Eine Aufnahme in Text umwandeln
Veröffentlicht am · Aktualisiert am 3 Min. Lesezeit
Eine Aufnahme, eine Vorlesung, eine Besprechung, eine Sprachnachricht oder ein Interview zu transkribieren erspart, alles erneut anzuhören, um einen Satz wiederzufinden. Das Werkzeug transkribiert eine Audiodatei in Ihrem Browser, mit einem Spracherkennungsmodell. Das Ergebnis ist nützlich, verlangt aber ein Nachlesen: Bei klarer Stimme rechnen Sie damit, etwa jedes vierte Wort zu korrigieren, und die Wahl der Sprache wie auch das Rauschen verändern das Ergebnis stark.
Was das Werkzeug tut
Audio in Text umwandeln transkribiert eine Audiodatei in Ihrem Browser. Die Datei wird nicht gesendet: Nur das Modell wird einmal heruntergeladen, nachdem Sie das Einwilligungsfeld angekreuzt haben. Es gibt drei Exportformate: TXT für einen Text, SRT und VTT für Untertitel.
Was die erste Nutzung herunterlädt
Bei der ersten Nutzung lädt der Browser das Modell und seine Skripte von zwei Diensten außerhalb der Website herunter. Das sind Downloads: Keiner trägt Ihre Audiodatei. Die Schaltfläche „Cache leeren“ entfernt das Modell danach aus dem Browser, wenn Sie den Platz zurückhaben wollen.
Die Sprache wählen
Das Sprachmenü bietet eine automatische Einstellung und zwanzig Sprachen. Mit dem integrierten Modell lässt sich die automatische Erkennung leicht täuschen: Bei einer französischen Stimme kann sie diese für Englisch halten und Sätze erzeugen, die nichts mit dem Gesagten zu tun haben. Das Werkzeug wählt daher standardmäßig die Sprache der Seite. Wählen Sie immer die Sprache der Aufnahme, es ist die Einstellung, die das Ergebnis am stärksten verändert.
| Eingestellte Sprache | Falsche Wörter von 32 |
|---|---|
| Automatisch | fast alle |
| Französisch | 8 bis 10, ein Viertel |
Was eine richtige Sprache liefert
Bei klarer Stimme ist die Transkription verständlich, mit typischen Fehlern: ein verlorener Plural („parcels“ statt „parcelles“), ein Eigenname ohne Großbuchstaben, eine in Ziffern geschriebene Zahl („3“ statt „trois“) und schlecht verstandene seltene Wörter. Darum bleibt das Nachlesen nötig.
Die Wirkung des Rauschens
Hintergrundrauschen verschlechtert die Transkription schnell.
| Aufnahme | Falsche Wörter von 32 |
|---|---|
| Ohne Rauschen | 8 (25 %) |
| Leichtes Rauschen, schwächer als die Stimme | 11 (34 %) |
| Rauschen so laut wie die Stimme | 31 (97 %) |
Leichtes Rauschen kostet einige Wörter. Rauschen so laut wie die Stimme macht die Transkription unbrauchbar.
Die Verarbeitungszeit
Rechnen Sie mit einigen Sekunden bis etwa zehn Sekunden für eine Aufnahme von etwa fünfzehn Sekunden, Laden des Modells eingeschlossen, auf einem Desktop-Computer. Eine längere Datei braucht mehr Zeit und Speicher.
Was diese Zahlen nicht sagen
Diese Größenordnungen stammen von klaren, gleichmäßigen Stimmen. Eine echte Stimme, mit Akzent, Zögern oder mehreren sprechenden Personen, ergibt andere Zahlen. Probieren Sie einen kurzen Ausschnitt Ihrer eigenen Aufnahme aus, bevor Sie die ganze Datei starten.
Das Ergebnis verbessern
- Wählen Sie im Menü die Sprache der Aufnahme.
- Verringern Sie das Rauschen an der Quelle: Ein nahes Mikrofon liefert ein besseres Ergebnis als ein nachträglich angewandter Filter.
- Liegt die Datei in einem seltenen Format vor, wandeln Sie sie zuerst mit Eine Sprachaufnahme umwandeln, ohne sie zu verschlechtern um.
Lesen Sie Eigennamen, Zahlen und Fachbegriffe immer nach.
Für welche Aufnahmen
Eine Vorlesung, eine Besprechung, ein Interview oder eine Sprachnachricht: Der Text erlaubt, einen Satz zu suchen, ohne alles erneut anzuhören, und Passagen zu übernehmen.
Den erhaltenen Text prüfen
- Hören Sie die Aufnahme an und folgen Sie dabei dem Text.
- Korrigieren Sie Namen, Zahlen und Endungen.
- Exportieren Sie als TXT für einen Text, als SRT oder VTT für Untertitel.
Häufige Fragen
- Wird meine Aufnahme zur Transkription gesendet?
- Nein. Nur das Modell wird einmal nach Ihrer Einwilligung heruntergeladen. Die Audiodatei bleibt auf Ihrem Gerät.
- Welche Genauigkeit darf man erwarten?
- Bei klarer Stimme auf Französisch rechnen Sie damit, etwa jedes vierte Wort zu korrigieren. Hintergrundrauschen verschlechtert sie schnell.
- Welche Sprache sollte man wählen?
- Die der Aufnahme. Die automatische Erkennung lässt sich mit dem integrierten Modell leicht täuschen.
- Welche Exportformate gibt es?
- TXT für einen Text, SRT und VTT für Untertitel.