.
Als PDF exportieren speichert die Zusammenfassung als Dokument. Unter dem Transkript bietet der Bereich Was als Nächstes? die Optionen Im Chat besprechen, Text übersetzen, Text-to-Speech und Text analysieren.
Jedes Ergebnis wird im Verlauf des Tools gespeichert. Ohne Premium bleiben die letzten 3 Einträge erhalten, siehe So funktioniert der Verlauf.
So änderst du die Erkennungs-Engine
Die Text-Transkription hat keine eigenen Einstellungen. Sie nutzt die in der Audio-Übersetzung gewählte Engine: Öffne Audio-Übersetzung, tippe auf das Einstellungen-Symbol und wechsle zum Tab Erkennung.
| Engine | Hinweis in der App |
|---|---|
| ElevenLabs Scribe (Standard) | Akzente und Hintergrundgeräusche; teilt den Text nach Sprechern auf |
| OpenAI Transcribe | Fachbegriffe und Eigennamen |
| OpenAI Whisper | für lange Aufnahmen |
Die Auswahl gilt für beide Werkzeuge.
Wie viel es kostet
Mit ElevenLabs Scribe kostet die Erkennung etwa 0,73 Tokens pro Audiominute, eine Stunde entspricht also etwa 44 Tokens. Die Zusammenfassung wird separat berechnet: ein Bruchteil eines Tokens für eine kurze Sprachnachricht, wenige Tokens für eine lange Aufnahme. Die genauen Preise für jede Engine findest du unter Token-Preise für jedes Tool.
Was die Text-Transkription nicht bietet
Es gibt kein Feld zum Eintippen oder Einfügen von Text. Um vorhandenen Text zu bearbeiten, nutze die Text-Übersetzung oder den Chat.
Sie erstellt keine Untertiteldateien (SRT, VTT). Fest eingebrannte Untertitel in Videos werden mit Untertitel hinzufügen erstellt.
Sie übersetzt nicht automatisch. Nutze Text übersetzen unter dem Transkript oder die Audio-Übersetzung für eine gesprochene Übersetzung.
Häufig gestellte Fragen
Sollte ich für ein Video die Text-Transkription oder Video zu Text verwenden?
Für kurze Clips eignet sich beides. Für lange Videos, große Dateien oder Aufnahmen, die du direkt neben dem Text ansehen möchtest, nutze Video zu Text: Es unterstützt Videos bis zu 3 GB, bietet einen integrierten Videoplayer und benachrichtigt dich, sobald das Transkript fertig ist.
Warum ist die Zusammenfassung in einer anderen Sprache als die Aufnahme?
Die Zusammenfassung wird in der Sprache der App verfasst. Um sie in einer anderen Sprache zu erhalten, ändere vor dem Hinzufügen der Datei die App-Sprache in den Einstellungen.
Support kontaktieren
Beschreibe das Problem und wir antworten per E-Mail. Füge den Dateinamen oder die Job-ID bei, falls vorhanden.