Was du einer Transkriptions-App geben kannst: Dateien, Links, Aufnahmen, Text

Welche Audio- und Videodateien lassen sich transkribieren?

Das Format spielt eine kleinere Rolle, als die meisten denken. Eine Transkriptions-App liest ausschließlich die Tonspur – deshalb sind Audiodateien und Videodateien gleichwertige Quellen.

Üblicherweise akzeptierte Audioformate:

• mp3, m4a, aac – Sprachmemos, exportierte Meetings, die meisten heruntergeladenen Folgen
• wav, caf, flac – unkomprimierte oder verlustfreie Aufnahmen
• ogg, opus – Sprachnachrichten aus WhatsApp und Telegram
• amr, webm – ältere Handy-Recorder und Aufnahmen aus dem Browser

Bei Videodateien läuft es genauso: mp4, mov, mkv, avi. Das Bild wird verworfen, eine Bildschirmaufnahme von einem Webinar ist also nicht aufwendiger als eine kurze Sprachnachricht. Die praktischen Details stehen in unserer Anleitung, wie du aus einem Video ein Transkript machst.

In Zeepit liegt die Grenze bei 4 Stunden pro Aufnahme, und vorher konvertieren musst du nichts: Nimm die Datei genau so, wie dein Handy sie gespeichert hat. Hast du eine funktionierende Datei in einem exotischeren Format, probier sie einfach aus – was auf dem Handy abspielbar ist, lässt sich meist auch transkribieren.

Kannst du statt einer Datei einen Link einfügen?

„Einen Link importieren“ meint zwei ganz verschiedene Dinge, und nur eines davon klappt in der Regel.

Öffentliche Seiten. Füge einen YouTube-Link, einen Podcast-Link oder den Link zu einer Webseite in Zeepit ein, und du bekommst eine Zusammenfassung des Inhalts, ohne vorher etwas herunterzuladen. So entscheidest du schnell, ob eine Stunde Podcast deinen Abend wert ist. Für den Fall Wort für Wort zeigen wir, wie du ein YouTube-Video in Text bekommst.

Links zu deiner eigenen Datei. Eine Freigabe-URL von Dropbox, Drive oder WeTransfer ist keine Quelle, die du einfügen kannst. Handy-Apps melden sich nicht im Speicher anderer Leute an und holen keine Datei von einer beliebigen Adresse. Mach es so: Öffne den Link in der Speicher-App, lade die Datei aufs Handy, wähle sie dann in der Transkriptions-App aus oder schick sie über „Teilen“ weiter.

Als Faustregel: Ein Link bringt dir eine Zusammenfassung, eine Datei das vollständige Transkript.

Schritt für Schritt

1. Datei auswählen oder teilen

   Wähle in der App eine Datei aus Dateien oder Google Drive. Oder starte in der App, in der das Audio liegt – Sprachrecorder, WhatsApp, Telegram, Drive –, tippe auf Teilen und wähle Zeepit. Dieselbe Bewegung auf iPhone und Android.

2. Die Sprache erkennen lassen

   Es gibt kein Sprachmenü zum Einstellen. Die Erkennung läuft automatisch über Dutzende Sprachen, und du kannst danach eine Übersetzung anfordern, wenn du den Text in einer anderen Sprache brauchst.

3. Transkript, Zusammenfassung oder beides wählen

   Das vollständige Transkript Wort für Wort beantwortet „Was wurde genau gesagt?“. Die Zusammenfassung – kurz, mittel oder lang – beantwortet „Was muss ich mir merken?“.

4. Ergebnis behalten oder verschicken

   Kopiere es, teile es oder exportiere eine PDF-, Word- (DOCX) oder Textdatei, die auf dem Gerät erzeugt wird. Das Audio selbst geht an die Server, wird transkribiert und danach gelöscht: kein Archiv, keine Weiterverwendung, kein KI-Training mit deinen Aufnahmen.

Sprachnachrichten, Memos und Meeting-Aufnahmen, die du selbst aufnimmst

Alles, was dein Handy aufnehmen kann, ist eine gültige Quelle: ein Sprachmemo, eine Vorlesung, ein Interview am Cafétisch, ein Meeting über den Lautsprecher eines Laptops, eine Sprachnachricht, die dir jemand geschickt hat.

Ein Detail ist wichtiger als alles andere: Die meisten Transkriptions-Apps auf dem Handy hören nicht live mit. Sie sitzen nicht in einem Telefonat und schneiden ein Meeting nicht in Echtzeit mit. Der Ablauf ist immer zweistufig – aufnehmen mit dem Recorder, den du ohnehin nutzt, und die Datei dann über Teilen weitergeben. Diesen Knopf gibt es auf iPhone und Android.

Die häufigen Fälle behandeln wir separat:

• WhatsApp-Sprachnachrichten, direkt aus dem Chat geteilt
• Sprachmemos und Dateien des Android-Recorders
• Meeting-Aufnahmen als Protokoll

Aufnahmen von einem Laptop, einem Diktiergerät oder einer Kamera zählen ebenfalls – solange du die Datei erst einmal aufs Handy bekommst.

Ist reiner Text auch eine gültige Eingabe?

Manchmal hast du die Worte schon, und Transkribieren ist gar nicht die Aufgabe: ein eingefügter E-Mail-Verlauf, ein Kapitel, das du aus einem PDF kopiert hast, ein Transkript, das dir jemand geschickt hat. Was du willst, ist entweder eine kürzere Version oder eine Stimme, die es vorliest.

Beides sind normale Funktionen und kein Transkribieren. Du kannst Text zu einer kurzen, mittleren oder langen Zusammenfassung eindicken – die Abwägungen stehen in wie du jeden Text zusammenfasst – oder ihn dir auf dem Handy vorlesen lassen, während du unterwegs bist oder Auto fährst.

Das Übersetzen liegt dazwischen. Eine Audiodatei in einer Sprache kann als Text in einer anderen zurückkommen, und ein Textstück lässt sich übersetzen, ohne je gesprochen zu werden. Die Sprache wird in den meisten Apps automatisch erkannt, du musst also selten angeben, was du hineingibst.

Was eine Transkriptions-App auf dem Handy nicht annimmt

Die ehrlichen Grenzen, damit du nicht nach einer Einstellung suchst, die es nicht gibt:

• Kein Mitschnitt in Echtzeit. Nichts wird transkribiert, während es passiert. Erst aufnehmen, dann umwandeln.
• Keine Desktop-App, keine Upload-Seite im Browser. Alles passiert auf dem Handy; es gibt keinen Zwischenschritt am Computer.
• Keine Synchronisierung zwischen Geräten. Transkripte und Zusammenfassungen bleiben auf dem Handy, auf dem sie entstanden sind. Du bewegst sie selbst: kopieren, teilen oder als PDF, Word (DOCX) oder Textdatei exportieren.
• Keine beliebigen Download-Links. Der Link-Import ist für öffentliche Seiten gedacht, nicht für private Speicher-URLs.
• Kein Audio, das in einer anderen App eingeschlossen ist. Wenn ein Streaming- oder ein geschützter Titel keine Option zum Teilen oder Speichern anbietet, kommt kein Transkriptionswerkzeug daran.
• Stille und Musik sind keine Sprache. Ein Video ohne gesprochene Worte liefert nichts Brauchbares.
• Sehr lange Sitzungen. Oberhalb der Grenze pro Aufnahme teilst du die Datei mit einem beliebigen Recorder oder Schnittwerkzeug in Teile.

So wählst du die beste Version einer Quelle für ein genaues Transkript

Wenn derselbe Inhalt in mehreren Versionen existiert, gewinnt die Version, die dem Original am nächsten ist. Genauigkeit kommt von der Aufnahme, nicht von der Dateiendung.

• Nimm lieber die Originaldatei des Recorders als eine Handy-Aufnahme von einem Lautsprecher.
• Nimm lieber den Original-Export als eine für den Messenger komprimierte Kopie: Chat-Apps verkleinern Anhänge, und dünnes Audio ist schwerer zu lesen.
• Hör vor dem Senden die ersten und die letzten Sekunden ab. Abgeschnittene oder stumme Dateien kommen häufig vor und fallen sofort auf.
• Bei mehreren Sprechenden ist ein Gerät nahe an der Gruppe besser als ein Handy am anderen Ende eines langen Tisches.
• Mono genügt. Sprachmemos sind standardmäßig Mono und transkribieren genauso gut wie Stereo.

Ist das Audio schon aufgenommen und du brauchst es einfach als Text, findest du die Schritt-für-Schritt-Variante unter Audiodatei in Text umwandeln. Und wenn eine Aufnahme wirklich schlecht ist – Wind, Durcheinandersprechen, ein weit entfernter Sprecher –, bringt eine bessere Aufnahme immer mehr als jeder Trick in der Nachbearbeitung.

Häufige Fragen