Ein Aufruf frisst die 4-Stunden-Datei, das Stimmengewirr und das Format-Chaos – und übergibt deinem Agenten ein stabiles Schema. Kein ffmpeg. Kein Babysitten.
Every sample below is an actual file the live engine produced — play it, read it, then run it on your own.
Ngoài kia bao nhiêu câu ca tình nhân thơ tháng Các thế gian nghe như con sông trôi ngẹn ngào Và anh buồn sai bao nhiêu lệch trên bức trấn Để biết em rời đi không khi nào về lại Nói đi em bao dân gió trong đời oan cháy Mà sao em văn thân đi suốt kinh doanh
Jeder kann Whisper aufrufen. Was Wochen kostet, ist alles drumherum. Vocce übernimmt genau diese Teile, damit dein Agent oder deine Automation einen Aufruf macht und dem Ergebnis vertraut.
Eine 4-Stunden-Aufnahme splitten, parallel transkribieren und mit durchgehenden, korrekten Zeitstempeln zusammensetzen – keine Drift an den Nahtstellen.
verarbeitet Uploads >10 GBStabile Sprecherzuordnung über die gesamte Datei hinweg. Segmente mit niedriger Konfidenz werden markiert, nicht stillschweigend geraten.
speaker_map.jsonDenselben Job erneut senden, dieselbe job_id zurückbekommen. Flüchtige Backend-Fehler werden automatisch wiederholt. Fehlgeschlagene Jobs werden nicht berechnet.
Exakt-einmal-SemantikMOV, M4A, WebM, krumme Bitraten, Video ohne normalisierte Audiospur – Vocce bereinigt, normalisiert die Lautstärke, komprimiert für ASR und akzeptiert URL oder Upload. Du fasst ffmpeg nie an.
20+ Formate · bereinigen · normalisieren · komprimierenErgebnisse per Push an deinen Hook, deine Queue oder Automation. Das Ausgabe-Schema ist identisch über MCP, CLI, API und jeden Knoten hinweg.
agent.v1 SchemaEin Job liefert jedes Artefakt, das nachgelagerte Tools brauchen – strukturiert, versioniert und stabil genug, um darauf aufzubauen.
{
"speaker_turns": [
{ "speaker": "A", "start": 12.4, "text": "..." }
],
"chapters": ["Problem", "Decision", "Next steps"],
"artifacts": ["transcript.md", "subtitles.srt"]
}Echte Entdeckung passiert dort, wo Leute bauen: im MCP-Registry, in Automatisierungs-Marktplätzen und in deiner CI. Stabile Tool-Namen und ein Schema über alle Kanäle hinweg.
{
"mcpServers": {
"vocce": {
"command": "npx",
"args": ["@vocce/transcribe-mcp"],
"env": { "VOCCE_API_KEY": "vc_..." }
}
}
}Ein Beispiel dafür, wie wir in die Tiefe gehen, nicht in die Breite. Dieselben Bausteine treiben Podcast-Produktion, Forschungsinterviews und Compliance-Untertitel – aber hier ist der Workflow, den Teams zuerst bezahlen.
Wirf eine Anrufaufzeichnung rein (oder gib Vocce die URL). Es bereinigt das Audio, trennt Sprecher, extrahiert Einwände, Zusagen und nächste Schritte und schiebt eine strukturierte Zusammenfassung per Webhook direkt in HubSpot, Salesforce oder Notion. Kein Neuaufnehmen, keine manuellen Notizen, keine zusammengeklebte Pipeline.
Wir sind ehrlich, wo wir stehen: nicht das billigste STT, kein Meeting-Bot. Die zuverlässige Schicht in der Mitte.
Deepgram, AssemblyAI, Whisper liefern Text. Du baust trotzdem Chunking, Diarisierungs-Verknüpfung, Wiederholungen und Zustellung. Vocce ist diese Schicht.
Otter und TurboScribe sind für Menschen im Dashboard gemacht. Vocce ist dafür gemacht, von Code aufgerufen zu werden – mit stabilem Schema und Webhooks.
Dein eigenes ffmpeg + Queue + ASR-Skript zerschellt an der 4-Stunden-Datei um 2 Uhr nachts. Vocce ist die gewartete Version dieses Skripts.
Datei hochladen und eine kostenlose 3-Minuten-Vorschau bekommen: Qualitätsbericht, die ersten Untertitelzeilen und eine Kostprobe des Agent-JSONs. Wenn der Export zählt, zahlst du pro Paket oder schaltest die API frei.
Dieselbe zuverlässige Pipeline hinter fokussierten Landing Pages – jede öffnet mit genau dem Job, nach dem der Besucher gesucht hat.
Eine rohe API liefert Text für eine saubere Datei. Vocce übernimmt die Pipeline drumherum: mehrstündige Dateien chunking und zusammensetzen ohne Zeitstempel-Drift, Sprecher-Diarisierung mit stabiler Zuordnung, Format-Normalisierung, idempotente Jobs, Wiederholungen und Webhook-Zustellung – alles in einem versionierten Schema.
MCP, CLI, REST-API, ein n8n-Node und eine GitHub Action sind verfügbar — Zapier und Make folgen bald. Tool-Namen und das Ausgabe-Schema sind über alle Kanäle identisch.
Nein. Upload-Fehler und fehlgeschlagene Jobs verbrauchen keine Credits. Die Verarbeitung wird nur berechnet, wenn ein Job erfolgreich abgeschlossen wird – mit einem klaren Fehlergrund für deinen Code.
TXT, Markdown, DOCX, SRT, VTT, bereinigtes Audio, komprimiertes Audio, Zusammenfassung als Markdown, ein Qualitätsbericht und das Agent-JSON-Schema für nachgelagerte Tools.
Das Frontend schickt Jobs an einen konfigurierbaren API-Endpunkt und schlägt fehl, wenn das Backend nicht angebunden ist. Schließ es an deine Upload-, Queue-, ffmpeg-, ASR- und Export-Pipeline an; der Vertrag ist in backend-contract.md dokumentiert.
Hol dir einen API-Key, installier das MCP oder wirf einfach eine Datei rein. Ein Aufruf, ein Schema, jeder Kanal.