Unterstützte Audioformate für die Transkription

Welche Audioformate lassen sich transkribieren?

Zeepit für iPhone und Android liest die Audioformate, die Handys, Apps und Aufnahmegeräte im Alltag erzeugen. Du kannst eine Datei also so transkribieren, wie sie ist. Hier siehst du die unterstützten Audioformate im Überblick und wo sie meist herkommen.

MP3: das am weitesten verbreitete komprimierte Format. Du findest es bei Podcasts, Downloads und vielen digitalen Diktiergeräten.
M4A: AAC-Audio in einem MP4-Container. Das ist der Standard bei den Sprachmemos auf dem iPhone und in vielen Rekorder-Apps für Android.
AAC: derselbe Codec als eigenständige Datei, wie ihn manche Apps und Aufnahmegeräte exportieren.
WAV: unkomprimiertes Audio aus Feldrekordern, Diktiergeräten und Schnittprogrammen. Die Dateien sind groß, aber unkompliziert.
FLAC: verlustfreie Kompression, verbreitet in Archiven und bei hochwertigen Aufnahmen.
CAF: Apples Core Audio Format, das manche Aufnahme-Apps unter iOS erzeugen.
OGG und OPUS: die Formate hinter vielen Sprachnachrichten, auch hinter denen aus WhatsApp und Telegram.
AMR: ein kompaktes Sprachformat von älteren Handys, Anrufrekordern und manchen Mailbox-Dateien.
WebM: Audio, das im Webbrowser aufgenommen wurde, zum Beispiel mit Online-Rekordern.

Hat deine Datei eine dieser Endungen, musst du sie vorher nicht umwandeln.

Lassen sich Videodateien transkribieren? Ja, über die Tonspur

Für ein Transkript zählt nur der Ton. Deshalb funktioniert eine Videodatei genauso wie eine Audiodatei. MP4, MOV, MKV und AVI lassen sich alle auf diese Weise transkribieren. Verwendet wird nur die Tonspur, das Bild wird ignoriert.

MOV ist das Format, in dem die iPhone-Kamera standardmäßig aufnimmt.
MP4 ist das übliche Format für Kameravideos auf Android, für Bildschirmaufnahmen und für die meisten heruntergeladenen Clips.
MKV und AVI begegnen dir bei exportierten Vorlesungen, älteren Archiven und manchen Tools für Bildschirmaufnahmen.

Prüf vorher zwei Dinge. Erstens muss das Video Ton enthalten. Manche Bildschirmaufnahmen werden ohne Audio gespeichert, und daraus lässt sich nichts transkribieren. Zweitens muss die Sprache gut hörbar sein und darf nicht in Musik oder Soundeffekten untergehen. Laute Hintergrundmusik macht jedes Transkript schlechter.

Für Vorlesungen, aufgezeichnete Anrufe und Clips lies unsere Anleitung, wie du jedes Video in ein Transkript verwandelst.

Schritt für Schritt

Zeepit installieren
Lade Zeepit auf dein iPhone oder Android-Handy. Deine ersten Umwandlungen sind nach der Installation kostenlos, ohne Konto und ohne Karte.
Aufnahme finden
Öffne die App, in der die Datei liegt, etwa deine Rekorder-App, WhatsApp, Telegram, Dateien oder Google Drive.
Mit Zeepit teilen
Tippe auf „Teilen“ und wähle Zeepit. Du kannst auch Zeepit öffnen und die Datei dort auswählen. Unterstützte Formate musst du nicht umwandeln.
Text lesen und exportieren
Lies das vollständige Transkript und die Sofort-Zusammenfassung. Kopiere oder teile beides oder exportiere es als PDF-, Word- oder Textdatei.

Beeinflusst das Dateiformat, wie genau transkribiert wird?

Das Format spielt eine viel kleinere Rolle, als die meisten denken. Eine Endung wie .m4a oder .mkv bezeichnet einen Container. Darin steckt Audio, das mit einem Codec kodiert ist. Sobald die Datei dekodiert ist, hört die Spracherkennung dieselbe Sprache, egal in welcher Verpackung sie kam.

Über die Qualität des Textes entscheiden diese Faktoren:

Abstand zum Mikrofon: Ein Handy auf dem Tisch direkt vor der sprechenden Person ist besser als eines am anderen Ende des Raums.
Hintergrundgeräusche: Verkehr, Musik und Nebengespräche kosten mehr Wörter als die Kompression.
Durcheinanderreden: Wenn mehrere Leute gleichzeitig sprechen, gehen Wörter verloren.
Verzerrung: Zu laut aufgenommene Sprache wird übersteuert und ist schwerer zu verstehen.

Verlustfreie Formate wie WAV und FLAC sind praktisch für den Schnitt. Für ein Transkript reicht eine deutliche Sprachnachricht als OPUS oder MP3 meist genauso gut. Wandelst du eine MP3 in WAV um, kommen verlorene Details nicht zurück. Die Datei wird nur größer.

Musst du OGG-, OPUS- oder AMR-Dateien vor dem Transkribieren umwandeln?

Nein, solange dein Tool diese Formate direkt liest. Der Tipp zum Umwandeln stammt daher, dass manche Desktop-Programme und Webdienste nur MP3 oder WAV annehmen.

Das Umwandeln hat echte Nachteile:

Es ist ein zusätzlicher Schritt. Oft lädst du deine Aufnahme dafür auf eine Konverter-Website hoch, über die du nichts weißt.
Wird ein komprimiertes Format in ein anderes umkodiert, kann die Tonqualität leicht leiden.
Auf dem Handy springst du dafür zwischen mehreren Apps hin und her und hast am Ende doppelte Dateien.

Bei OGG und OPUS ist das besonders wichtig, weil Sprachnachrichten in diesen Formaten verschickt werden. Du kannst eine Sprachnachricht aus WhatsApp oder Telegram direkt aus dem Chat mit einer Transkriptions-App teilen, und das Original bleibt unverändert. Wo du genau tippen musst, zeigt unsere Anleitung zum Transkribieren von WhatsApp-Sprachnachrichten.

Wandle eine Datei nur dann um, wenn ihr Format nicht in der Liste oben steht.

Audio in Text umwandeln: So geht’s auf iPhone und Android

Alles läuft auf dem Handy ab. Es gibt keine Desktop-App und keine Upload-Seite im Web. Eine Datei bekommst du auf zwei Wegen in Zeepit:

Aus einer anderen App teilen. Öffne die Aufnahme in deiner Rekorder-App, in WhatsApp, Telegram, Google Drive oder Dateien, tippe auf „Teilen“ und wähle Zeepit.
In der App auswählen. Öffne die App und wähle die Datei aus Dateien, Google Drive oder einem anderen Speicherort aus.

Du bekommst das vollständige Transkript Wort für Wort und dazu eine Sofort-Zusammenfassung in kurzer, mittlerer oder langer Fassung. Ist die Aufnahme in einer anderen Sprache, erhältst du auch eine Übersetzung. Die Sprache wird automatisch erkannt. Das Ergebnis kannst du kopieren, teilen oder als PDF, Word (DOCX) oder reinen Text exportieren.

Liegt die Aufnahme auf dem Computer, speichere sie in einem Cloud-Ordner wie Google Drive und öffne sie auf dem Handy. Deine ersten Umwandlungen sind nach der Installation kostenlos, ohne Konto und ohne Karte. Die Nutzung siehst du in der App.

Die App nimmt außerdem Links zu YouTube-Videos, Podcasts und Webseiten an und macht daraus eine Zusammenfassung. Mehr dazu liest du in unserem Artikel darüber, welche Dateien und Links sich transkribieren lassen.

Warum eine Datei nicht transkribiert wird und was du tun kannst

Sie ist länger als 4 Stunden. Das ist die Obergrenze pro Aufnahme. Teile die Datei mit einem Audio-Editor in mehrere Teile und transkribiere jeden Teil einzeln.
Das Video hat keine Tonspur. Spiel es mit aufgedrehter Lautstärke ab. Hörst du nichts, gibt es auch nichts zu transkribieren.
Der Download ist unvollständig. Eine Datei, die aus einem Cloud-Speicher oder Chat nicht fertig synchronisiert wurde, kann abgeschnitten sein. Lade sie erneut herunter und prüf, ob sie bis zum Ende läuft.
Sie ist kopiergeschützt. Folgen und Titel, die in manchen Streaming-Apps gespeichert sind, sind gesperrt. Andere Apps können sie nicht öffnen.
Das Format steht nicht in der Liste. Ein Format wie WMA oder AIFF musst du zuerst in MP3 oder M4A umwandeln.
Es ist keine deutliche Sprache zu hören. Musik, Stille oder sehr weit entfernte Stimmen ergeben wenig oder gar keinen Text.

Ein Hinweis zum Datenschutz: Die Datei wird an die Server von Zeepit gesendet, transkribiert und direkt danach gelöscht. Aufnahmen werden weder archiviert noch weiterverwendet, und es gibt kein KI-Training mit deinen Aufnahmen. Deine Transkripte und Zusammenfassungen bleiben auf deinem Gerät.

Häufige Fragen

Kann man WhatsApp-Sprachnachrichten im OPUS- oder OGG-Format transkribieren?

Ja. WhatsApp-Sprachnachrichten nutzen den Opus-Codec und werden als .opus- oder .ogg-Datei gespeichert. Umwandeln musst du sie nicht. Tippe bei der Sprachnachricht auf „Teilen“ und schick sie an eine Transkriptions-App, die OPUS und OGG direkt liest. Die Originalnachricht bleibt im Chat erhalten.

Ist WAV besser als MP3 für die Transkription?

Bei den meisten Sprachaufnahmen merkst du keinen Unterschied. WAV bewahrt jedes Detail und ist praktisch für den Schnitt. Eine deutliche MP3 derselben Stimme liefert aber ein vergleichbares Transkript. Eine vorhandene MP3 in WAV umzuwandeln bringt nichts. Nimmst du nah an der sprechenden Person in einem ruhigen Raum auf, bringt das dem Text viel mehr als das Format.

Muss ich ein MP4-Video vor dem Transkribieren in MP3 umwandeln?

Nein. Eine Transkriptions-App, die Videos annimmt, liest die Tonspur direkt aus MP4-, MOV-, MKV- oder AVI-Dateien und ignoriert das Bild. Vorher in MP3 umzuwandeln kostet nur einen zusätzlichen Schritt und erzeugt eine doppelte Datei. Prüf einfach, ob das Video Ton hat und die Sprache nicht in der Musik untergeht.

Wie lang darf eine Audiodatei für die Transkription sein?

Das hängt vom Tool ab. In Zeepit darf jede Aufnahme bis zu 4 Stunden lang sein. Das reicht für die meisten Vorlesungen, Interviews und Meetings. Ist eine Datei länger, teilst du sie auf und transkribierst die Teile nacheinander. Deine ersten Umwandlungen sind nach der Installation kostenlos, und die Nutzung siehst du in der App.

Kann ich eine Audiodatei transkribieren, die auf meinem Computer liegt?

Ja, aber du musst sie zuerst aufs Handy bringen. Zeepit hat keine Desktop-App und keine Upload-Seite im Web. Speichere die Datei in einem Cloud-Ordner wie Google Drive oder schick sie dir selbst. Öffne sie dann auf deinem iPhone oder Android-Handy und teile sie mit der App.