Audio in Text umwandeln (kostenlos, in Minuten) – Anleitung 2026
Schritt-für-Schritt-Anleitung, um Audio oder Video mit KI kostenlos in Text umzuwandeln. Formate, Sprachen, Tipps für mehr Genauigkeit und Export als Word oder Untertitel.
Sonorarium-Team 3 Min. Lesezeit
Eine Stunde Audio von Hand abzutippen dauert 4 bis 6 Stunden. Mit einem guten Spracherkennungsmodell ist dieselbe Arbeit in wenigen Minuten erledigt, und Sie müssen nur noch prüfen. Diese Anleitung zeigt, wie das kostenlos geht, welche Formate funktionieren und wie Sie die beste Genauigkeit erreichen.
1. Datei vorbereiten
Fast jede Aufnahme funktioniert: MP3, WAV, M4A, OGG, OPUS, FLAC, MP4, MOV oder WEBM. Keine Umwandlung nötig – bei Videos extrahieren wir den Ton automatisch.
- WhatsApp-Sprachnachricht? Speichern Sie sie aus dem Chat (lange drücken → Teilen → In Dateien sichern) und laden Sie sie direkt hoch. Mehr dazu in der Anleitung WhatsApp Sprachnachricht in Text umwandeln oder im Tool für WhatsApp-Sprachnachrichten.
- Zoom- oder Teams-Meeting? Laden Sie die Aufzeichnung herunter und nutzen Sie die Audiodatei (M4A) für einen schnelleren Upload.
- Vorlesung an der Hochschule aufgenommen? Siehe Vorlesung transkribieren und Mitschrift erstellen.
- Telefonat aufgenommen? Siehe Telefonat aufnehmen und transkribieren.
- Podcast-Folge? Siehe Podcast transkribieren und den Text weiterverwenden.
- Video für Social Media oder YouTube? Direkt hochladen und anschließend Untertitel herunterladen. Mehr unter Video in Text umwandeln und in der Anleitung YouTube Video in Text umwandeln.
2. Hochladen und Sprache wählen
Öffnen Sie das kostenlose Tool und ziehen Sie die Datei hinein. Die Sprache wird automatisch erkannt; wählen Sie sie selbst (z. B. Deutsch), verbessert das die Genauigkeit leicht – besonders am Anfang oder bei Intro-Musik.
Beim Erstellen Ihres Kontos erhalten Sie 15 Gratisminuten, ohne Karte. Für längere Dateien kaufen Sie ein Minutenpaket.
3. Prüfen und korrigieren
Bei guter Audioqualität erkennt die KI die allermeisten Wörter richtig. Prüfen Sie trotzdem:
- Eigennamen und Abkürzungen: Marken, Nachnamen oder seltene Fachbegriffe.
- Laute Passagen: Verkehr, Hintergrundmusik oder mehrere Sprecher gleichzeitig.
- Zahlen: wichtige Werte durch Anhören des Ausschnitts kontrollieren.
Klicken Sie im Editor auf den Zeitstempel eines Satzes, um genau diese Stelle zu hören, und korrigieren Sie, was nötig ist.
4. Im gewünschten Format herunterladen
- Word (DOCX): für Berichte, Protokolle oder transkribierte Interviews.
- TXT: reiner Text zum Einfügen überall.
- SRT und VTT: Untertitel mit Zeitangaben für YouTube, Premiere, DaVinci Resolve oder CapCut. Probieren Sie unseren SRT-Untertitel-Generator oder lesen Sie, wie Sie SRT-Untertitel automatisch erstellen.
- JSON: Zeitstempel pro Segment für Entwickler.
Tipps für genauere Transkripte
- Nah an der Quelle aufnehmen: Ein Handy 30 cm vor der sprechenden Person schlägt ein teures Gerät am anderen Ende des Raums.
- Hintergrundgeräusche vermeiden: Fenster schließen, Lüfter und Musik aus.
- Nacheinander sprechen: Unterbrechungen verursachen die meisten Fehler.
- Gute Qualität nutzen: MP3 mit 128 kbit/s oder mehr reicht völlig.
Was kostet das?
Neben den Gratisminuten können Sie Minutenpakete ohne Abo kaufen: einmal zahlen, die Minuten verfallen nie. Siehe Preise. Möchten Sie mit anderen Diensten vergleichen? In Was kostet die Transkription einer Stunde Audio? finden Sie Zahlen mit Quelle und Datum.
Häufige Fragen
Wie steht es um den Datenschutz? Dateien werden verschlüsselt übertragen, nach 7 Tagen automatisch gelöscht und nie zum Training von Modellen verwendet.
Kann ich andere Sprachen transkribieren? Ja, über 60 – etwa Englisch oder Spanisch. Zu Englisch gibt es eine eigene Anleitung: Englisches Audio in Text umwandeln.
Und bei einem Sprachmemo vom Handy? Das funktioniert genauso: Die M4A-Datei des iPhones wird unverändert hochgeladen. Wie Sie die Datei vom iPhone, Pixel oder Samsung holen und was jedes Handy selbst transkribiert, steht in Sprachmemo in Text umwandeln.
Kann man ChatGPT, Gemini oder Copilot statt eines Transkriptionstools nutzen? Manchmal. Laut ihren offiziellen Hilfeseiten nimmt ChatGPT am 4. November 2026 Audio nur in Bezahltarifen an und Gemini insgesamt höchstens 10 Minuten; wir erklären es mit Quellen in Kann ChatGPT eine Audiodatei transkribieren?.