Um Audio in Text umzuwandeln, lädst du die Datei auf Supertranskription hoch. Wenige Minuten später hast du den Text mit Satzzeichen, getrennten Sprechern und einer Zeitmarke für jedes Wort, den du kopieren oder herunterladen kannst. Die erste Datei ist kostenlos, darf bis zu 30 Minuten lang sein und braucht kein Konto. Hier stehen die Schritte, die Formate, was das Ergebnis wirklich beeinflusst und wann das Tool nicht das richtige ist.

Welche Dateien du hochladen kannst

Die Seite nimmt MP3, M4A, WAV, OGG, FLAC, AAC, WebM, MP4 und MOV an. Die meisten Aufnahmen liegen schon in einem dieser Formate:

  • Die Sprachmemos-App vom iPhone speichert M4A (so geht es mit dem iPhone).
  • Diktiergeräte und Audiorekorder liefern meist MP3 oder WAV.
  • Zoom speichert ein Meeting auf dem Rechner als MP4-Video und als M4A-Audiodatei.
  • Ein Video vom Handy ist in der Regel MP4 oder MOV.

Du musst den Ton nicht aus einem Video herausziehen: MP4 und MOV gehen direkt. Eine Datei darf höchstens 1 GB groß sein. Auch lange Aufnahmen musst du nicht zerschneiden. Der Browser teilt sie selbst in Teile auf, du lädst die ganze Datei auf einmal hoch.

Liegt deine Aufnahme als MKV, AVI, WMA oder AMR vor, wandle sie vorher in MP3 um, zum Beispiel mit dem kostenlosen Player VLC (Menü „Medien“, dann „Konvertieren / Speichern“). Eine WhatsApp-Sprachnachricht ist eine .opus-Datei. Benennst du sie in .ogg um, klappt es meistens; wenn nicht, wandle sie ebenfalls in MP3 um.

Die Schritte

  1. Öffne supertranskription.de am Rechner oder Handy. Die Sprache ist schon auf Deutsch eingestellt, du musst nichts auswählen.
  2. Zieh die Datei in das Feld oder klick darauf und such sie in deinen Ordnern.
  3. Warte, bis die Verarbeitung fertig ist. Je nach Länge der Aufnahme dauert das ein paar Minuten. Lass den Tab so lange offen.
  4. Lies den Text durch. Er kommt mit Satzzeichen, getrennten Sprechern (Sprecher 1, Sprecher 2 …) und einer Zeitmarke für jedes Wort.
  5. Hol dir das Ergebnis: Kopieren legt den Text samt Sprecherangaben in die Zwischenablage, Herunterladen bietet eine Textdatei (.txt) oder Untertitel (.srt, .vtt) an.

Ohne Konto wird die Transkription nicht gespeichert: Sie existiert nur in deinem Browser-Tab. Kopiere sie oder lade sie herunter, bevor du die Seite schließt. Bist du angemeldet, landet sie in Meine Notizen, und du findest sie später wieder.

Eine Word- oder PDF-Datei erzeugt die Seite nicht. Wenn du den Text in Word oder Google Docs weiterbearbeiten willst, füg ihn einfach in ein neues Dokument ein.

Was es kostet

  • Ohne Konto: eine Datei pro Person, höchstens 30 Minuten Audio. Bei einer längeren Aufnahme bekommst du die ersten 30 Minuten transkribiert.
  • Mit Google- oder Apple-Konto: Pro ist bis Januar 2027 kostenlos, mit 10 Stunden Transkription im Monat und ohne Karte. Im Moment wird nichts verkauft.

Alles Weitere steht auf der Seite Preise.

Was das Ergebnis besser macht

Wie gut die Transkription wird, hängt zuerst von der Aufnahme selbst ab:

  • Das Mikrofon nah an die Stimme. Handy oder Rekorder gehören in die Nähe der sprechenden Person, nicht ans andere Tischende. In einer kleinen Runde reicht ein Handy in der Mitte, in einem großen Raum nicht mehr.
  • Ruhe suchen. Kaffeemaschine, Straße, Musik im Hintergrund: Alles davon führt zu Fehlern. Für ein Interview ist das volle Café der schlechteste Ort.
  • Nicht durcheinanderreden. Sich überlagernde Stimmen sind schwer zu entwirren, und genau dort passieren die meisten Fehler, auch bei der Frage, wer gerade spricht.
  • Namen und Fachbegriffe prüfen. Eigennamen, Abkürzungen und Fachvokabular werden am ehesten falsch geschrieben. Ein eigenes Wörterbuch gibt es nicht. Korrigiere sie in einem Rutsch mit „Suchen und Ersetzen“ in deinem Textprogramm.

Wofür es taugt und was es nicht kann

Eine Transkription hilft bei einem Interview für Journalismus oder Forschung, bei einer Vorlesung oder einem Vortrag, bei einem Meeting oder Telefonat, das du schriftlich festhalten willst, und für Untertitel zu einem Video (SRT oder VTT). Nicht möglich ist dagegen:

  • Transkription beim Sprechen. Die Seite verarbeitet eine fertige Aufnahme. Sie schreibt nicht mit, während du redest.
  • Zusammenfassung auf der Startseite. Zusammenfassung, Aufgabenliste oder Übersetzung gibt es nur in Meine Notizen über „KI fragen“ (ein Beispiel für Meetings).
  • Übersetzung. Die Startseite transkribiert ausschließlich Deutsch.
  • Namen der Sprecher. Die Stimmen werden nummeriert. Die Namen trägst du selbst ein.
  • Rechtliche Verbindlichkeit. Kommt es auf jedes Wort an (Verfahren, Anhörung, amtliche Unterlagen), lass den Text Wort für Wort von einem Menschen prüfen oder beauftrage ein professionelles Transkriptionsbüro.

Zwei kostenlose Alternativen

  • Die Spracheingabe in Google Docs. Unter „Tools“ findest du „Spracheingabe“, Deutsch wird unterstützt (Google-Hilfe). Sie hört auf das Mikrofon und liest keine Audiodatei ein: gut zum Diktieren eines kurzen Textes, nicht zum Transkribieren einer vorhandenen Aufnahme.
  • Whisper auf deinem Rechner. Soll die Aufnahme deinen Computer nicht verlassen (vertrauliche Quelle, Gesundheitsdaten), läuft das freie Modell Whisper von OpenAI lokal und kann Deutsch. Dafür musst du es installieren (Python, Kommandozeile, ffmpeg), und für lange Aufnahmen brauchst du einen leistungsfähigen Rechner.

Wohin die Aufnahme geht

Die Spracherkennung übernimmt ElevenLabs (USA). Dort kommt die Aufnahme nur zur Verarbeitung an. Die Audiodatei, die du auf der Startseite hochlädst, speichern wir nicht. Wenn du in Meine Notizen Ton aufnimmst oder importierst, bleiben Aufnahme und Transkription in deinem Konto, bis du sie löschst. Alles Weitere steht in der Datenschutzerklärung.

Eine andere Person aufzunehmen, setzt ihr Einverständnis voraus: Nach § 201 StGB macht sich strafbar, wer unbefugt das nichtöffentlich gesprochene Wort eines anderen auf einen Tonträger aufnimmt. Sag deinem Gegenüber also Bescheid, bevor du auf Aufnahme drückst.

Zum Ausprobieren zieh eine Aufnahme auf die Startseite: Die erste ist kostenlos.